GPT-6.1 Sol vs Reflection Beam: A Alegação de Eficiência de 3–4×, e as Tabelas de Benchmark Que a Solapam

O número mais interessante no material de lançamento do Reflection Beam não é uma pontuação de benchmark. O anúncio da Reflection de 2026-10-05 diz que o Beam roda com cerca de três a quatro vezes menos FLOPs de inferência do que o GLM 5.2 com qualidade comparável — uma alegação de eficiência, feita contra um rival específico e citado pelo nome, num mercado em que o custo por token é a restrição sob a qual a maioria das equipes de fato opera. É também uma alegação que as próprias tabelas de benchmark do mesmo anúncio complicam em vez de apoiar: nessas tabelas, o Reflection Beam supera o GLM 5.2 em várias suítes e fica atrás do GLM 5.3, do Kimi K3 e de outros em DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp e DeepSearchQA. Compare isso com o GPT-6.1 Sol, o lançamento da Open​AI de 2026-09-29, e você tem uma comparação entre um modelo cuja eficiência é o argumento e um modelo cuja eficiência já está precificada, medida e publicada.

Ambos os modelos são lançamentos de nível de fronteira de 2026, um de outubro e o outro do final de setembro, respectivamente, e a diferença em quanto se pode dizer sobre cada um deles é a substância deste artigo. Tudo abaixo vem do material de lançamento da Reflection, das páginas de modelo e de preços da OpenAI, dos nossos próprios registros de catálogo e de medições independentes da Artificial Analysis, consultadas em 2026-10-12. Quando um número é do próprio fornecedor e ninguém o reproduziu, a frase que o contém diz isso.

O que é o Reflection Beam, pelo que qualquer pessoa fora da Reflection sabe

O Beam é um modelo de mistura de especialistas com 501 bilhões de parâmetros, com 23 bilhões de parâmetros ativos por token. Essa proporção é a decisão de design que vale a pena observar antes de qualquer outra coisa: um MoE de 501B/23B é feito para ser barato de servir, porque apenas uma pequena fração da rede é executada para qualquer token específico. A alegação de eficiência no anúncio não é uma surpresa acrescentada à arquitetura — é o propósito declarado da arquitetura.

• Parâmetros totais e ativos — 501B no total, 23B ativos por token, mistura de especialistas.

• Modalidade — apenas texto. Sem visão, sem áudio, sem entrada de imagem.

• Contexto — 256.000 tokens na API beta, com uma saída máxima de 128.000 tokens e um corte de conhecimento em 2026-06-30.

• Pesos — não disponibilizados. A Reflection disse que os pesos serão publicados sob a licença Apache 2.0 mais tarde, em outubro, o que é a questão em aberto de maior impacto sobre este modelo e o motivo pelo qual o lançamento é, na prática, uma prévia.

• Preço — nenhum publicado. Não há tabela de preços para a API da Beam, por isso não aparece nenhum valor de custo para ela em parte alguma deste artigo, e qualquer comparação baseada em aritmética por token tem de deixar a sua coluna vazia.

• Benchmarks independentes — nenhum. A Artificial Analysis não tem nenhuma linha para o Reflection Beam, então cada pontuação na seção abaixo é execução própria da Reflection, com as próprias baselines da Reflection anexadas.

As tabelas de fornecedores, lidas com honestidade

A Reflection publicou um conjunto de comparações de benchmark juntamente com o lançamento, e a maneira honesta de reportá-las é dizer o que elas mostram em ambas as direções, porque não mostram uma única direção.

• Onde o Beam vence. Nos conjuntos de testes que a Reflection escolheu destacar, o Beam supera o GLM 5.2 — o modelo contra o qual a alegação de eficiência é feita. Tomando-se isso ao pé da letra, é um resultado genuíno: uma saída melhor a aproximadamente um quarto a um terço do custo de inferência é uma posição forte para quem presta serviço em larga escala.

• Onde o Beam perde. As mesmas tabelas colocam o Beam atrás de GLM 5.3, Kimi K3 e outros modelos atuais em DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp e DeepSearchQA. Essas não são suítes periféricas; são os benchmarks de engenharia de software, uso de ferramentas e pesquisa profunda que determinam se um modelo é utilizável como agente autônomo.

Lidas em conjunto, as tabelas dizem algo coerente e mais restrito do que "estado da arte": o Beam parece ser um forte lançamento de modelo aberto que supera a geração anterior no terreno escolhido pela Reflection e não supera a geração atual no terreno agêntico. Isso é algo legítimo para um modelo ser. Não é a mesma coisa que ser o melhor modelo disponível para trabalho agêntico, e o enquadramento do anúncio convida à leitura mais forte.

Um ponto estrutural sobre o próprio número de eficiência, já que ele é a manchete. Uma comparação de FLOPs por token com outro modelo é uma propriedade da arquitetura e da configuração de serviço, não da qualidade do resultado — e 3–4× menos FLOPs é um número medido pelo fornecedor, sem reprodução independente. É um motivo razoável para esperar que servir o Beam seja barato. Não é evidência de que o Beam seja barato de usar, e a diferença entre essas duas coisas é toda a discussão de custo nesta página: um modelo que gasta mais tokens para chegar a uma resposta pode ser mais barato por FLOP e mais caro por tarefa ao mesmo tempo.

O lado enviado da comparação

Eis a assimetria que este artigo se propõe a documentar. O GPT-6.1 Sol entrou em operação na API da Open​AI em 29 de setembro de 2026. Ele tem uma tabela de preços publicada — US$ 2,00 por milhão de tokens de entrada, US$ 10,00 por milhão de tokens de saída, US$ 0,10 de entrada em cache, US$ 2,50 de gravações em cache — uma janela de contexto documentada de 1.050.000 tokens, uma saída máxima de 128.000 tokens e uma linha independente do Intelligence Index de 52 no esforço máximo de raciocínio, com um custo de execução de US$ 0,72 por tarefa.

Essa cifra de custo é a que vale a pena contrapor à alegação de FLOPs da Reflection. $0,72 por tarefa não é uma contagem de FLOPs nem uma tabela de preços; é quanto o trabalho custa quando está concluído, medido por um terceiro que executou o modelo. É o número que teria de ser superado para que o argumento de eficiência da Beam funcione como um argumento de compras — e a Beam não tem uma cifra equivalente, porque a Beam não tem preço publicado nem execução independente.

Duas outras diferenças são concretas e verificáveis hoje:

• Contexto e saída — O GPT-6.1 Sol documenta 1.050.000 tokens de contexto contra os 256.000 do Beam em beta, e ambos limitam a saída a 128.000 tokens. Para trabalho em escala de repositório ou conjunto de documentos, isso é uma diferença de quatro vezes na quantidade de material que cabe em uma única chamada.

• Modalidade — GPT-6.1 Sol aceita texto, imagens e arquivos; Beam é somente texto. Se seu pipeline lê capturas de tela, digitalizações ou diagramas, Beam não é candidato, independentemente de suas pontuações.

Onde o Beam tem um argumento que o GPT-6.1 Sol estruturalmente não consegue responder, é o de pesos abertos. Se os pesos Apache 2.0 chegarem no cronograma prometido, um modelo 501B/23B cuja contagem de parâmetros ativos é de 23B torna-se um candidato a auto-hospedagem de uma forma que um modelo proprietário nunca será. Vinte e três bilhões de parâmetros ativos é um número sobre o qual uma equipe bem equipada consegue raciocinar; o contexto de 256.000 tokens em beta e a ausência de pesos publicados são o motivo pelo qual esse argumento tem de esperar o lançamento real, em vez de ser resolvido no lançamento.

Quem deve agir sobre qual modelo, agora?

A resposta prática difere conforme o que você está comprando, e a divisão é clara o suficiente para ser enunciada diretamente.

Se você precisa de um modelo em produção esta semana para codificação agêntica, uso de ferramentas ou trabalho com documentos de contexto longo, o modelo já lançado é o GPT-6.1 Sol, e a decisão é sobre o preço dele, não sobre a existência dele. Sua tarifa de saída é o medidor que importa, sua tarifa de entrada em cache é excepcionalmente baixa, de US$ 0,10 por milhão, e acima de 272.000 tokens de entrada, o preço de toda a solicitação sobe — um limite que vale a pena considerar no projeto antes de escalar um loop que lê um prefixo grande. Ele está em nosso catálogo pelas tarifas de tabela da OpenAI com 0% de markup, então a tarifa anunciada é a tarifa da fatura, e uma alteração de preço do fornecedor aparece no catálogo no mesmo dia, em vez de depois do ciclo de atualização de um revendedor: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Se o seu interesse no Beam é o lançamento de pesos abertos e não a API beta, o que deve observar é a publicação sob Apache 2.0 que a Reflection prometeu para o final deste mês. Enquanto os pesos não existirem, todos os números de capacidade neste artigo são do fornecedor, o preço é desconhecido, e nem um plano de auto-hospedagem nem uma comparação de custos podem ser concluídos. Se for lançado dentro do prazo, o Beam torna-se imediatamente interessante como o nível eficiente numa configuração de dois modelos — e essa é uma configuração que um endpoint com failover automático entre mais de 200 modelos lida sem uma segunda integração, que é o argumento para experimentar um modelo não comprovado numa camada de roteamento em vez de comprometer um caminho de produção com ele.

O Reflection Beam não é algo que servimos. Quando os seus pesos e a sua API forem devidamente abertos, estará, como a maioria dos lançamentos abertos, na plataforma do próprio fornecedor e em vários serviços de terceiros — e então valerá a pena reescrever esta página, porque as duas coisas que atualmente não consegue dizer, quanto custa o Beam e como pontua quando alguém que não o seu criador o executa, são exatamente as duas coisas das quais a resposta depende.