Beam 1.0: Reflection сделала веса открытыми, а Artificial Analysis оценила его на 30 баллов

На этой неделе с Beam 1.0 от Reflection произошли две вещи, и они указывают в противоположных направлениях. Модель — Beam 1.0-501B-A23B, разреженная система смеси экспертов с 501 млрд общих параметров и 23 млрд активных на токен — больше не обещание: веса доступны на Hugging Face под Apache 2.0, сборка NVFP4 размером 273 GiB уже доступна для скачивания, а также есть собственный API с документированным контрактом и настоящей страницей ограничений скорости. В то же время первый независимый показатель, который кто-либо для неё опубликовал, — 30 в Artificial Analysis Intelligence Index — девятнадцатое место среди 120 моделей, оценённых в версии индекса v4.3.2, и выше медианы 19, которую Artificial Analysis фиксирует для сопоставимых открытых моделей аналогичного размера. Вендоры, выпустившие модель, обычно сами выбирают, какой из этих двух фактов будет главным. Здесь оба факта верны одновременно, и честная оценка такова: Beam 1.0 вышла дешевле, чем ожидалось, но показала результат ниже, чем подразумевал её собственный пост о запуске.

Это продолжение нашего предыдущего материала, и подача здесь намеренная: Beam 1.0 — не новинка. Reflection анонсировала его 5 октября 2026 года и обновила свои таблицы бенчмарков 8 октября. За последние семь дней изменилось всё, что действительно нужно покупателю — веса, хостинг, API, лимиты и внешние измерения. Если вы читали материал о запуске и решили подождать, причина для ожидания исчезла.

Что на самом деле выпустили на этой неделе

Пост Reflection «Beam теперь доступен» датирован 16 октября 2026 года и закрывает пробел, из-за которого пост о запуске звучал так осторожно. 5 октября веса были тем, что Reflection обещала «выпустить». По состоянию на эту неделю они существуют — в трёх точностях, а также драфтер для спекулятивного декодирования:

• BF16 — 501,3 млрд параметров, распределённых по 188 шардам safetensors, загруженных в репозиторий reflection/Beam-1.0-501B-A23B 7 октября и с тех пор обновлявшихся.

• FP8 — те же 501,3 млрд параметров в E4M3, 468,72 ГиБ на диске.

• NVFP4 — упакованная 4-битная сборка размером 273 ГиБ, и именно её собственные руководства Reflection по обслуживанию советуют скачивать.

• DFlash2 — драфтер спекулятивного декодирования с 1,93 млрд параметров, загружен 13 октября, опубликован как отдельный репозиторий и задокументирован как собственная оптимизация обслуживания.

Все четыре помечены тегом apache-2.0, и файл лицензии находится в репозитории, а не в предложении из блога, — в этом разница между лицензией и обещанием. Reflection также заявляет, что не ограничивает дистилляцию, тонкую настройку, квантование или слияние.

История с обслуживанием столь же конкретна. Поддержка с первого дня есть в Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed и N​VIDIA Dynamo, а документация Reflection содержит пошаговые руководства для SGLang, vLLM, TokenSpeed и Helm-чарт для Kubernetes. Эталонное требование к самостоятельному хостингу — четыре GPU N​VIDIA B300 SXM на NVLink — один сервер, а не кластер, что является гораздо более низкой планкой, чем обычно подразумевает модель на 500B, и напрямую следует из коэффициента активации 23B.

Есть также инструмент верификации. Открытый beam-verifier CLI запускает набор тестов на соответствие для любого работающего эндпоинта Beam, а затем оценивает его по основным бенчмаркам, чтобы вы могли сравнить своё развёртывание или развёртывание провайдера с эталонными показателями Reflection. Всё, что позволяет покупателю проверить показатели поставщика, а не просто доверять им, заслуживает того, чтобы о нём знали.

Первая внешняя оценка, и это не номер поста о запуске.

Artificial Analysis включает Beam 1.0 с Intelligence Index 30, занявший #19 из 120. В той же записи указано, что модель использовала 79 млн выходных токенов по всему Индексу — «#10 / 46» при медиане 130 млн — что является утверждением об эффективности использования токенов, впервые появившимся в независимом испытательном стенде. Artificial Analysis также не показывает ни цен, ни скорости для Beam, поскольку на момент написания он по-прежнему указывает «Нет общедоступного API» для модели, ссылаясь только на самостоятельный хостинг. Этот пробел сам по себе является информацией: API существует, но ещё не в той форме, которую подхватили измерительные компании.

Внимательно отнеситесь к числу 30. Это не вердикт о таблице бенчмарков вендора — эти две вещи измеряют разное на разных испытательных стендах. Карточка модели Reflection, опубликованная вместе с весами, сообщает о 81,6% на SWEBench Verified, 80,1% на Terminal Bench v2.1 и 90,6% на GPQA Diamond для BF16-чекпоинта, а в посте о запуске прямо сказано, что фронтирные модели, такие как Kimi K3, по-прежнему впереди по сырым возможностям, при этом аргумент Beam заключается в «эффективности во время инференса», а не в паритете на вершине. Эти цифры по-прежнему остаются заявленными вендором, и, насколько нам удалось выяснить, пока никто их не воспроизвёл. Но выпуск публичного эндпоинта вместе с CLI верификатора — это то, что вообще делает воспроизведение возможным, а 30 в индексе из 120 моделей — первое число в этой истории, полученное не Reflection.

Цена, лимиты и что они означают для каждой задачи

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:

• Контекстное окно — 1 048 576 токенов, максимальный вывод — 131 072 токена, а значение по умолчанию max_tokens — 32 768.

• Рассуждение — обязательно, а не опционально. Поддерживаемые уровни усилий: low, medium, high, xhigh и max, при этом max используется по умолчанию. Токены рассуждений учитываются в ваших лимитах частоты запросов.

• Возможности — рассуждение, вызов инструментов и структурированные выходные данные, ввод и вывод текста.

• Лимиты скорости — измеряются для организации в запросах и токенах в минуту и за сутки по UTC, с ограничениями на одновременные запросы и опциональным суточным лимитом токенов. При превышении возвращается 429 с rate_limit_exceeded или daily_allowance_exhausted, а когда суточный лимит исчерпан, в ответе устанавливается x-should-retry: false, так что наивные циклы повторных попыток будут просто крутиться вхолостую.

Документацияне сообщает публичной цены за миллион токенов. В анонсе Reflection говорится лишь, что «начать можно бесплатно», и ни документация, ни анонс не публикуют прайс-лист. Именно этой строки до сих пор не хватает в общей картине, и именно она решает, значит ли аргумент об эффективности что-либо для счёта к оплате. Модель, которая рассуждает при каждом запросе, по умолчанию выкладывается на максимум и заявляет о в 3–4 раза меньших вычислительных затратах на инференс, чем GLM 5.2, при сложных рассуждениях, — это совсем другое предложение при $0.50 за миллион выходных токенов, чем при $5.00, — и сейчас никто за пределами Reflection не может сказать, какой из вариантов верен.

Два практических предостережения из документации, которые стоит учесть в пилотном проекте. Во-первых, уровень усилий по умолчанию — max, поэтому конфигурация «из коробки» — самая дорогая; интеграции, учитывающей расходы, следует задавать reasoning_effort явно с первого вызова. Во-вторых, лимиты устанавливаются на уровне организации и являются общими для проектов и ключей — добавление ключей не увеличивает их; это та деталь, которая даёт о себе знать только после того, как вы уже создали вторую интеграцию.

Как оно выглядит на фоне моделей, с которыми вы действительно стали бы его сравнивать

Интересное сравнение — не с фронтирными флагманами, где Reflection уступает по этому пункту, а с моделями с открытыми весами, с которыми Beam сопоставляют по цене и размеру. По нашему собственному каталогу на сегодня:

• GLM 5.2 — контекст 1M, $1.40 за миллион входных токенов и $4.40 за миллион выходных, полностью обслуживается.

• Kimi K3 — контекст на 1 048 576 токенов, $3.00/$15.00, и собственная таблица модели Reflection ставит её впереди в Terminal Bench.

• Qwen 3.8-Max — контекст 1M, $2.00/$6.00, класс 2T-plus, над которым Beam заявляет более значительное преимущество в эффективности.

Питч Beam заключается в том, что он приближается к GLM 5.2 в сложных рассуждениях за долю вычислительных ресурсов на инференс. Если это подтвердится на независимом стенде, он стоит реальных денег при высоком объёме запросов. Показатель многословности в 79M токенов — первое свидетельство того, что это может быть так. Отсутствующая цена — вот почему вы пока не можете завершить расчёты.

Это также та ситуация, когда маршрутизация снимает большую часть риска ошибиться. На момент написания Beam нет в нашем каталоге, поэтому мы не можем предоставить его вам — но все модели выше доступны — за одним ключом, совместимым с OpenAIпри этом цена провайдера по прайс-листу передаётся без наценки, поэтому снижение цены вендором отражается в вашем счёте в тот же день, а не при следующем договоре. Практический шаг — держать ваш продакшен-путь на модели с опубликованной тарифной сеткой, а публичную бету Beam поставить за правилом маршрутизации, чтобы непроверенный собственный API никогда не становился единой точкой отказа. Автоматическое переключение при сбое делает остальное: если бета ограничит вас по частоте с ошибкой 429 в 02:00, запрос попадёт туда, где этого не произойдёт.

Кто должен двигаться и на основании каких доказательств?

Если ваше ограничение — открытые веса и разрешительная лицензия, то на этой неделе ответ стал «да», а не «скоро». Apache 2.0, три точности, сборка на 273 GiB, которая помещается на одном узле B300 с четырьмя GPU, поддержка vLLM и SGLang с первого дня, верификатор для проверки вашего собственного развёртывания и отсутствие ограничений на дообучение или дистилляцию. Для тех, у кого препятствием было «веса ещё не выпущены», это препятствие исчезло, а собственный хостинг полностью снимает вопрос цены API.

Если ваше ограничение — это зависимость продакшена от хостируемого эндпоинта, будьте осторожнее. API реальный и документированный, но он запущен на этой неделе, он применяет ограничения на уровне всей организации, которые второй ключ не поднимет, по умолчанию он рассуждает с максимальным усилием, а его цена не опубликована. Прогоните набор тестов на соответствие от верификатора против него, прежде чем доверять ему что-либо со сроком.

Если ваш критерий — передовые возможности, ничто на этой неделе не меняет ваш ответ. 30 баллов по Intelligence Index, вендорская таблица, которая уступает Kimi K3 на Terminal Bench и GLM 5.2 на AIME, и отсутствие независимого воспроизведения ключевых цифр — всё это складывается в модель, которую стоит попробовать, а не модель, на которую стоит ставить.

Единственное, за чем теперь стоит следить, — это цена. Reflection выпустила сложную половину запуска — веса, стеки обслуживания, документацию и публичный эндпоинт — а легкую половину — тарифную сетку — оставила неопубликованной. Когда эта цифра появится, заявление о 3–4-кратной эффективности превратится из лозунга в электронную таблицу, а сравнение с GLM 5.2 или Kimi K3 станет решением, а не спором о методологии.

Подобный результат — это также напоминание о том, что ошибки моделей уже задокументированы: инциденты ИИ и сбои агентов, связанные с моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.