Beam 1.0 vs Ember-1: Två sätt att skära ned kostnaden för resonemang, och bara en har vikter

Beam 1.0 och Ember-1 jagar samma radpost från motsatta håll, vilket är det som gör jämförelsen värd att göra. Ember-1 är Fireworks Researchs Kimi K3-derivat, publicerat den 23 september 2026 som en forskningsförhandsvisning, som angriper resonemangskostnaden genom att omskola en befintlig frontmodell att tänka mer koncist – leverantörens rubrik är ungefär 40 % färre tokens vid jämförbar kvalitet. Beam 1.0 är Reflections egen arkitektur, släppt med Apache 2.0-vikter den 16 oktober 2026, som angriper samma kostnad genom att endast väcka 23,4 miljarder av 501,3 miljarder parametrar per token och hävdar jämförbar kvalitet vid ungefär tre gånger färre resonemangstokens vid inferenstid. Ett team ändrade en modells vanor; det andra byggde en modell vars vanor är billigare. Källsituationen skiljer sig lika skarpt: Reflections vikter finns och kan laddas ner idag, och Fireworks Research har varken publicerat vikter eller ett pris.

Båda påståendena är rapporterade av leverantör och inte reproducerade, och båda mäts mot modeller med publicerade prislistor – vilket är det enda skälet till att aritmetiken alls kan kontrolleras.

Två mekanismer, och varför de inte är utbytbara

Fireworks Research genomförde fler än femtio träningsexperiment och över tvåhundra utvärderingar för att ta bort resonemang som inte ändrar svaret, och uppger att resonemangslängden minskade med 35–50 % över sju benchmarks och två uppsättningar kundtrafik från produktion. I en körning på Terminal Bench 2.1 med 89 uppgifter rapporterar man 82,0 % mot K3 Max resultat på 80,9 %, med 51,9 % färre tokens och 23,10 USD mindre per uppgift; på τ-2 Bench Airline kollapsar besparingen till 5,9 %. ”Ungefär 40 %” är ett genomsnitt över ett spann som sträcker sig från ungefär 6 % till ungefär 52 %, vilket spelar enormt stor roll om din arbetsbelastning liknar den nedre delen av det spannet.

Reflections tillvägagångssätt är strukturellt snarare än beteendemässigt. Beam 1.0:s besparing kommer från aktiveringskvoten — 4,7 procent av modellen är aktiv vid varje token, så beräkningen per token är lägre per konstruktion — plus ett påstående om mångordighet. Det starkaste stödet för mångordighetshalvan är oberoende: Artificial Analysis mätte Beam till 79M utdatatokens i sitt Intelligence Index mot en median på 130M, vilket placerar den på tionde plats av fyrtiosex. Det är en tredje part som räknar tokens och finner Beam mer sparsam än större delen av fältet, vilket inte är ett anspråk på genomströmning per GPU, men väl ett verkligt sådant.

Enkelt uttryckt: om Ember-1 fungerar som utlovat blir varje driftsättning av den billigare. Om Beam 1.0 fungerar som utlovat blir varje driftsättning av den billigare. Inget av påståendena säger vad som händer när man byter ut den ena mot den andra, eftersom de två modellerna inte är lika stora, inte har tränats på samma sätt och inte producerar samma tokens.

Jämförelsen dimension för dimension

• Parametrar — Beam 1.0: 501,3 B totalt, 23,4 B aktiva per token, en aktiveringskvot på 4,7 %; 52 lager, 3 täta och 49 MoE, 256 experter. Ember-1: härledd från Kimi K3, och Fireworks Research har inte publicerat något antal parametrar för sitt derivat.

• Licens — Beam 1.0: Apache 2.0, med licensfilen i repositoriet och inga begränsningar för destillation, finjustering, kvantisering eller sammanslagning. Ember-1: inga vikter publicerade alls; det är en forskningsförhandsvisning som tillhandahålls som tjänst.

• Åtkomst — Beam 1.0: tre precisioner på Hugging Face plus ett förstaparts-API kompatibelt med OpenAI på api.reflection.ai, modell-ID Beam-1.0-501B-A23B. Ember-1: leverantörens egen serverlösa plattform, med ett åtkomstfönster på två veckor vars beständighet labbet kopplar till efterfrågan.

• Pris — Beam 1.0: publiceras inte någonstans; dokumentationen innehåller en detaljerad sida om hastighetsbegränsningar och inget prisblad. Ember-1: publiceras inte heller; dollarkolumnerna i dess benchmark-tabell är beräknade utifrån Kimi K3:s offentliga taxor tillämpade på tokenantal, inte utifrån en Ember-1-taxa.

• Kontext — Beam 1.0: 1M-tokenfönster på modellkortet, 131 072 token som maximal utdata i API:et. Ember-1: inte publicerad för förhandsvisningen; dess basmodell rymmer 1 048 576 token.

• Resonemangsstyrning — Beam 1.0: fem ansträngningsnivåer, obligatoriskt resonemang, max som standard. Ember-1: ärver K3:s ansträngningsratt, och släppets premiss är att ratten är för grov och omträning är det finare instrumentet.

• Oberoende utvärdering — Beam 1.0: Artificial Analysis Intelligence Index 30, rang 19 av 120 på v4.3.2, utan pris och utan registrerad hastighet. Ember-1: inget publicerat; ingen tredje part har kört den.

• Golv för egen drift — Beam 1.0: fyra NVIDIA B300 SXM-GPU:er på NVLink för 273 GiB NVFP4-bygget, åtta H200 för FP8 och åtta B200 eller B300 för 933,81 GiB BF16-bygget. Ember-1: inga vikter, så inget golv att ange.

Vad en operatör faktiskt kan göra den här veckan

Det är här de två skiljer sig åt, och det är inte ens nära. Beam 1.0:s gap är ett pris. Ember-1:s gap är själva artefakten.

Med Beam kan du ladda ner 273 GiB, köra SGLang-receptet mot en pinnad image och låta beam-verifier CLI betygsätta din driftsättning mot Reflections referenspoäng på de viktigaste benchmarkarna. Du kan inte prissätta det per token, eftersom ingen har publicerat en taxa, men du kan räkna fram en kapitalsiffra och en wattsiffra och jämföra dem med vad du betalar i dag. Det är en ovanlig position att befinna sig i: en leverantör som släppte verifieringsramverket före prislistan.

Med Ember-1 kan du skicka trafik till en förhandsvisningsslutpunkt som Fireworks Research har sagt att den kanske inte finns nästa månad, och du kan läsa ett benchmark-kalkylblad vars kostnadskolumner är någon annans prislista. Besparingen den beskriver är verklig om den håller, men det som genererar besparingen är inte något du kan hålla i.

Båda modellerna mäts mot Kimi K3, och K3 är den av de tre vars ekonomi går att känna till. Den finns i vår katalog till $3.00 per miljon indatatoken, $0.30 per miljon cachade indata och $15.00 per miljon utdata, med ett kontextfönster på 1 048 576 token. Det är samma prislista som Fireworks Research-jämförelsen använder, så procenttalen för tokenminskning i Ember-1:s tabell omvandlas till dollar du kan verifiera i stället för dollar du måste lita blint på.

Vilket antyder den praktiska sekvensen. Prissätt arbetsbelastningen enligt K3:s rutt i dag, behandla Ember-1:s procentsatser som den övre gränsen för vad en övergång skulle kunna ge, och vänta på en publicerad Ember-1-taxa innan du modellerar besparingen som pengar. Om aritmetiken är tillräckligt intressant för att agera på, är säkringen att lägga förhandsversionen bakom samma slutpunkt som produktionen — OrcaRouter kör en enda OpenAI-kompatibel nyckel över 200+ modeller, förmedlar leverantörens listpris vidare utan påslag och växlar automatiskt över vid fel, så en förhandsversion som försvinner är en routingändring snarare än en migrering. Inget med ett tvåveckorsfönster kräver det. Inget med det talar emot det heller.

Frågan som avgör det

Om din begränsning är att modellen måste vara din – att du behöver äga artefakten, kvantisera den, slå samman den eller köra den inom en perimeter – då är Beam 1.0 den enda av dessa två som ens är en kandidat, och det uteblivna priset är en olägenhet snarare än ett hinder. Fyra GPU:er och en nedladdad checkpunkt är en plan.

Om din begränsning är att du kör Kimi K3 i en lång agentloop och räkningen domineras av resonemangstoken som du inte kan se, är båda intressanta och ingen av dem kan besvaras ännu. Beams effektivitetsfördel är strukturell och skulle gälla alla typer av arbetsbelastningar; Ember-1:s är beteendemässig och, enligt dess egna siffror, gäller den ojämnt — hälften av tokenen på Terminal Bench, en tjugondel på en uppgift formad som ett flygbolagsbenchmark. Kör båda i skuggläge mot din egen trafik innan någon av dem blir en post i en budget. Benchmarktabellerna, hur de än pekar, byggdes av parterna som säljer modellerna.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.