Beam 1.0: a Reflection abriu o código dos pesos, e a Artificial Analysis deu-lhe nota 30

Duas coisas aconteceram ao Beam 1.0 da Reflection esta semana, e elas apontam em direções opostas. O modelo — Beam 1.0-501B-A23B, um sistema esparso de mistura de especialistas com 501 bilhões de parâmetros totais e 23 bilhões ativos por token — não é mais uma promessa: os pesos estão no Hugging Face sob Apache 2.0, a versão NVFP4 de 273 GiB já pode ser baixada, e há uma API própria com um contrato documentado e uma página real de limites de taxa. Ao mesmo tempo, o primeiro número independente publicado por alguém para ele é 30 no Artificial Analysis Intelligence Index — décimo nono de 120 modelos avaliados na versão v4.3.2 do índice, e acima da mediana de 19 que a Artificial Analysis registra para modelos comparáveis de pesos abertos de tamanho semelhante. Fornecedores que lançam produtos geralmente podem escolher qual desses dois fatos lidera. Aqui, ambos são verdadeiros ao mesmo tempo, e a leitura honesta é que o Beam 1.0 chegou mais barato do que o esperado, mas pontuou menos do que o próprio post de lançamento sugeria.

Esta é uma continuação da nossa cobertura anterior, e o enquadramento é deliberado: o Beam 1.0 não é novo. A Reflection o anunciou em 5 de outubro de 2026 e atualizou suas tabelas de benchmarks em 8 de outubro. O que mudou nos últimos sete dias é tudo o que um comprador realmente precisa — pesos, hospedagem, uma API, limites e medição externa. Se você leu a cobertura de lançamento e decidiu esperar, o motivo para esperar acabou.

O que realmente foi lançado esta semana

A postagem "Beam já está disponível" da Reflection é datada de 16 de outubro de 2026 e fecha a lacuna que deixava a postagem de lançamento tão cheia de ressalvas. Em 5 de outubro, os pesos eram algo que a Reflection disse que "lançaria". A partir desta semana, eles existem, em três precisões, além de um modelo de rascunho de decodificação especulativa:

• BF16 — 501,3B parâmetros distribuídos em 188 shards de safetensors, enviados para o repositório reflection/Beam-1.0-501B-A23B em 7 de outubro e revisados desde então.

• FP8 — mesma contagem de parâmetros de 501,3B em E4M3, 468,72 GiB em disco.

• NVFP4 — uma build empacotada de 4 bits com 273 GiB, que é a que os próprios guias de serving da Reflection mandam você baixar.

• DFlash2 — um drafter de decodificação especulativa com 1,93 bilhão de parâmetros, enviado em 13 de outubro, publicado como um repositório separado e documentado como sua própria otimização de serving.

Todos os quatro têm a etiqueta apache-2.0, e o ficheiro de licença está no repositório, e não numa frase de blog, o que constitui a diferença entre uma licença e uma promessa. O Reflection também afirma que não restringe a destilação, o ajuste fino, a quantização ou a fusão.

A história de serving é igualmente concreta. Há suporte day-zero no Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e N​VIDIA Dynamo, e a documentação da Reflection traz guias passo a passo para SGLang, vLLM, TokenSpeed e um Helm chart para Kubernetes. O requisito de auto-hospedagem de referência é de quatro GPUs N​VIDIA B300 SXM em NVLink — uma única máquina, não um cluster, o que é um patamar muito mais baixo do que um modelo de 500B normalmente implica e decorre diretamente da taxa de ativação de 23B.

Há também uma ferramenta de verificação. A CLI de código aberto beam-verifier executa uma suíte de conformidade contra qualquer endpoint Beam ativo e depois a avalia nos principais benchmarks para que você possa comparar sua implantação, ou a de um provedor, com as pontuações de referência da Reflection. Qualquer coisa que permita a um comprador verificar os números de um fornecedor em vez de confiar neles vale a pena conhecer.

A primeira pontuação externa, e não é o número do post de lançamento.

Artificial Analysis lista o Beam 1.0 com um Intelligence Index de 30, classificado como nº 19 de 120. A mesma entrada mostra que o modelo usou 79M de tokens de saída no Index — "#10 / 46", contra uma mediana de 130M —, o que é a alegação de eficiência de tokens aparecendo pela primeira vez em uma estrutura de avaliação independente. Artificial Analysis também não mostra preço nem velocidade para o Beam, porque, no momento em que escrevo, ainda registra "Nenhuma API disponível publicamente" para o modelo, apontando apenas para auto-hospedagem. Essa lacuna é, por si só, uma informação: a API existe, mas ainda não em um formato que as empresas de medição tenham captado.

Leia o 30 com atenção. Ele não é um veredito sobre a tabela de benchmark do fornecedor — os dois estão medindo coisas diferentes em harnesses diferentes. O model card do Reflection, publicado junto com os pesos, relata 81,6% no SWEBench Verified, 80,1% no Terminal Bench v2.1 e 90,6% no GPQA Diamond para o checkpoint BF16, e o post de lançamento é explícito de que modelos de fronteira, como o Kimi K3, continuam à frente em capacidade bruta, com o argumento da Beam sendo "eficiência em tempo de inferência" em vez de paridade no topo. Esses números continuam sendo relatados pelo fornecedor e, até onde conseguimos apurar, ninguém os reproduziu ainda. Mas o lançamento de um endpoint público, somado à CLI do verificador, é o que torna a reprodução possível em primeiro lugar, e um 30 em um índice de 120 modelos é o primeiro número nesta história que o Reflection não produziu.

O preço, os limites e o que significam por tarefa

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• Janela de contexto — 1.048.576 tokens, com uma saída máxima de 131.072 tokens e um valor padrão de max_tokens de 32.768.

• Raciocínio — obrigatório, não opcional. Os esforços compatíveis são low, medium, high, xhigh e max, com max como padrão. Os tokens de raciocínio contam para os seus limites de taxa.

• Capacidades — raciocínio, chamada de ferramentas e saídas estruturadas, entrada e saída de texto.

• Limites de taxa — medidos por organização em pedidos e tokens por minuto e por dia UTC, com limites de pedidos simultâneos e uma quota diária de tokens opcional. Os excessos devolvem 429 com rate_limit_exceeded ou daily_allowance_exhausted, e quando a quota diária é esgotada a resposta define x-should-retry: false, por isso ciclos de tentativa ingénuos vão simplesmente ficar a girar em vazio.

O que a documentação não traz é um preço público por milhão de tokens. O anúncio da Reflection diz apenas que é "grátis para começar", e nem a documentação nem o anúncio publicam uma tabela de preços. Essa é a única linha que ainda falta no quadro, e é a linha que decide se o argumento de eficiência significa alguma coisa numa fatura. Um modelo que raciocina a cada solicitação, usa o esforço máximo por padrão e afirma ter de 3 a 4× menos computação de inferência que o GLM 5.2 em raciocínio avançado é uma proposta diferente a US$ 0,50 por milhão de tokens de saída do que a US$ 5,00 — e ninguém fora da Reflection pode dizer, no momento, qual dos dois é o caso.

Duas advertências práticas da documentação que vale a pena levar para um piloto. Primeiro, o esforço padrão é max, portanto a configuração padrão de fábrica é a mais cara; uma integração preocupada com custos deve definir reasoning_effort explicitamente desde a primeira chamada. Segundo, os limites são por organização e compartilhados entre projetos e chaves — adicionar chaves não os aumenta, e esse é o tipo de detalhe que só causa problema depois que você já construiu a segunda integração.

Onde ele se posiciona em relação aos modelos com os quais você realmente o compararia

A comparação interessante não é com os flagships de fronteira, em que o Reflection concede o ponto, mas sim com os modelos de pesos abertos em relação aos quais o Beam é comparado em preço e tamanho. No nosso próprio catálogo, hoje:

• GLM 5.2 — contexto de 1M, $1,40 por milhão de tokens de entrada e $4,40 por milhão de saída, totalmente servido.

• Kimi K3 — contexto de 1.048.576 tokens, US$ 3,00/US$ 15,00, e o modelo que a própria tabela da Reflection coloca à frente no Terminal Bench.

• Qwen 3.8-Max — contexto de 1M, $2.00/$6.00, sobre o qual o Beam da classe 2T-plus afirma ter uma vantagem de eficiência maior.

A proposta do Beam é que ele chega perto do GLM 5.2 em raciocínio avançado por uma fração da computação de inferência. Se isso se mantiver sob uma estrutura de avaliação independente, vale dinheiro de verdade em alto volume de requisições. O número de verbosidade de 79 milhões de tokens é a primeira evidência de que pode ser o caso. O preço que falta é o motivo pelo qual você ainda não consegue terminar as contas.

Esta é também a situação em que o roteamento elimina a maior parte do risco de errar. O Beam não está no nosso catálogo no momento em que escrevemos, por isso não o podemos disponibilizar para si — mas todos os modelos acima estão, por trás de uma única chave compatível com a OpenAI com o preço de tabela do fornecedor repassado e sem margem, para que um corte de preço do fornecedor chegue à sua fatura no mesmo dia, e não no próximo contrato. A medida prática é manter o seu caminho de produção num modelo com uma tabela de preços publicada e colocar a beta pública do Beam atrás de uma regra de roteamento, para que uma API própria ainda não comprovada nunca se torne um ponto único de falha. O failover automático faz o resto: se a beta o limitar com um 429 às 02:00, o pedido acaba em algum lugar que não o fará.

Quem deve se mover, e com base em quais evidências

Se a sua restrição for pesos abertos e uma licença permissiva, esta é a semana em que a resposta passou a ser "sim", e não "em breve". Apache 2.0, três precisões, uma build de 273 GiB que cabe em um único nó B300 com quatro GPUs, suporte desde o primeiro dia para vLLM e SGLang, um verificador para conferir a sua própria implantação e nenhuma restrição a fine-tuning ou destilação. Para quem tinha como bloqueio "os pesos não foram lançados", esse bloqueio desapareceu, e a auto-hospedagem elimina por completo a questão do preço da API.

Se a sua restrição for uma dependência de produção de um endpoint alojado, tenha mais cuidado. A API é real e está documentada, mas foi lançada esta semana, impõe limites à escala de toda a organização que uma segunda chave não irá elevar, raciocina com esforço máximo por predefinição e o seu preço não está publicado. Execute o conjunto de testes de conformidade do verificador contra ela antes de confiar nela para qualquer coisa que tenha um prazo.

Se a sua restrição é capacidade na fronteira, nada nesta semana muda a sua resposta. Uma pontuação de 30 no Intelligence Index, uma tabela de fornecedor que concede terreno ao Kimi K3 no Terminal Bench e ao GLM 5.2 no AIME, e nenhuma reprodução independente dos números de destaque resultam em um modelo que vale a pena experimentar, não um modelo em que vale a pena apostar.

A próxima coisa a ficar de olho é o preço. A Reflection entregou a metade difícil de um lançamento — pesos, stacks de serving, documentação e um endpoint público — e deixou a metade fácil, uma tabela de preços, sem publicar. Quando esse número sair, a alegação de eficiência de 3–4× vira uma planilha em vez de um slogan, e a comparação com GLM 5.2 ou Kimi K3 vira uma decisão em vez de uma discussão sobre metodologia.

Um resultado como este também é um lembrete de que erros de modelo já estão documentados: os incidentes de IA e as falhas de agentes por trás de modelos dessa classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de disputa.