Beam 1.0 vs Qwen 3.8: การเปิดตัวน้ำหนักที่ส่งมอบแล้ว เมื่อเทียบกับรายการราคา

เมื่อวันที่ 5 ตุลาคม 2026 Reflection Beam 1.0ได้รับการประกาศว่าเป็นโมเดลแบบเปิดน้ำหนัก (open-weight) ที่ยังไม่เปิดเผยน้ำหนัก เมื่อวันที่ 16 ตุลาคม 2026 พวกมันก็เปิดให้ใช้งาน — สี่รีโพซิทอรีบน Hugging Face ภายใต้ Apache 2.0 ในความแม่นยำ BF16, FP8 และ NVFP4 พร้อมดราฟเตอร์สำหรับ speculative decoding ขนาด 2B Qwen 3.8กลับเป็นเรื่องราวตรงกันข้ามมาตลอดสองเดือนครึ่ง: เจเนอเรชันของ Alibaba เปิดใช้งานเมื่อวันที่ 3 สิงหาคม 2026 โดยมี Qwen3.8-Maxเป็น API ที่มีราคาอยู่ที่ $2.00 ต่อล้านโทเคนอินพุต และ $6.00 ต่อล้านโทเคนเอาต์พุต โดยมีโมเดลพี่น้องแบบ open-weight ตามมาภายใต้สัญญาอนุญาตแบบกำหนดเอง และโมเดลแบบ dense ขนาด 27 พันล้านพารามิเตอร์ภายใต้ Apache 2.0 ทั้งสองโมเดลอ้างว่ามีคอนเท็กซ์หนึ่งล้านโทเคน ทั้งคู่ใช้เหตุผล ทั้งคู่เรียกใช้เครื่องมือ ทั้งคู่เป็นข้อความล้วนที่อินเทอร์เฟซ ความแตกต่างที่ควรค่าแก่การทำความเข้าใจคืออันไหนที่คุณจัดงบประมาณได้ และอันไหนที่คุณถือครองได้ เพราะหลังจากวันที่ 16 ตุลาคม โมเดลแต่ละตัวมีคุณสมบัติอย่างใดอย่างหนึ่งในสองอย่างนี้เท่านั้น ไม่มีอีกอย่าง

ตัวเลขทั้งสองข้างต้นเป็นของผู้ขาย และตอนนี้โมเดลทั้งสองก็ได้รับการวัดโดย Artificial Analysis แล้ว — ซึ่งเป็นเรื่องที่พบได้ยากพอในสาขานี้จนเป็นเหตุผลที่ทำให้การเปรียบเทียบนี้เขียนขึ้นได้เลย

สถานการณ์ปัจจุบัน แยกตามโมเดล

• พารามิเตอร์ — Beam 1.0 เป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์รวม 501.3B โดยมีพารามิเตอร์ที่ใช้งาน 23.4B ต่อโทเคน ครอบคลุม 52 เลเยอร์ เป็นแบบ dense 3 เลเยอร์และ MoE 49 เลเยอร์ พร้อมผู้เชี่ยวชาญ 256 รายในการกำหนดค่าตามที่การ์ดอธิบายไว้ จำนวนพารามิเตอร์ของ Qwen3.8-Max ไม่เคยถูกเปิดเผยโดย A​libaba; รุ่นพี่น้องแบบเปิดของแกนกลางของมันคือ Qwen3.8-2.4T-A95B ซึ่งเป็น MoE ขนาด 2.4 ล้านล้านพารามิเตอร์ที่มีพารามิเตอร์ใช้งานประมาณ 95 พันล้าน ซึ่งใกล้เคียงขนาดของเรือธงที่สุดเท่าที่คนนอกบริษัทจะทำได้

หน้าต่างบริบท — 1,000,000 โทเคนบนการ์ดโมเดลของ Beam 1.0, 1,000,000 โทเคนบนรายการของ OrcaRouter สำหรับ qwen/qwen3.8-max และ 984,000 บนหน้าของ Artificial Analysis สำหรับโมเดลเดียวกัน ทั้งสองเป็นตัวเลขเดียวกันที่ปัดเศษต่างกัน จึงไม่ใช่จุดที่ทำให้โมเดลแตกต่างกัน

• Modality — Beam 1.0 รับข้อความเข้า ส่งข้อความออก ตามที่ระบุไว้อย่างตรงไปตรงมาบนการ์ดของมัน Qwen3.8-Max รับข้อความและรูปภาพแล้วส่งคืนเป็นข้อความ ซึ่งเป็นความแตกต่างด้านขีดความสามารถที่แท้จริง ไม่ใช่ความแตกต่างด้านการจัดรูปแบบ

• สัญญาอนุญาต — Beam 1.0 ใช้ Apache 2.0 โดยไม่มีเพดานจำนวนผู้ใช้และไม่มีระดับเชิงพาณิชย์แยกต่างหาก เจนเนอเรชัน Qwen 3.8 มีสัญญาอนุญาตแบบผสม: checkpoint หลักของ 2.4T Max สามารถดาวน์โหลดได้ภายใต้สัญญาอนุญาตแบบกำหนดเอง ส่วนรุ่น dense 27B อยู่ภายใต้ Apache 2.0 และ Max เรือธงเองก็ไม่มี weights ใด ๆ เลย

• ราคา — ไม่มีการเผยแพร่สำหรับ Beam 1.0 ที่ใดบนช่องทางของ Reflection เอง และถูกบันทึกว่าไม่พร้อมใช้งานบนหน้าของ Artificial Analysis สำหรับโมเดลนี้ $2.00 และ $6.00 ต่อล้านโทเคนสำหรับ Qwen3.8-Max ซึ่งเผยแพร่โดย Alibaba และระบุในเส้นทางของเราเองด้วยตัวเลขเดียวกัน

• คะแนนอิสระ — Artificial Analysis Intelligence Index v4.3.2 จัดให้ Beam 1.0 อยู่ที่ 30 จัดอันดับที่ 19 จาก 120 ในคลาสการเปรียบเทียบของตน ดัชนีเดียวกันนี้ให้ Qwen3.8-Max (0902) อยู่ที่ 45 จัดอันดับที่ 33 จาก 217 และ AA ได้ประเมินสาย Max มากกว่าหนึ่งบิลด์ โดยตัวเลขขยับไปมาระหว่างบิลด์เหล่านั้น

• ความเร็ว — ไม่มีข้อมูลสำหรับ Beam 1.0 เนื่องจากหน้านี้บันทึกความเร็วเอาต์พุตไว้เป็นไม่ทราบค่า เพราะไม่มีปลายทางสาธารณะให้วัดได้ 38.8 โทเคนเอาต์พุตต่อวินาทีสำหรับ Qwen3.8-Max ซึ่ง AA ระบุว่าช้าอย่างเห็นได้ชัดเมื่อเทียบกับรุ่นในระดับเดียวกัน

สิ่งที่เปลี่ยนแปลงไปจริง ๆ ในช่วงสิบหกวันระหว่างการประกาศและการวางจำหน่าย

ช่องว่างนี้ควรค่าแก่การอธิบายอย่างแม่นยำ เพราะมันเป็นประเภทของสิ่งที่จะถูกทำให้แบนราบเมื่อเวตถูกเปิดออกมาแล้ว

โพสต์เปิดตัวของ Reflection ระบุว่าเวต รายงานทางเทคนิค การ์ดโมเดล และอาร์ติแฟกต์สำหรับนักพัฒนา จะตามมา “ภายในปลายเดือนนี้” และสัญญาว่าจะเป็น Apache 2.0 ระหว่างวันที่ 5 ตุลาคมถึง 16 ตุลาคม สิ่งเดียวที่ผู้อ่านทำได้กับ Beam 1.0 คือเข้าร่วมรายการรอ โมเดลนี้มีตารางเปรียบเทียบประสิทธิภาพ มีบันทึกการฝึกที่เผยแพร่ — 23.8 ล้านล้านโทเคนบน GB300 NVL72 GPUs จำนวน 6,144 ตัวภายในเวลาไม่ถึงสี่สัปดาห์ ขั้นตอน RL บน GB300s จำนวน 10,500 ตัว การ rollout มากกว่า 100 ล้านครั้ง — และไม่มีการดาวน์โหลด

จากนั้นในวันที่ 16 ตุลาคม ตัวแปรแบบควอนไทซ์สามแบบและดราฟเตอร์หนึ่งตัวก็ปรากฏในคอลเลกชันของ Hugging Face และการ์ดโมเดลก็มาพร้อมตารางการประเมินฉบับเต็มครอบคลุมทั้งสามระดับความแม่นยำ สำหรับผู้อ่านที่กำลังตัดสินใจว่าจะรันอะไร ผลลัพธ์สำคัญไม่ใช่ตัวเลข benchmark ซึ่งยังคงเป็นของ Reflection เองและยังไม่มีการทำซ้ำ สิ่งสำคัญคือโมเดลได้ย้ายจากหมวดหมู่ "ประกาศแล้ว" ไปสู่หมวดหมู่ "ของคุณที่จะตรวจสอบ ควอนไทซ์ ไฟน์จูน และให้บริการ" ใบอนุญาตที่คุณลงมือทำได้จริงเป็นสินทรัพย์ที่แตกต่างจากใบอนุญาตที่คุณได้รับสัญญาไว้

Qwen 3.8 ใช้เส้นทางตรงกันข้ามไปยังจุดเดียวกัน Alibaba เปิดตัวเจเนอเรชันด้วยเรือธงที่กำหนดราคาและพร้อมให้บริการเมื่อวันที่ 3 สิงหาคม 2026 และปล่อยเวทเป็นระยะหลังจากนั้น — แกนหลัก 2.4T เมื่อวันที่ 12 สิงหาคม, รุ่น dense 27B เมื่อวันที่ 14 สิงหาคม, พรีวิว Flash-Next ในช่วงปลายเดือนนั้น ไม่มีใครต้องรอคำสัญญา เพราะสิ่งที่คุณซื้อได้มาก่อน และสิ่งที่คุณดาวน์โหลดได้มาทีหลัง

สถานการณ์ด้านราคาทั้งสองไม่สมมาตรกัน

Qwen3.8-Max เป็นหนึ่งในเส้นทางของเรา ให้บริการในราคา $2.00 ต่ออินพุตหนึ่งล้านโทเค็น และ $6.00 ต่อเอาต์พุตหนึ่งล้านโทเค็น พร้อมหน้าต่างบริบทหนึ่งล้านโทเค็น ในราคาตามที่ผู้ให้บริการประกาศไว้ ซึ่งส่งต่อโดยไม่บวกเพิ่ม — ดังนั้นหาก A​libaba ปรับอัตราดังกล่าว บิลของคุณก็จะเปลี่ยนในวันเดียวกัน ไม่ใช่รอไปจนถึงการต่อสัญญาครั้งถัดไป นั่นคือความหมายของคำว่า "โมเดลมีราคา" ในทางปฏิบัติ และเป็นเหตุผลที่บทความนี้สามารถยกตัวเลขที่คำนวณไว้แล้วมาให้ผู้อ่านดูได้สำหรับฝั่งหนึ่งของการเปรียบเทียบ แต่ยกให้อีกฝั่งไม่ได้

Beam 1.0 ไม่มีตัวเลขดังกล่าว สิบสองวันหลังจากประกาศ มันเป็นพรีวิวที่ต้องรอคิวโดยมีกำแพงการสมัคร; วันที่ 16 ตุลาคม มันกลายเป็นดาวน์โหลด ทั้งสองสถานะไม่มีราคาที่ผูกติดอยู่ ตัวเลขดอลลาร์ใดๆ ที่คุณเห็นอ้างอิงสำหรับ Beam 1.0 เป็นการประมาณการฮาร์ดแวร์ของใครบางคน และการ์ดไม่ได้ให้คำแนะนำในการให้บริการ ไม่มีพื้นฮาร์ดแวร์ และไม่มีตัวเลขปริมาณงานที่จะประมาณการได้ แถวราคาเป็นช่องว่างที่ใหญ่ที่สุดในเอกสารของโมเดล และเป็นช่องว่างที่จำนวนพารามิเตอร์ 501B ทำให้การเติมเต็มมีค่าใช้จ่ายสูง

มีเวอร์ชันหนึ่งของการเปรียบเทียบนี้ที่ขนาดช่วยโต้แย้งเรื่องต้นทุนให้คุณเอง — พารามิเตอร์ที่ใช้งานจริง 23.4B เทียบกับ 95B ที่เป็นข่าวลือคืออัตราส่วนสี่ต่อหนึ่งในการประมวลผลต่อโทเคน และถ้าโมเดลที่เล็กกว่าถูกตั้งราคาไว้ มันก็อาจเป็นตัวที่ถูกกว่าในการรันก็ได้ ข้อโต้แย้งนั้นใช้ไม่ได้ในที่นี้ เพราะฝั่งหนึ่งของมันไม่มีเรตให้เทียบ สิ่งที่พูดได้คือ โมเดลที่มีราคาเผยแพร่และโมเดลที่มีสัญญาอนุญาตเผยแพร่ ต่างก็พร้อมใช้งานในความหมายที่ต่างกัน และผู้ซื้อจำเป็นต้องมีทั้งสองแถวเพื่อเลือก

ขีดความสามารถ พร้อมด้วยแหล่งที่มา

การ์ดข้อมูลของ Beam 1.0 รายงานว่า SWE-bench Verified อยู่ที่ 81.6% บนเช็กพอยต์ BF16, Terminal Bench v2.1 อยู่ที่ 80.1, SWE Bench Pro v1 อยู่ที่ 66.1, DeepSWE v1.1 อยู่ที่ 43.3, GPQA Diamond อยู่ที่ 90.6, AIME 2026 อยู่ที่ 97.7, LiveCodeBench อยู่ที่ 88.3, MCP Atlas อยู่ที่ 80.8, LongBench v2 อยู่ที่ 67.5 และ IFBench อยู่ที่ 79.6 โดยตัวเลขของ FP8 และ NVFP4 โดยทั่วไปต่ำกว่าประมาณหนึ่งหรือสองจุด การวางตำแหน่งของ Reflection เองนั้นระมัดระวัง: โดยอธิบายว่า Beam สามารถแข่งขันกับโมเดลเปิดขนาดใหญ่กว่าได้ และเข้าใกล้ Qwen 3.8-Max โดยเทียบเท่า GLM-5.2 ในด้านการให้เหตุผล ขณะที่ใช้พลังประมวลผลสำหรับอินเฟอเรนซ์น้อยลงสามถึงสี่เท่า และยอมรับว่า Kimi K3 ยังคงนำในด้านความสามารถดิบ ทั้งหมดนี้เป็นข้อมูลที่ผู้ขายรายงานเอง และยังไม่มีส่วนใดที่ถูกทำซ้ำโดยบุคคลที่สาม

ตัวเลขของ Qwen3.8-Max มาจากสองทิศทาง Alibaba รายงานตัวเลขของตนเอง รวมถึง 86.6% บน Terminal Bench 2.1 และตารางราคาสำหรับองค์กรที่มาพร้อมกับการเปิดตัวเรือธง คะแนนคอมโพสิตอิสระของ Artificial Analysis เป็นแถวข้อมูลที่ полезกว่า: 45 บน Intelligence Index v4.3.2 ซึ่งทำให้โมเดลอยู่ในตำแหน่งสูงกว่าค่ามัธยฐานของกลุ่มเทียบเคียงที่มี 27 รายการอย่างชัดเจน แต่ต่ำกว่าระดับแนวหน้า และความเร็วเอาต์พุตที่วัดได้ 38.8 โทเคนต่อวินาที ซึ่ง AA อธิบายว่าช้าแม้เทียบกับค่ามัธยฐานของระดับที่ใกล้ 88 เรือธงที่นำหน้า Beam 1.0 อยู่ 15 จุดบนดัชนีอิสระเดียวกัน และมีค่าใช้จ่าย 2.00 ดอลลาร์ในการสนทนาด้วย เป็นข้อเสนอที่แตกต่างจากรุ่นที่นำหน้าบนตารางของผู้ขายเอง

ตัวเลขเดียวที่จะยุติข้อถกเถียงเรื่องประสิทธิภาพได้ — จำนวนโทเคนต่อพลังงานหนึ่งหน่วย หรือต่อการประมวลผลหนึ่งดอลลาร์ ซึ่งวัดบนฮาร์ดแวร์เดียวกัน — ไม่มีอยู่สำหรับทั้งสองโมเดล แผนภูมิประกอบของ Reflection ประมาณค่า FLOPs ว่าเท่ากับประมาณสองเท่าของจำนวนพารามิเตอร์ที่ใช้งานอยู่คูณกับโทเคนที่สร้างขึ้น และระบุไว้ในคำบรรยายของแผนภูมิเองว่าสิ่งนี้ไม่รวม prefill, attention และภาระการให้บริการ นั่นคือการเปิดเผยข้อจำกัดอย่างตรงไปตรงมา และมันก็ยังไม่ใช่การวัดอยู่ดี

แต่ละอันใช้ทำอะไร

เลือกใช้ Qwen3.8-Maxเมื่อคุณต้องการสิ่งที่เรียกใช้ได้และตรวจสอบยืนยันได้ มีอัตราค่าใช้จ่าย ตัวเลขบริบท และคะแนนจากผู้ประเมินอิสระ มันอ่านภาพได้เช่นเดียวกับข้อความ และตอบกลับด้วยคีย์ที่คุณถือครองได้ตั้งแต่วันนี้ ค่าใช้จ่ายนั้นตรงไปตรงมา: มันแพง โดยอยู่ที่ $2.00 และ $6.00 ต่อล้านโทเคน และการวัดจากผู้ประเมินอิสระระบุว่ามันช้าสำหรับระดับเดียวกัน งานที่มีปริมาณสูงจึงจะรู้สึกถึงทั้งสองเรื่องนี้ น้ำหนักแบบเปิดในรุ่นนี้มีอยู่จริง แต่เช็กพอยต์ที่รองรับชื่อเรือธงอยู่ภายใต้สัญญาอนุญาตแบบกำหนดเองและมีขนาดระดับศูนย์ข้อมูล ดังนั้นการโฮสต์ด้วยตัวเองในสิ่งที่คุณกำลังซื้ออยู่นั้นไม่ใช่ทางออกที่ฟังดูง่ายอย่างนั้น

เลือกใช้ Beam 1.0เมื่อคุณต้องการเป็นเจ้าของสแต็กทั้งหมด Apache 2.0 พร้อมระดับการควอนไทซ์สามระดับ คอนเท็กซ์ 1M โทเคน งบประมาณการให้เหตุผลแบบเปิดตลอดที่คุณปรับตั้งได้แทนที่จะเปิดปิด และตารางการประเมินที่ชี้ไปที่งานเขียนโค้ดและงานแบบเอเจนต์ ราคาของการเป็นเจ้าของนั้นคือทุกสิ่งรอบตัวมัน ทั้งค่าบริการเสิร์ฟที่คุณต้องประมาณเอง จำนวนพารามิเตอร์ที่ทำให้การประมาณนั้นสูง และไม่มีคะแนนอิสระใดให้เทียบกับตารางของผู้ขาย — ตัวเลข Intelligence Index ที่ 30 นั้นเป็นของจริงและมาจากบุคคลที่สาม แต่มันเป็นเพียงค่าผสมค่าเดียว ไม่ใช่การตรวจสอบแยกตามแต่ละเบนช์มาร์ก

และสำหรับกรณีแบบผสม — ทีมที่ในที่สุดต้องการโมเดลแบบเปิดน้ำหนัก แต่ต้องมีเอนด์พอยต์ภายในไตรมาสนี้ — คำตอบทั่วไปคือทั้งสองอย่าง: ส่งงานผ่านโมเดลที่ให้บริการในอัตราที่ประกาศไว้ ระหว่างที่การติดตั้งใช้งานแบบโฮสต์เองถูกสร้างและวัดประสิทธิภาพบนงานของคุณเอง OrcaRouter รันโมเดลมากกว่า 200 โมเดลภายใต้คีย์เดียวที่เข้ากันได้กับ OpenAI พร้อมการสลับสำรองอัตโนมัติระหว่างผู้ให้บริการ ดังนั้นบิลด์แบบโฮสต์เองสามารถรับทราฟฟิกเพียงเศษเสี้ยว และคืนส่วนที่เหลือกลับเมื่อประสิทธิภาพลดลง และไม่จำเป็นต้องมีสัญญาฉบับที่สองเพื่อลองโมเดลที่คุณยังไม่ได้ผูกมัด

สิ่งที่ควรดูต่อไป

สิ่งหนึ่งที่เปลี่ยนหน้านี้ได้ และมันคือแถวเดียว หาก Reflection หรือพาร์ตเนอร์ผู้ให้บริการเผยแพร่ราคาของ Beam 1.0 — สำหรับ API หรือสำหรับการดีพลอย FP8 หรือ NVFP4 แบบโฮสต์ — การเปรียบเทียบก็จะกลายเป็นแค่เลขคณิต: พารามิเตอร์ที่ใช้งานจริง 23.4B เทียบกับ 95B ที่เป็นข่าวลือ คะแนนดัชนีอิสระสองชุด และราคาสองราคา นั่นคือหน้าที่ควรค่าแก่การอ่าน จนกว่าจะถึงตอนนั้น สรุปที่ตรงตามความจริงก็คือ Reflection ส่งมอบครึ่งหนึ่งที่มันสัญญาไว้ A​libaba ส่งมอบครึ่งหนึ่งที่มันตั้งราคาไว้ และทั้งสองโมเดลกำลังรออีกครึ่งหนึ่งที่เหลืออยู่

ช่องว่างระหว่างสิ่งที่สกอร์บอร์ดวัดค่าได้กับสิ่งที่การนำไปใช้งานจริงต้องเผชิญ คือเหตุผลที่บันทึกนี้มีความสำคัญคลังเหตุการณ์ AI ของ OrcaRouter ซึ่งเป็นที่รวบรวมความล้มเหลวของ AI และเหตุการณ์ที่เกิดกับเอเจนต์ของโมเดลในระดับนี้ที่ได้รับการบันทึกไว้ โดยแต่ละรายการมีแหล่งอ้างอิงของตัวเอง มีระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งกำกับไว้