Beam vs Beam 1.0: หมายเลขเวอร์ชันที่ไม่ใช่เวอร์ชัน

ลองค้นหาชื่อโมเดลสองชื่อที่ดูเหมือนเป็นผลิตภัณฑ์กับรุ่นก่อนหน้าของมัน — Beam และ Beam 1.0 — แล้วคุณจะพบกับการเปรียบเทียบที่ไม่มีอยู่จริง ไม่มี Beam 1.0 ที่เข้ามาแทนที่ Beam รุ่นก่อนหน้า ไม่มี Beam 1.1 ที่รออยู่ถัดจากนั้น และไม่มีเช็กพอยต์เก่าใดที่ผู้อ่านยังคงรันอยู่ได้ Reflection เปิดตัวโมเดลแบบ open-weight หนึ่งรุ่นในเดือนตุลาคม 2026 เรียกมันว่า Beam ในข้อความของตัวเอง และจัดเก็บที่เก็บโค้ดกับปลายทางที่โฮสต์ไว้ภายใต้ตัวระบุ Beam-1.0-501B-A23B ทั้งสองป้ายชื่อชี้ไปที่สิ่งเดียวกัน นั่นคือ sparse mixture of experts ขนาด 501.3 พันล้านพารามิเตอร์ หมายเลขเวอร์ชันเป็นแท็กการเผยแพร่ ไม่ใช่รุ่นเจเนอเรชัน

นั่นฟังดูเหมือนเชิงอรรถ แต่มันไม่ใช่ เพราะส่วนต่อท้ายเวอร์ชันคือส่วนที่แพร่กระจายต่อไป มันเข้าไปอยู่ใน model ID ในการกำหนดค่าเราเตอร์ ในแดชบอร์ดค่าใช้จ่าย และในสเปรดชีตที่ใครบางคนกำลังเปรียบเทียบตัวเลือกจากผู้ขาย แล้วแยกไม่ออกว่าแถวที่กำกับว่า Beam กับแถวที่กำกับว่า Beam 1.0 เป็นสองตัวเลือก หรือเป็นตัวเลือกเดียวที่ถูกทำซ้ำจากการนำเข้าที่ผิดพลาด การทำให้ตัวตนชัดเจนคือเนื้อหาทั้งหมดของการเปรียบเทียบ และปรากฏว่ามีประโยชน์มากกว่าสเปกชีต เพราะมันบอกคุณว่าสิ่งนั้นจะทำงานอย่างไรในแคตตาล็อก และต้องตรวจสอบอะไรก่อนที่คุณจะเอาไปต่อเชื่อมกับอะไรก็ตาม

ที่มาจริงๆ ของแต่ละป้าย

การแบ่งนี้ไม่ได้เป็นไปตามอำเภอใจ แต่ละรูปแบบมีที่มา และการรู้ว่าอันไหนคืออันไหนนั่นแหละที่จะทำให้คุณจำได้ว่าโมเดลเดียวกันปรากฏอยู่ภายใต้ชื่อสองชื่อ:

• "Beam" — ชื่อในงานเขียนของผู้ขาย โพสต์เปิดตัวมีชื่อว่า "Introducing Beam: Reflection's 501B open-weight model" โพสต์เรื่องความพร้อมใช้งานวันที่ 16 ตุลาคมมีชื่อว่า "Beam is now available" และคอลเลกชันบน Hugging Face คือ beam-10 นี่ก็เป็นสิ่งที่ระบบนิเวศของเฟรมเวิร์กนำมาใช้เช่นกัน: SGLang cookbook ระบุไว้ใต้หัวข้อผู้ขายว่า "Beam 1.0 — New" และบัญชีโปรเจกต์ที่ให้บริการในโปรดักชันกล่าวว่า "Beam"

• "Beam-1.0-501B-A23B" — ตัวระบุเครื่อง มันคือ ID โมเดลบนเอนด์พอยต์ที่เข้ากันได้กับ OpenAI ของ Reflection เอง และเข้ารหัสข้อเท็จจริงสามข้อแบบเดียวกันที่ผู้สร้างต้องการ: หนึ่งโมเดล รุ่นแรก พารามิเตอร์ทั้งหมด 501 พันล้าน พารามิเตอร์ที่ใช้งาน 23 พันล้าน เครื่องหมายยัติภังค์เป็นส่วนสำคัญ; นี่คือสตริงสำหรับวาง ไม่ใช่ชื่อสำหรับค้นหา

• "Beam 1.0" — การแสดงผลที่มนุษย์อ่านได้ของตัวระบุนั้น และเป็นรูปแบบที่ปรากฏในรายการแค็ตตาล็อก หน้าไดเรกทอรีโมเดล และบทสรุปของบุคคลที่สาม มันคือสิ่งที่คุณได้เมื่อตัวระบุถูกทำให้สวยงามสำหรับดรอปดาวน์

ดังนั้นคำค้นหาสองคำนี้จึงไม่ใช่โมเดลสองโมเดล แต่เป็นคำของผู้ขายและรูปแบบที่แคตตาล็อกแสดงสำหรับชื่อที่เก็บเดียวกัน

ผลลัพธ์ที่กัดกินจริง ๆ: การจับคู่ตามชื่อ

ทุกสิ่งปลายน้ำจากสิ่งนั้น — กฎการกำหนดเส้นทาง, รายการที่อนุญาต, การส่งออกการเรียกเก็บเงิน, ชุดทดสอบการประเมิน — จับคู่กับสตริง และสตริงนั้นไม่คงที่ในแต่ละที่ที่คุณจะนำไปวาง มีกับดักในทางปฏิบัติสามข้อตามมา และไม่มีข้อใดเป็นเพียงเรื่องสมมติ:

• กฎที่เขียนขึ้นสำหรับ "Beam" จะไม่ตรงกับ "beam-1.0-501b-a23b" และกฎที่เขียนขึ้นสำหรับตัวระบุก็จะไม่ตรงกับแค็ตตาล็อกที่เก็บชื่อที่แสดงไว้ การใช้ตัวพิมพ์ใหญ่เล็กและเครื่องหมายวรรคตอนแตกต่างกันไปตามแพลตฟอร์ม และไม่มีอะไรช่วยทำให้ทั้งคู่ตรงกันให้คุณ

• แดชบอร์ดค่าใช้จ่ายที่จัดกลุ่มตามชื่อที่แสดง จะแสดงโมเดลหนึ่งเป็นสองรายการทันทีที่ผู้ให้บริการเปลี่ยนการแสดงผล และยอดรวมจะไม่ตรงกับใบแจ้งหนี้ของคุณ

• สเปรดชีตเปรียบเทียบที่สร้างขึ้นโดยการค้นหาทั้งสองคำจะนับโมเดลซ้ำ ซึ่งเป็นข้อผิดพลาดที่บทความนี้มีขึ้นเพื่อป้องกันไว้อย่างแม่นยำ หากคุณมีแถวสำหรับ Beam และมีแถวสำหรับ Beam 1.0 คุณก็มีหนึ่งโมเดลแต่มีสองแถว

การแก้ไขนี้ไม่หวือหวา: ตรึงตัวระบุไว้ มองชื่อที่แสดงเป็นเพียงป้ายกำกับ และให้การเปรียบเทียบราคาหรือเบนช์มาร์กใด ๆ อ้างอิงจากตัวระบุ แทนที่จะอ้างอิงจากสิ่งที่ดรอปดาวน์บอกไว้ เช่นเดียวกันกับคำถามเรื่องราคา — Beam 1.0 ไม่มีอัตราต่อล้านโทเคนที่เผยแพร่เลย ทั้งบน endpoint และในประกาศ ดังนั้นจึงยังไม่มีตัวเลขที่จะใส่ในแถวใดเลยในตอนนี้

เวอร์ชันที่มีความแตกต่างอย่างแท้จริง

มีความแตกต่างหลายประการที่มีอยู่จริงในรีลีสนี้ และไม่มีข้อใดเลยที่อยู่ในชื่อรุ่น สิ่งเหล่านั้นอยู่ในอาร์ติแฟกต์ที่คุณหยิบมาใช้ และนี่คือสิ่งที่คำค้นหา "Beam vs Beam 1.0" กำลังชี้ไปจริง ๆ:

• BF16 vs FP8 vs NVFP4 — 933.81 GiB จาก 188 shard safetensors, 468.72 GiB ใน E4M3 หรือบิลด์ 4-bit แบบแพ็กที่ 273 GiB ทั้งสามแบบมีพารามิเตอร์รวม 501.3B เท่ากัน และ active 23.4B เท่ากัน สิ่งที่ต่างกันคือพื้นฮาร์ดแวร์ขั้นต่ำที่แต่ละแบบต้องใช้ ตั้งแต่ 16 GPU ลงไปจนถึง B300 สี่ตัวใน NVLink

• Base กับ drafter — DFlash2 เป็นโมเดลถอดรหัสแบบคาดการณ์ล่วงหน้าที่แยกต่างหาก มีพารามิเตอร์ 1.93 พันล้านตัว และเผยแพร่เป็นรีโพซิทอรีของตัวเอง ไม่ใช่ตัวแปรย่อยของ Beam การติดตั้งใช้งานโดยไม่มีมันไม่ใช่ "Beam 1.0 ที่ไม่มีการอัปเดต" แต่เป็นโมเดลเดียวกันที่ถูกถอดรหัสต่างออกไป

• โฮสต์เทียบกับดาวน์โหลดได้ — ตัวระบุเดียว เส้นทางการส่งมอบสองแบบ: เช็คพอยต์ภายใต้ Apache 2.0 และปลายทางที่เข้ากันได้กับ O​penAI ซึ่งบังคับให้ใช้การให้เหตุผล โดยมีระดับความพยายามตั้งแต่ต่ำถึงสูงสุด และค่าเริ่มต้นคือสูงสุด พร้อมขีดจำกัดทั่วทั้งองค์กรที่ใช้ร่วมกันในทุกคีย์

หากสองทีมไม่เห็นด้วยว่า "Beam 1.0 ตัวไหน" ที่พวกเขากำลังใช้งาน ความไม่เห็นด้วยนั้นเกือบทุกครั้งจะอยู่ที่หนึ่งในสามแกนเหล่านั้น มากกว่าที่จะเป็นเรื่องของหมายเลขเวอร์ชัน

อ่านตัวเลขของผู้ขายในวันที่ถูกต้อง

มีอีกสิ่งหนึ่งที่เปลี่ยนแปลงไประหว่างป้ายกำกับ และมันเป็นแหล่งของความสับสนจริงๆ ไม่ใช่แค่เรื่องของการตั้งชื่อ Reflection ได้เผยแพร่ตาราง benchmark ของตนมากกว่าหนึ่งครั้ง และตัวเลขก็เปลี่ยนไประหว่างเวอร์ชันต่างๆ ของหน้า ประกาศเมื่อวันที่ 5 ตุลาคมมีชุดหนึ่ง บันทึกในโพสต์เดียวกันนั้นบันทึกการอัปเดตเมื่อวันที่ 8 ตุลาคม การ์ดโมเดลในปัจจุบันสะท้อนตัวเลขปัจจุบัน ความแตกต่างมีน้อยและส่วนใหญ่อยู่ในหลักเลขนัยสำคัญที่สาม — การกำหนดค่าหนึ่งของ SWE Bench Pro v2-Hard อ่านว่า 77.2 ในตารางก่อนหน้า และ 78.6 บนการ์ดปัจจุบัน — แต่พวกมันใหญ่พอที่บทความสองชิ้นที่อ้าง "ตัวเลขของผู้ขาย" จะไม่ตรงกันได้ ในขณะที่ทั้งคู่ถูกต้องตามวันที่ของตน

สิ่งที่ยังไม่เปลี่ยนแปลงคือรูปร่างของผลลัพธ์ ตัวเลขทั้งหมดด้านล่างนี้เป็นข้อมูลที่ผู้ขายรายงานเองและเราไม่ได้ทำซ้ำ วัดที่อุณหภูมิ 0.7 และ top_p 0.99 และมีการระบุความแม่นยำทั้งสามระดับไว้ด้วย เพราะช่องว่างระหว่างกันนั้นเป็นส่วนหนึ่งของเรื่องราว:

• SWE Bench Verified — 81.6 BF16, 80.2 FP8, 80.7 NVFP4 คะแนนการเขียนโค้ดที่เป็นไฮไลต์ และเป็นตัวเลขเดียวที่ความแม่นยำแทบไม่ส่งผลกระทบ

• Terminal Bench v2.1 — 80.1 BF16, 78.9 FP8, 78.4 NVFP4 งานเทอร์มินัลแบบเอเจนต์ ซึ่งบิลด์ FP8 สูญเสียคะแนนไปประมาณหนึ่งจุดครึ่ง

• AIME 2026 — 97.7 BF16, 98.0 FP8, 97.5 NVFP4 ถือได้ว่าอิ่มตัวแล้วในทุกความแม่นยำ ซึ่งทำให้เป็นตัวแยกความแตกต่างระหว่างกันที่อ่อนแอ

• GPQA Diamond — 90.6 BF16, 90.3 FP8, 89.3 NVFP4 ตัวอย่างที่ชัดเจนที่สุดของการที่บิลด์ NVFP4 สูญเสียความได้เปรียบ ประมาณ 1.3 คะแนน

รูปแบบที่สอดคล้องกันคือ ควอนไทเซชันมีต้นทุนต่ำในเบนช์มาร์กด้านการเขียนโค้ดและการให้เหตุผล และมีต้นทุนสูงขึ้นเล็กน้อยในเบนช์มาร์กที่เน้นความรู้ โดย FP8 บางครั้งก็แซง BF16 ไปเลย — ซึ่งเป็นเหตุผลให้เลือกความแม่นยำจากเหตุผลด้านฮาร์ดแวร์มากกว่าจากเหตุผลด้านลีดเดอร์บอร์ด มันยังเป็นเหตุผลให้จดไว้ว่าคุณอ้างอิงตารางไหน แถวที่ติดป้ายว่า "Beam" กับแถวที่ติดป้ายว่า "Beam 1.0" อาจมีตัวเลขที่ต่างกันจริงโดยที่ทั้งคู่ไม่ผิด และคำต่อท้ายเวอร์ชันไม่ใช่สิ่งที่แยกความต่างระหว่างสองแถวนั้น วันที่ต่างหากที่เป็นตัวแยก

สิ่งนี้หมายความว่าอย่างไรหากคุณกำลังเลือกระหว่างตัวเลือกเหล่านั้น

ไม่มีการตัดสินใจใดๆ ที่ต้องทำระหว่าง Beam กับ Beam 1.0 เพราะมีเพียงโมเดลเดียว การตัดสินใจที่อยู่ตรงหน้าคุณจริงๆ มีสามส่วน และแต่ละส่วนมีคำตอบ:

• หากคุณต้องการเช็กพอยต์แบบเปิดบนฮาร์ดแวร์ของคุณเอง — มีตัวเลือกเดียว สามระดับความแม่นยำ และการเลือกว่าจะใช้แบบไหนเป็นเรื่องของฮาร์ดแวร์ B300 สี่ตัวสำหรับ NVFP4, H200 แปดตัวสำหรับ FP8, สิบหกอุปกรณ์สำหรับ BF16 และจำนวนอุปกรณ์ต้องหาร 256 experts ให้ลงตัว

• หากคุณต้องการเอนด์พอยต์แบบโฮสต์ — API แบบ first-party เป็นเพียงรายเดียวที่มีสัญญาซึ่งจัดทำเป็นเอกสาร และปัจจุบันยังไม่มีราคาที่เผยแพร่ออกมา ซึ่งหมายความว่าการเปรียบเทียบเพื่อการจัดซื้อในด้านต้นทุนยังไม่สามารถทำได้อย่างสมบูรณ์ในตอนนี้

• หากคุณต้องการให้มันอยู่ข้าง ๆ โมเดลที่คุณเรียกใช้อยู่แล้ว — Beam 1.0 ไม่ใช่หนึ่งในเส้นทางของเรา เราจึงไม่สามารถให้บริการมันแก่คุณได้ และไม่มีสิ่งใดในที่นี้ที่ควรถูกตีความว่าเป็นการรับประกันความพร้อมใช้งานจากเรา สิ่งที่เราทำได้คือทำให้การตัดสินใจในส่วนที่เกี่ยวข้องมีต้นทุนต่ำOrcaRouter ใช้คีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียวข้ามโมเดลกว่า 200 โมเดล โดยส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม และมีระบบสลับไปใช้ผู้ให้บริการรายอื่นอัตโนมัติเมื่อเกิดข้อขัดข้อง ดังนั้นการนำร่อง Beam 1.0 จะอยู่เคียงข้างทราฟฟิกโปรดักชันแทนที่จะแทนที่มัน และเส้นทางสำรองก็เป็นเพียงกฎการกำหนดเส้นทางแทนที่จะเป็นการย้ายระบบ

โมเดลที่การ fallback น่าจะลงเอยด้วยได้อย่างสมเหตุสมผลที่สุด โดยอิงจากแคตตาล็อกของเราเองพร้อมการ์ดราคาที่เผยแพร่ของโมเดลเหล่านั้น:

• GLM-5.2 — 1.40 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 4.40 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน พร้อมหน้าต่าง 1,000,000 โทเคน โมเดลที่ใช้เป็นเกณฑ์วัดข้ออ้างด้านประสิทธิภาพของ Reflection เอง

• Kimi K3 — ราคา 3.00 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเค็น, แคช 0.30 ดอลลาร์, เอาต์พุต 15.00 ดอลลาร์ พร้อมหน้าต่าง 1,048,576 โทเค็นโพสต์เปิดตัวของ Reflection ยอมรับว่า K3 ยังคงนำหน้าอยู่ในแง่ความสามารถดิบ

• Qwen3.8-Max — $2.00 ต่ออินพุตหนึ่งล้านโทเคน และ $6.00 ต่อเอาต์พุต ที่หน้าต่าง 1,000,000 โทเคน ทางเลือกเรือธงแบบกรรมสิทธิ์แทนการซื้อความจุ Blackwell

ดูอะไรแทน Beam 2.0

สามสิ่งที่จะทำให้การเปรียบเทียบนี้กลายเป็นการเปรียบเทียบที่แท้จริง และไม่มีสิ่งใดในนั้นเกี่ยวข้องกับหมายเลขเวอร์ชันใหม่เลย

อย่างแรกคือตารางอัตราค่าบริการ จนกว่า Reflection จะเผยแพร่ราคาต่อหนึ่งล้านโทเคนบนเอนด์พอยต์ การเปรียบเทียบระหว่างแบบโฮสต์กับแบบโฮสต์เองก็เป็นการนำตัวเลขต้นทุนมาเทียบกับความว่างเปล่า และไม่ว่าจะมีวินัยในการตั้งชื่อมากเพียงใดก็แก้ไขสิ่งนั้นไม่ได้

ส่วนที่สองคือการวัดผลโดยอิสระ Artificial Analysis จัดทำรายการโมเดลโดยมี Intelligence Index ที่ 30 ไม่มีตัวเลขความเร็วและไม่มีราคา และไม่มีการบันทึก API ที่เปิดให้ใช้งานสาธารณะ — พื้นผิวที่โฮสต์ยังไม่ปรากฏต่อองค์กรที่วัดสิ่งเหล่านี้ จุดข้อมูลประสิทธิภาพโดยอิสระเพียงจุดเดียวของมัน คือ 79 ล้านโทเคนเอาต์พุตที่สร้างขึ้นทั่วทั้ง Intelligence Index เทียบกับค่ามัธยฐานที่ 130 ล้าน สนับสนุนข้ออ้างของผู้ขายเรื่อง "โทเคนการใช้เหตุผลที่น้อยลง" โดยไม่ยืนยันอัตราการประมวลผลที่อยู่เบื้องหลัง

ข้อที่สามคือป้ายกำกับนั้นเคยแยกออกไปหรือไม่ "Beam 2.0" ที่เป็นเช็กพอยต์คนละตัวจะทำให้คำต่อท้ายเวอร์ชันมีความหมายขึ้นมาจริง ๆ เสียที และในวันที่สิ่งนั้นเกิดขึ้น คำถามแบบนี้จะเลิกเป็นเรื่องของความเรียบร้อยในการตั้งชื่อ และเริ่มเป็นเรื่องของความแตกต่างระหว่างสองโมเดล วันนี้มันเป็นคำถามประเภทแรก ใครก็ตามที่เปรียบเทียบ Beam กับ Beam 1.0 กำลังเปรียบเทียบโมเดลกับชื่อรีโพซิทอรีของมันเอง — และผลลัพธ์ที่มีประโยชน์จากการเปรียบเทียบนั้นคือข้อความโน้ตให้คุณกำหนดค่าคอนฟิกโดยใช้ Beam-1.0-501B-A23B เป็นคีย์ และเลิกค้นหาทั้งสองรูปแบบการสะกด

ไม่มีสิ่งใดในนั้นที่เป็นเพียงข้อสันนิษฐาน: ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวข้องกับเอเจนต์ซึ่งได้รับการบันทึกไว้ ที่อยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง