Beam 1.0 vs LFM2.5 2.6B Base: незавершённый субстрат и завершённый гигант

Модель, которую не учили отвечать на вопросы, сравнивается с моделью, которую учили планировать. LFM2.5 2.6B Base — это предобученный чекпоинт Liquid AI с 2,698 млрд параметров, опубликованный 4 августа 2026 года под лицензией LFM Open License v1.0 и явно описанный как база для дообучения — он работает только с текстом, состоит из 30 слоёв гибридной свёртки и группового запросного внимания (grouped-query attention), и он не проходил постобучение. Reflection Beam 1.0 — это разреженная модель смеси экспертов с 501,3 млрд общих параметров и 23,4 млрд активных, прошедшая постобучение на этапах обучения с учителем и с подкреплением и выпущенная в виде доступных для скачивания весов 16 октября 2026 года под Apache 2.0 после её анонса 5 октября 2026 года. Разрыв в размере составляет 185 к одному. Разрыв, который на самом деле определяет сравнение, — не размер: один из них — это сырой субстрат, на который вы нацеливаете запуск обучения, а другой — продукт, который вы обслуживаете.

Оба размещены на Hugging Face. Оба доступны для скачивания уже сегодня. Оба предполагают, что вы используете собственное оборудование. На этом сходство заканчивается, и сравнение их друг с другом — полезный способ увидеть, насколько по-разному экосистема открытых весов маркирует две вещи, которые она относит к одному и тому же тегу.

Два релиза, описанные так, как их описывают издатели

LFM2.5 2.6B Base имеет более полное название LFM2.5-2.6B-Base. В его карточке указано общее число параметров — 2,698 млрд, 30 слоёв, из которых 22 — это блоки короткой свёртки с двойным гейтированием, а восемь — групповое внимание (grouped-query attention), бюджет обучения — 34 трлн токенов, словарь на 128 000 токенов и длина контекста 131 072 токена. Он поддерживает 16 языков. Это один из пары: Liquid AI также публикует LFM2.5-2.6B, дообученную для агентных рабочих нагрузок, и это исходный чекпойнт, от которого берут начало все варианты семейства. В самой карточке о базовой модели говорится, что это предобученный чекпойнт только для текста, использованный для создания всех остальных вариантов. Под ним на Hub уже существует шестнадцать дообученных производных.

Beam 1.0 — это противоположная конфигурация. Reflection поставляется с 501,3 млрд общих параметров при 23,4 млрд активных на токен в 52 слоях — три плотных и 49 mixture-of-experts, 256 экспертов, из которых в этой конфигурации за раз маршрутизируются восемь. Окно контекста — 1 000 000 токенов. Модальность — только текст, и в карточке это указано без оговорок. Он доступен в трёх точностях — BF16, FP8 и NVFP4, а также с 2B-драфтером спекулятивного декодирования DFlash2. Его шаблон чата использует модифицированный формат Harmony с каналами analysis и final и настройкой усилия рассуждения с шестью именованными уровнями. Его четыре репозитория были опубликованы в один и тот же день, 16 октября 2026 года, и Artificial Analysis зафиксировала релиз на своей странице модели как 16 октября 2026 года.

Перечитайте эти два абзаца, и проступит форма этой штуки. Liquid AI опубликовала компонент. Reflection опубликовала готовую систему с форматом передачи данных и регулятором усилий. Обе называются «открытыми», и это слово выполняет две разные задачи.

Лицензия — это то, в чём эти двое меньше всего похожи.

Это сравнение, которого не получить из подсчёта параметров, и именно оно имеет самое большое практическое значение.

Beam 1.0 распространяется по лицензии Apache 2.0. Это стандартная разрешительная лицензия без ограничений на пользователей, без порога ежемесячно активных пользователей и без отдельного коммерческого тарифа. Скачивайте, дообучайте, распространяйте производные версии, продавайте результат. Карточка также содержит Руководство по ответственному использованию и отдельный технический отчёт по безопасности, которые являются документами политики, а не лицензионными ограничениями — они регулируют допустимое использование, а не веса.

LFM2.5 2.6B Base — нет. На Hub он помечен тегом license:other, а лицензия указана как LFM Open License v1.0. Практическая разница не в том, что одна из них разрешительная, а другая нет — лицензия Liquid AI написана для открытого использования, — а в том, что эти две лицензии нужно читать по-разному, и только одну из них можно изложить одним предложением. Если ваш план предполагает коммерческое распространение производной работы, часть, связанная с Apache 2.0 на этой странице, не требует никакого анализа. Часть, связанная с LFM, требует, чтобы вы прочитали лицензию, потому что кастомная лицензия по определению представляет собой документ, написанный кем-то намеренно.

Эта асимметрия работает в обратную сторону по другой оси. Чекпойнт Liquid AI — это 2,698 миллиарда параметров плотной текстовой модели, а значит, вопрос лицензии привязан к тому, что можно разместить на одной потребительской видеокарте или на периферийном устройстве. Разрешение Reflection по Apache 2.0 привязано к модели с 501 миллиардом параметров, чьи веса в bfloat16 занимают примерно терабайт, а четырёхбитный вариант всё ещё значится как 255B. Разрешительная лицензия на модель, которую вы не можете разместить у себя, — это свобода иного рода, нежели кастомная лицензия на модель, которую вы можете.

Что базовая модель может и чего не может

Статья о базовом чекпоинте должна говорить об этом прямо, потому что это самый распространённый способ потратить впустую полдня. LFM2.5 2.6B Base не была дообучена на инструкциях. Она будет продолжать ваш текст. Она не ответит на ваш вопрос, не будет следовать вашему формату, не вызовет ваш инструмент и не остановится, когда вы этого захотите. Это отправная точка, поведение которой определяется тем, чему вы её обучите, и Liquid AI говорит об этом в описании модели, а не оставляет это выяснять самостоятельно.

Это не дефект и не уменьшенная версия Beam 1.0. Прогон предобучения на 34 трлн токенов и 30-слойная гибридная архитектура — это и есть продукт; отсутствие выравнивания — как раз суть, потому что выравнивание зависит от задачи, и лаборатория, выпускающая базовую модель, сознательно передаёт это решение тому, кто отвечает за задачу. Шестнадцать производных на Hub — вот как эта договорённость выглядит на практике.

Последствие для оценки состоит в том, что сравнивать не с чем — таблицы бенчмарков нет. Карточка Beam 1.0 содержит полную: SWE-bench Verified 81.6% на BF16, Terminal Bench v2.1 80.1, GPQA Diamond 90.6, AIME 2026 97.7, LiveCodeBench 88.3, MCP Atlas 80.8, IFBench 79.6 — всё заявлено производителем, и ни один результат не воспроизведён третьей стороной, — потому что это post-trained модель, созданная под конкретные рабочие нагрузки, и именно таких доказательств требует её покупатель. У LFM2.5 2.6B Base их нет — так и задумано. Оценивать нечего: качество чекпоинта — это то, что из него сделает ваш файнтюн, и честная точка сравнения — это обучающий прогон, а не строка в таблице лидеров.

Куда уходят деньги

Ни одна из них не входит в каталог OrcaRouter. А маршрутизируем мы мир обслуживаемых моделей вокруг них: более 200 моделей за одним ключом, совместимым с OpenAI, цена по прайс-листу провайдера передаётся с наценкой 0%, с автоматическим переключением между провайдерами при сбое, так что деградировавший маршрут перенаправляется, а не отказывает. Это стоит упомянуть здесь по конкретной причине: две модели на этой странице находятся на противоположных концах одного и того же вопроса о закупке.

LFM2.5 2.6B Base ничего не стоит скачать, но всё стоит эксплуатировать — в том смысле, что затраты — это обучающий прогон и устройство. Beam 1.0 ничего не стоит скачать, но всё стоит эксплуатировать — в том смысле, что затраты — это обслуживание 501B MoE, и на момент написания Reflection не публикует тариф API. Artificial Analysis фиксирует поля с ценой на странице Beam как недоступные и отмечает, что публично доступного API нет. Спустя двенадцать дней после анонса у модели с таблицей бенчмарков на 501 миллиард параметров всё ещё нет ни одной цифры, которой могла бы воспользоваться финансовая команда.

Для читателя, чья фактическая потребность — инференс на этой неделе на рабочей нагрузке, под которую не заточена ни одна из моделей, — суммаризатор, классификатор, чат-интерфейс, — решение не между этими двумя. Оно между самостоятельным дообучением 2,698 млрд параметров и арендой чего-то, что уже выровнено и имеет цену, и второй вариант — тот, который можно измерить до того, как вы зафиксируете выбор.

Какой именно вы на самом деле ищете?

Возьмите LFM2.5 2.6B Base, если ваша проблема более узкая, чем у универсального ассистента. Причина выбрать небольшой базовый чекпоинт в том, что у вас есть задача, у вас есть данные, и вы предпочли бы владеть артефактом, а не арендовать вызов. Контекст в 131 072 токена щедр для такого размера, покрытие 16 языков реально, гибридный свёрточный стек выбран ради пропускной способности на устройстве, а лицензия позволяет распространять то, что вы создаёте. На что вы подписываетесь — это пайплайн дообучения, инфраструктура оценки и решения по выравниванию — и ничего из этого чекпоинт не предоставляет.

Выбирайте Beam 1.0, если ваша задача — одна из тех, что названы на его карточке: программирование, использование инструментов, рассуждения в масштабе репозитория, длительное агентное выполнение. Таблица оценок нацелена прямо на эту работу, контекст в 1M токенов ей соответствует, сборки FP8 и NVFP4 делают разговор о железе более понятным, чем предполагает 501B, а лицензия Apache 2.0 расчищает путь для коммерческого производного продукта. Вы подписываетесь на инфраструктуру обслуживания, постоянно включённый бюджет рассуждений, который шаблон не позволит вам отключить, и оценку стоимости, которую вам придётся строить самому, потому что поставщик её не опубликовал.

Эти две модели не конкурируют между собой, и сравнение стоит проводить именно потому, что оно показывает, как мало «открытые веса» говорят сами по себе. Один издатель передал компонент и бюджет на обучение; другой передал систему с сетевым протоколом и лицензией, которую можно вставить в юридическую проверку. Разобраться, какую именно из них вам предложили, ещё до того, как вы её скачаете, — это и есть большая часть работы.

Что бы изменило картину?

Опубликованная цена API Beam 1.0 или хостинговое развёртывание FP8 с тарифной сеткой перевели бы эту модель из колонки «постройте оценку» в колонку «сравните цифры», и это единственная недостающая строка в её документации. Независимый бенчмарк на весах Beam — теперь возможный, поскольку они общедоступны, — дал бы таблице вендоров арбитра, которого LFM2.5 2.6B Base не сможет получить никогда, потому что пока нечего оценивать. Пока что-то из этого не появится, точная сводка такова: базовый чекпоинт на 2,7 миллиарда параметров и постобученная MoE на 501 миллиард параметров — оба бесплатны для скачивания, оба дорогостоящи в эксплуатации, причём расходы исчисляются в совершенно разных валютах, и ни один из них не заменяет другой.

Именно в таких сравнениях также проявляются режимы отказов: документально зафиксированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и отметку о спорности.