Beam 1.0 против Qwen 3.8: выпуск с поставленными весами против прайс-листа

5 октября 2026 годаReflection Beam 1.0 был анонсирован как модель с открытыми весами, сами веса которой ещё не были выпущены. 16 октября 2026 года они появились — четыре репозитория на Hugging Face под лицензией Apache 2.0, в точности BF16, FP8 и NVFP4, плюс 2B-драфтер для спекулятивного декодирования.Qwen 3.8 на протяжении двух с половиной месяцев демонстрирует прямо противоположную историю: поколение A​libaba вышло 3 августа 2026 года, где Qwen3.8-Max предлагается как платный API по цене $2,00 за миллион входных токенов и $6,00 за миллион выходных, один открытый собрат под кастомной лицензией и плотная модель на 27 миллиардов параметров под Apache 2.0. Обе модели заявляют контекст в один миллион токенов. Обе рассуждают, обе вызывают инструменты, обе на уровне интерфейса работают только с текстом. Разница, которую стоит понять, — за какую из них можно планировать бюджет, а какую можно держать у себя, ведь после 16 октября у каждой модели есть ровно одно из этого и нет другого.

Оба показателя выше — от производителя, и обе модели теперь измерены Artificial Analysis — что в этой области встречается достаточно редко и является причиной, по которой это сравнение вообще можно написать.

Текущее положение дел — модель за моделью

• Параметры — Beam 1.0 — это разреженная модель смеси экспертов общим объёмом 501,3 млрд параметров при 23,4 млрд активных на токен, на 52 слоях, три из которых плотные и 49 — MoE, с 256 экспертами в конфигурации, описанной в карточке. Alibaba никогда не раскрывала количество параметров Qwen3.8-Max; открытый родственный вариант его ядра, Qwen3.8-2.4T-A95B, — это MoE с 2,4 трлн параметров и примерно 95 млрд активных, что является максимально близким приближением к размеру флагмана, доступным кому-либо за пределами компании.

• Контекстное окно — 1 000 000 токенов в карточке модели Beam 1.0. 1 000 000 токенов в листинге OrcaRouter для qwen/qwen3.8-max и 984 000 на странице Artificial Analysis для той же модели. Эти два значения — одна и та же цифра, округлённая по-разному, и они не являются различием между моделями.

• Модальность — Beam 1.0 принимает текст и выдаёт текст, как прямо указано на его карточке. Qwen3.8-Max принимает текст и изображения и возвращает текст, и это реальное различие в возможностях, а не в форматировании.

• Лицензия — Beam 1.0 распространяется под Apache 2.0, без ограничений на число пользователей и без отдельного коммерческого уровня. Поколение Qwen 3.8 неоднородно: основной чекпоинт 2.4T Max можно скачать по кастомной лицензии, плотная модель 27B — под Apache 2.0, а у самого флагмана Max весов нет вообще.

• Цена — нигде на собственных ресурсах Reflection не опубликована для Beam 1.0, а на странице Artificial Analysis, посвящённой этой модели, отмечена как недоступная. $2,00 и $6,00 за миллион токенов для Qwen3.8-Max — опубликованы A​libaba и указаны в нашем собственном маршруте с теми же цифрами.

• Независимая оценка — Artificial Analysis Intelligence Index v4.3.2 присваивает Beam 1.0 30 баллов, ставя его на 19-е место из 120 в его классе сравнения. В том же индексе Qwen3.8-Max (0902) имеет 45 баллов и занимает 33-е место из 217, а AA оценивала линейку Max более чем в одной сборке, при этом показатель менялся между ними.

• Скорость — недоступна для Beam 1.0; на странице скорость вывода указана как неизвестная, поскольку нет публичного эндпоинта для её измерения. 38,8 выходных токенов в секунду для Qwen3.8-Max, что AA характеризует как заметно медленно для его уровня.

Что на самом деле изменили шестнадцать дней между анонсом и релизом

Этот разрыв стоит описать точно, потому что именно такое сглаживается, как только веса оказываются в открытом доступе.

В посте Reflection о запуске говорилось, что веса, технический отчёт, карточка модели и артефакты для разработчиков появятся «позже в этом месяце», и обещалась лицензия Apache 2.0. В период с 5 по 16 октября единственное, что читатель мог сделать с Beam 1.0, — это присоединиться к листу ожидания. У модели была таблица бенчмарков, опубликованное описание обучения — 23,8 трлн токенов на 6 144 GPU GB300 NVL72 менее чем за четыре недели, этап RL на 10 500 GB300, более 100 млн роллаутов — и ни одной возможности скачать.

Затем 16 октября в коллекции Hugging Face появились три варианта квантизации и драфтер, а карточка модели вышла с полной таблицей оценок по всем трём точностям. Для читателя, решающего, что запускать, важное следствие — не цифры бенчмарков, которые по-прежнему остаются собственными показателями Reflection и не воспроизведены независимо. А то, что модель перешла из категории «анонсирована» в категорию «можно изучать, квантовать, дообучать и обслуживать». Лицензия, по которой можно действовать, — это иной актив, чем лицензия, которую вам пообещали.

Qwen 3.8 выбрала противоположный путь к тому же месту. Alibaba начала выпуск поколения с платного флагмана, доступного через сервис, 3 августа 2026 года, а веса выпустила поэтапно после этого — ядро 2.4T 12 августа, плотную модель 27B 14 августа, предварительную версию Flash-Next позднее в том же месяце. Никому не пришлось ждать обещанного, потому что то, что можно было купить, появилось первым, а то, что можно было скачать, — вторым.

Две ситуации с ценообразованием не симметричны.

Qwen3.8-Max — один из наших маршрутов. Он стоит $2.00 за миллион входных токенов и $6.00 за миллион выходных при контексте в один миллион токенов, по прайс-листовой цене провайдера, передаваемой без наценки, — так что если Alibaba изменит этот тариф, ваш счёт изменится в тот же день, а не при следующем продлении договора. Именно это на практике означает «у модели есть цена», и именно поэтому эта статья может показать читателю просчитанную цифру для одной стороны сравнения, но не для другой.

У Beam 1.0 такого числа нет. Через двенадцать дней после анонса это была предварительная версия с листом ожидания и обязательной регистрацией; 16 октября она стала доступна для скачивания. Ни с одним из этих состояний не связана никакая ставка. Любая долларовая цифра, которую вы видите в связи с Beam 1.0, — это чья-то оценка стоимости оборудования, а карточка не даёт ни рекомендаций по обслуживанию, ни минимальных требований к оборудованию, ни показателя пропускной способности, по которым можно было бы оценивать. Строка с ценой — самая большая лакуна в документации модели, и эта лакуна, заполнение которой 501 млрд параметров делает дорогостоящим.

Существует версия этого сравнения, в которой размеры сами делают аргумент о стоимости за вас — 23,4 млрд активных параметров против предполагаемых 95 млрд — это соотношение четыре к одному по вычислениям на токен, и если бы меньшая модель имела цену, она вполне могла бы оказаться дешевле в эксплуатации. Этот аргумент здесь привести нельзя, потому что у одной из сторон нет тарифа. Можно сказать, что модель с опубликованной ценой и модель с опубликованной лицензией — обе, в разном смысле, готовы к использованию, и покупателю нужны обе строки, чтобы сделать выбор.

Возможность, с прикреплённым сорсингом

В карточке Beam 1.0 сообщается о 81,6% на SWE-bench Verified для чекпоинта BF16, 80,1 на Terminal Bench v2.1, 66,1 на SWE Bench Pro v1, 43,3 на DeepSWE v1.1, 90,6 на GPQA Diamond, 97,7 на AIME 2026, 88,3 на LiveCodeBench, 80,8 на MCP Atlas, 67,5 на LongBench v2 и 79,6 на IFBench, при этом показатели FP8 и NVFP4 обычно на один-два пункта ниже. Собственное позиционирование Reflection осторожно: оно описывает Beam как конкурентоспособный с более крупными открытыми моделями и приближающийся к Qwen 3.8-Max, соответствующий GLM-5.2 по рассуждениям при использовании в три-четыре раза меньше вычислительных ресурсов для инференса, и признаёт, что Kimi K3 всё ещё лидирует по сырым возможностям. Всё это заявлено производителем, и ничего из этого не было воспроизведено третьей стороной.

Показатели Qwen3.8-Max поступают из двух источников. Alibaba публикует свои собственные, включая 86,6% на Terminal Bench 2.1, и корпоративные прайс-листы, сопровождающие запуск флагмана. Независимый сводный показатель Artificial Analysis — более полезная строка: 45 в Intelligence Index v4.3.2, что ставит модель значительно выше медианы для её класса сравнения из 27, но ниже фронтира, а измеренная скорость вывода — 38,8 токена в секунду, которую AA описывает как медленную даже на фоне медианы уровня около 88. Флагман, который на 15 пунктов опережает Beam 1.0 в том же независимом индексе и обращение к которому стоит $2,00, — это совсем иное предложение, чем флагман, который впереди в собственной таблице поставщика.

Единственное число, которое разрешило бы спор об эффективности — токенов на единицу энергии или на доллар вычислений, измеренных на идентичном оборудовании, — не существует ни для одной из моделей. Сопроводительный график Reflection аппроксимирует FLOPs как примерно удвоенное количество активных параметров, умноженное на количество сгенерированных токенов, и в собственной подписи к графику указывает, что это не учитывает предзаполнение, внимание и накладные расходы на обслуживание. Это честное раскрытие ограничения, и всё же это не измерение.

Для чего предназначен каждый

Обратитесь к Qwen3.8-Max, когда вам нужно, чтобы модель можно было вызвать и чтобы она была подотчётна. Есть тариф, показатель контекста и независимая оценка, она читает изображения так же, как текст, и отвечает по ключу, который можно получить уже сегодня. Расходы честные: это дорого — $2.00 и $6.00 за миллион токенов, — а независимое измерение говорит, что для своего класса он медленный, так что при большом объёме задач вы заметите и то и другое. Открытые веса в этом поколении существуют, но чекпойнт, стоящий за флагманским именем, распространяется по кастомной лицензии и имеет масштаб дата-центра, так что самостоятельный хостинг ровно того, что вы покупаете, — не та спасительная лазейка, какой кажется.

Обратитесь к Beam 1.0, когда вы хотите владеть всем стеком. Apache 2.0 с тремя уровнями квантования, контекстом в 1M токенов, постоянно включённым бюджетом рассуждений, который вы настраиваете, а не переключаете, и таблицей оценки, нацеленной на программирование и агентные задачи. Цена такого владения — всё, что вокруг этого: счёт за обслуживание, который приходится оценивать самостоятельно, число параметров, из-за которого оценка становится большой, и отсутствие независимой оценки, с которой можно сверить таблицу вендора — значение Intelligence Index, равное 30, реально и получено третьей стороной, но это один композитный показатель, а не проверка по каждому бенчмарку.

А для смешанного случая — когда команда в итоге хочет открытые веса, но уже в этом квартале ей нужен эндпоинт, — обычный ответ состоит в том, чтобы совместить оба подхода: направьте работу через обслуживаемую модель по опубликованному тарифу, пока саморазмещённое развёртывание строится и проходит бенчмарки на ваших собственных задачах. OrcaRouter запускает более 200 моделей за одним ключом, совместимым с OpenAI, с автоматическим переключением при сбое между провайдерами, так что самостоятельно размещённая сборка может брать на себя долю трафика и отдавать остальное, когда её показатели ухудшаются, и чтобы попробовать модель, по которой у вас нет обязательств, второй контракт не требуется.

Что посмотреть дальше

Эту страницу меняет одна вещь — одна-единственная строка. Если Reflection или партнёр по предоставлению услуг опубликует цену на Beam 1.0 — для API или для размещённого развёртывания FP8 или NVFP4, — то сравнение превратится в арифметику: 23,4 млрд активных параметров против якобы 95 млрд, две независимые оценки по индексам и две цены. Вот это будет страница, которую стоит прочитать. А до тех пор правдивое резюме таково: Reflection предоставила ту половину, которую обещала, Alibaba предоставила ту половину, на которую назначила цену, и обе модели ждут вторую половину.

Этот разрыв между тем, что измеряет табло результатов, и тем, с чем сталкивается реальное развёртывание, — как раз поэтому этот реестр важен: задокументированные сбои ИИ и инциденты с агентами, связанные с моделями этого класса, собраны в Архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, уровень серьёзности, оценку уверенности и отметку об оспаривании.