Beam 1.0: Reflection เปิดโอเพนซอร์สเวต และ Artificial Analysis ให้คะแนน 30

มีสองสิ่งที่เกิดขึ้นกับ Beam 1.0 ของ Reflection ในสัปดาห์นี้ และทั้งสองชี้ไปในทิศทางที่ตรงกันข้าม โมเดลนี้ — Beam 1.0-501B-A23B ซึ่งเป็นระบบ sparse mixture-of-experts ที่มีพารามิเตอร์รวม 501 พันล้านตัว และมีพารามิเตอร์ที่ใช้งาน 23 พันล้านตัวต่อโทเคน — ไม่ใช่เพียงคำสัญญาอีกต่อไป: น้ำหนักโมเดลอยู่บน Hugging Face ภายใต้ Apache 2.0 บิลด์ NVFP4 ขนาด 273 GiB สามารถดาวน์โหลดได้แล้ว และมี API จากผู้พัฒนาเองพร้อมสัญญาที่มีเอกสารประกอบและหน้า rate-limit จริง ในขณะเดียวกัน ตัวเลขอิสระตัวแรกที่ใครก็ตามเผยแพร่สำหรับโมเดลนี้คือ 30 บน Artificial Analysis Intelligence Index — เป็นอันดับที่ 19 จาก 120 โมเดลที่ประเมินบนดัชนีเวอร์ชัน v4.3.2 และสูงกว่าค่ามัธยฐานที่ 19 ซึ่ง Artificial Analysis บันทึกไว้สำหรับโมเดล open-weight ขนาดใกล้เคียงที่เทียบเคียงได้ โดยปกติ ผู้จำหน่ายที่เปิดตัวแล้วมักได้เลือกว่าข้อเท็จจริงสองข้อนั้นข้อใดจะนำ ในกรณีนี้ ทั้งสองข้อเป็นจริงพร้อมกัน และการตีความที่ตรงไปตรงมาคือ Beam 1.0 มาถึงในราคาที่ถูกกว่าที่คาดไว้ แต่ได้คะแนนต่ำกว่าที่โพสต์เปิดตัวของตัวเองสื่อไว้

นี่คือภาคต่อจากรายงานของเราก่อนหน้านี้ และการวางกรอบก็เป็นไปโดยเจตนา: Beam 1.0 ไม่ใช่ของใหม่ Reflection ประกาศเปิดตัวเมื่อวันที่ 5 ตุลาคม 2026 และอัปเดตตาราง benchmark เมื่อวันที่ 8 ตุลาคม สิ่งที่เปลี่ยนไปในเจ็ดวันที่ผ่านมาคือทุกสิ่งที่ผู้ซื้อต้องการจริง ๆ — weights, การโฮสต์, API, ขีดจำกัด และการวัดผลจากภายนอก หากคุณอ่านรายงานการเปิดตัวแล้วตัดสินใจรอ เหตุผลที่ต้องรอก็หมดไปแล้ว

สิ่งที่เปิดตัวจริงในสัปดาห์นี้

โพสต์ "Beam พร้อมใช้งานแล้ว" ของ Reflection ลงวันที่ 16 ตุลาคม 2026 และมันปิดช่องว่างที่ทำให้โพสต์เปิดตัวดูลังเลไม่กล้าฟันธง เมื่อวันที่ 5 ตุลาคม เวตเหล่านั้นเป็นสิ่งที่ Reflection บอกว่า "จะปล่อย" ณ สัปดาห์นี้ พวกมันมีอยู่แล้ว ในสามระดับความแม่นยำ พร้อมกับดราฟเตอร์สำหรับ speculative decoding:

• BF16 — พารามิเตอร์ 501.3B กระจายอยู่ใน 188 safetensors shard อัปโหลดไปยังreflection/Beam-1.0-501B-A23B รีโพซิทอรี เมื่อวันที่ 7 ตุลาคม และได้รับการแก้ไขปรับปรุงตั้งแต่นั้นเป็นต้นมา

• FP8 — จำนวนพารามิเตอร์ 501.3B เท่าเดิมในรูปแบบ E4M3 ใช้พื้นที่บนดิสก์ 468.72 GiB

• NVFP4 — บิลด์แบบแพ็ก 4 บิต ขนาด 273 GiB ซึ่งเป็นตัวที่คู่มือการให้บริการของ Reflection เองบอกให้คุณดาวน์โหลด

• DFlash2 — ดราฟเตอร์สำหรับ speculative decoding ขนาด 1.93B พารามิเตอร์ อัปโหลดเมื่อวันที่ 13 ตุลาคม เผยแพร่เป็นรีโปแยกต่างหาก และมีเอกสารประกอบว่าเป็น serving optimisation ของตัวเอง

ทั้งสี่มาพร้อมแท็ก apache-2.0 และไฟล์สัญญาอนุญาตอยู่ในรีพอซิทอรี แทนที่จะอยู่ในประโยคบนบล็อก ซึ่งเป็นความแตกต่างระหว่างสัญญาอนุญาตกับคำสัญญา Reflection ยังระบุว่าไม่จำกัดการกลั่นแบบจำลอง การปรับละเอียด การควอนไทเซชัน หรือการรวมโมเดล

เรื่องราวการเสิร์ฟก็เป็นรูปธรรมไม่แพ้กัน มีการรองรับตั้งแต่วันแรกใน Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed และ NVIDIA Dynamo และเอกสารของ Reflection มีคู่มือทีละขั้นตอนสำหรับ SGLang, vLLM, TokenSpeed รวมถึง Helm chart สำหรับ Kubernetes ข้อกำหนดอ้างอิงสำหรับการโฮสต์เองคือ GPU NVIDIA B300 SXM จำนวนสี่ตัวบน NVLink — เป็นเครื่องเดียว ไม่ใช่คลัสเตอร์ ซึ่งเป็นเกณฑ์ที่ต่ำกว่าที่โมเดล 500B ปกติจะบ่งบอกไว้มาก และเป็นผลโดยตรงจากอัตราส่วนการเปิดใช้งาน 23B

นอกจากนี้ยังมีเครื่องมือสำหรับตรวจสอบอีกด้วย beam-verifier ซึ่งเป็น CLI โอเพนซอร์ส จะรันชุดทดสอบความสอดคล้องกับปลายทาง Beam ที่ทำงานอยู่จริงใดก็ได้ แล้วประเมินผลบนเบนช์มาร์กหลัก ๆ เพื่อให้คุณนำการติดตั้งใช้งานของคุณ หรือของผู้ให้บริการรายใดรายหนึ่ง ไปเทียบกับคะแนนอ้างอิงของ Reflection ได้ อะไรก็ตามที่ช่วยให้ผู้ซื้อตรวจสอบตัวเลขของผู้ขายได้เองแทนที่จะต้องเชื่อใจกันไปนั้น ถือว่าน่ารู้ไว้ทั้งนั้น

คะแนนจากภายนอกครั้งแรก และมันไม่ใช่หมายเลขโพสต์เปิดตัว

Artificial Analysis จัดอันดับ Beam 1.0 ด้วยค่า Intelligence Index ที่ 30 อยู่ในอันดับ #19 จาก 120 รายการ รายการเดียวกันยังแสดงว่าโมเดลใช้โทเคนเอาต์พุต 79M ตลอดทั้ง Index — “#10 / 46” เทียบกับค่ามัธยฐานที่ 130M — ซึ่งเป็นการอ้างเรื่องประสิทธิภาพโทเคนที่ปรากฏในชุดทดสอบอิสระเป็นครั้งแรก Artificial Analysis ยังไม่แสดงราคาและความเร็วสำหรับ Beam เนื่องจาก ณ ขณะที่เขียนนี้ ระบบยังบันทึกว่า “ไม่มี API ที่เปิดให้ใช้งานสาธารณะ” สำหรับโมเดลนี้ โดยชี้ไปที่การโฮสต์เองเท่านั้น ช่องว่างนี้เองก็เป็นข้อมูลอย่างหนึ่ง: API มีอยู่จริง แต่ยังไม่อยู่ในรูปแบบที่บริษัทด้านการวัดผลจะนำไปใช้ได้

อ่านค่า 30 นั้นให้ดี มันไม่ใช่คำตัดสินเกี่ยวกับตารางเบนช์มาร์กของผู้ขาย — ทั้งสองอย่างกำลังวัดคนละสิ่งบนฮาร์เนสคนละชุด การ์ดโมเดลของ Reflection ซึ่งเผยแพร่พร้อมกับเวต รายงานว่า 81.6% บน SWEBench Verified, 80.1% บน Terminal Bench v2.1 และ 90.6% บน GPQA Diamond สำหรับเช็กพอยต์ BF16 และโพสต์เปิดตัวก็ระบุชัดเจนว่าโมเดลระดับแนวหน้าอย่าง Kimi K3 ยังคงนำอยู่ในด้านความสามารถดิบ โดยข้อโต้แย้งของ Beam คือ "ประสิทธิภาพ ณ เวลาอินเฟอเรนซ์" มากกว่าการทัดเทียมกันที่ระดับบนสุด ตัวเลขเหล่านั้นยังคงเป็นตัวเลขที่ผู้ขายรายงาน และเท่าที่เราหาได้ ยังไม่มีใครทำซ้ำได้เลย แต่การเปิดตัวเอนด์พอยต์สาธารณะพร้อมกับ verifier CLI ต่างหากที่ทำให้การทำซ้ำเป็นไปได้ และค่า 30 ในดัชนี 120 โมเดลก็เป็นตัวเลขแรกในเรื่องราวนี้ที่ไม่ได้ออกมาจาก Reflection

ราคา ขีดจำกัด และความหมายของสิ่งเหล่านี้ในแต่ละงาน

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:

• หน้าต่างบริบท — 1,048,576 โทเค็น โดยมีเอาต์พุตสูงสุด 131,072 โทเค็น และค่าเริ่มต้นของ max_tokens คือ 32,768

• การให้เหตุผล — เป็นสิ่งบังคับ ไม่ใช่ตัวเลือก ระดับที่รองรับ ได้แก่ low, medium, high, xhigh และ max โดยค่าเริ่มต้นคือ max โทเคนการให้เหตุผลจะนับรวมในขีดจำกัดอัตราการใช้งานของคุณ

• ความสามารถ — การให้เหตุผล การเรียกใช้เครื่องมือ และเอาต์พุตแบบมีโครงสร้าง ข้อความเข้าและข้อความออก

• ขีดจำกัดอัตรา — วัดต่อองค์กรเป็นจำนวนคำขอและโทเคนต่อนาทีและต่อวัน UTC โดยมีเพดานคำขอที่ทำงานพร้อมกันและวงเงินโทเคนรายวันแบบเลือกได้ เมื่อเกินขีดจำกัดจะตอบกลับ 429 พร้อมกับ rate_limit_exceeded หรือ daily_allowance_exhausted และเมื่อวงเงินรายวันถูกใช้จนหมด การตอบกลับจะกำหนดค่า x-should-retry: false ดังนั้นลูปการลองใหม่แบบง่าย ๆ ก็จะวนซ้ำไปเรื่อย ๆ

สิ่งที่เอกสารไม่ได้ระบุไว้คือราคาต่อล้านโทเคนที่เปิดเผยต่อสาธารณะ ประกาศของ Reflection บอกเพียงว่า "เริ่มต้นใช้งานได้ฟรี" และทั้งเอกสารและประกาศก็ไม่ได้เผยแพร่ตารางอัตราค่าบริการ นั่นคือบรรทัดสุดท้ายที่ยังขาดหายไปจากภาพ และเป็นบรรทัดที่ตัดสินว่าข้อโต้แย้งเรื่องประสิทธิภาพจะมีความหมายอะไรบนบิลจริงหรือไม่ โมเดลที่ใช้การให้เหตุผลกับทุกคำขอ ตั้งค่าเริ่มต้นไว้ที่ความพยายามสูงสุด และอ้างว่าใช้พลังประมวลผลสำหรับการอนุมานต่ำกว่า GLM 5.2 ราว 3–4 เท่าในการให้เหตุผลขั้นสูง ย่อมเป็นข้อเสนอที่แตกต่างกันคนละเรื่องระหว่างราคา $0.50 ต่อล้านโทเคนเอาต์พุตกับราคา $5.00 — และตอนนี้ไม่มีใครนอก Reflection ที่บอกได้ว่ามันเป็นแบบไหน

ข้อควรระวังในทางปฏิบัติสองประการจากเอกสารที่ควรนำไปใช้ในการทดลองนำร่อง ประการแรก ระดับความพยายามเริ่มต้นคือ max ดังนั้นการตั้งค่าเริ่มต้นจึงเป็นแบบที่มีค่าใช้จ่ายสูงที่สุด การผสานรวมที่คำนึงถึงต้นทุนควรกำหนด reasoning_effortอย่างชัดเจนตั้งแต่การเรียกครั้งแรก ประการที่สอง ขีดจำกัดเป็นแบบรายองค์กรและใช้ร่วมกันข้ามโปรเจกต์และคีย์ — การเพิ่มคีย์ไม่ได้ทำให้ขีดจำกัดสูงขึ้น ซึ่งเป็นรายละเอียดแบบที่จะกัดกินก็ต่อเมื่อคุณสร้างการผสานรวมชุดที่สองไปแล้ว

อยู่ตรงไหนเมื่อเทียบกับรุ่นที่คุณจะเปรียบเทียบจริง ๆ

การเปรียบเทียบที่น่าสนใจไม่ใช่กับเรือธงระดับแนวหน้า ซึ่ง Reflection ยอมรับในประเด็นนั้น แต่เป็นการเปรียบเทียบกับโมเดลแบบเปิดน้ำหนักที่ Beam ถูกกำหนดราคาและขนาดให้เทียบด้วย ในแคตตาล็อกของเราเองวันนี้:

• GLM 5.2 — บริบท 1M, 1.40 ดอลลาร์ต่อ 1 ล้านโทเคนอินพุต และ 4.40 ดอลลาร์ต่อ 1 ล้านโทเคนเอาต์พุต, พร้อมให้บริการเต็มรูปแบบแล้ว

• Kimi K3 — บริบท 1,048,576 โทเคน, $3.00/$15.00 และตารางของโมเดล Reflection เองก็จัดให้อยู่นำบน Terminal Bench

• Qwen 3.8-Max — บริบท 1M, $2.00/$6.00 ซึ่ง Beam อ้างว่ามีความได้เปรียบด้านประสิทธิภาพมากกว่าเมื่อเทียบกับคลาส 2T-plus

จุดขายของ Beam คือ它能ทำได้ใกล้เคียง GLM 5.2 ในการให้เหตุผลขั้นสูง ด้วยพลังประมวลผลสำหรับการอนุมานเพียงเศษเสี้ยว หากสิ่งนี้ยังคงเป็นจริงภายใต้ชุดทดสอบอิสระ มันก็มีมูลค่าเป็นเงินจริงเมื่อมีปริมาณคำขอสูง ตัวเลขความเยิ่นเย้อที่ 79M-token เป็นหลักฐานชิ้นแรกว่าข้ออ้างนี้อาจเป็นจริง ราคาที่ยังขาดหายไปคือเหตุผลว่าทำไมคุณจึงยังคำนวณให้เสร็จไม่ได้ในตอนนี้

นี่ก็เป็นอีกสถานการณ์หนึ่งที่การจัดเส้นทางช่วยลดความเสี่ยงจากการเลือกผิดได้เกือบทั้งหมด ณ เวลาที่เขียนนี้ Beam ยังไม่มีอยู่ในแค็ตตาล็อกของเรา เราจึงยังให้บริการมันกับคุณไม่ได้ — แต่โมเดลทั้งหมดข้างต้นมีให้ใช้ ผ่านคีย์เดียวที่เข้ากันได้กับ OpenAI โดยราคาตามรายการของผู้ให้บริการถูกส่งผ่านมาโดยตรงและไม่มีการบวกกำไรเพิ่ม ดังนั้นหากผู้ขายลดราคา ค่าใช้จ่ายของคุณก็จะปรับลงตามในวันเดียวกัน ไม่ต้องรอถึงสัญญาฉบับถัดไป สิ่งที่ควรทำในทางปฏิบัติคือเก็บเส้นทางโปรดักชันของคุณไว้กับโมเดลที่มีตารางราคาเปิดเผย และวางพับลิกเบต้าของ Beam ไว้หลังกฎการจัดเส้นทาง เพื่อให้ API ของเจ้าของโมเดลเองที่ยังไม่ผ่านการพิสูจน์ไม่กลายเป็นจุดล้มเหลวเพียงจุดเดียว การสลับอัตโนมัติเมื่อเกิดข้อขัดข้องจะจัดการส่วนที่เหลือให้เอง: ถ้าเบต้าจำกัดอัตราการใช้งานคุณด้วย 429 ตอน 02:00 คำขอก็จะไปตกที่ที่ไม่มีปัญหานั้น

ใครควรเคลื่อนไหว และบนหลักฐานใด

ถ้าข้อจำกัดของคุณคือน้ำหนักแบบเปิดและสัญญาอนุญาตแบบเปิดกว้าง สัปดาห์นี้คือสัปดาห์ที่คำตอบกลายเป็นใช่แล้ว ไม่ใช่เร็ว ๆ นี้ Apache 2.0, สามระดับพรีซิชัน, บิลด์ขนาด 273 GiB ที่พอดีกับโหนด B300 สี่ GPU เพียงหนึ่งโหนด, การรองรับ vLLM และ SGLang ตั้งแต่วันแรก, ตัวตรวจสอบสำหรับตรวจสอบการดีพลอยของคุณเอง และไม่มีข้อจำกัดในการปรับแต่งละเอียดหรือการกลั่นความรู้ สำหรับใครก็ตามที่อุปสรรคคือ "น้ำหนักยังไม่ออก" อุปสรรคนั้นหมดไปแล้ว และการโฮสต์เองก็ขจัดคำถามเรื่องราคา API ไปโดยสิ้นเชิง

หากข้อจำกัดของคุณคือการพึ่งพาเอนด์พอยต์ที่โฮสต์ไว้สำหรับโปรดักชัน จงระวังให้มากขึ้น API นี้มีอยู่จริงและมีเอกสารประกอบ แต่เพิ่งเปิดตัวสัปดาห์นี้ มันบังคับใช้ขีดจำกัดระดับทั้งองค์กรที่คีย์ใบที่สองจะไม่ช่วยเพิ่ม มันใช้ความพยายามในการให้เหตุผลสูงสุดเป็นค่าเริ่มต้น และราคาของมันยังไม่เปิดเผย จงรันชุดทดสอบความสอดคล้องจากผู้ตรวจสอบกับมันก่อนที่คุณจะไว้วางใจให้มันทำงานใด ๆ ที่มีกำหนดเส้นตาย

หากข้อจำกัดของคุณคือความสามารถในระดับแนวหน้า สัปดาห์นี้ไม่มีอะไรเปลี่ยนคำตอบของคุณ คะแนน 30 บน Intelligence Index ตารางของผู้จำหน่ายที่ยอมเป็นรอง Kimi K3 ใน Terminal Bench และเป็นรอง GLM 5.2 ใน AIME และการไม่มีการทำซ้ำตัวเลขพาดหัวอย่างอิสระ รวมกันแล้วได้โมเดลที่ควรลอง ไม่ใช่โมเดลที่ควรลงเดิมพัน

สิ่งเดียวที่ต้องจับตาต่อไปคือราคา Reflection ได้ส่งมอบครึ่งที่ยากของการเปิดตัวแล้ว — เวต สแตกสำหรับให้บริการ เอกสาร และปลายทางสาธารณะ — และทิ้งครึ่งที่ง่าย นั่นคือตารางราคา ให้ยังไม่เผยแพร่ เมื่อตัวเลขนั้นออกมา ข้ออ้างเรื่องประสิทธิภาพ 3–4× จะกลายเป็นสเปรดชีตแทนสโลแกน และการเปรียบเทียบกับ GLM 5.2 หรือ Kimi K3 จะกลายเป็นการตัดสินใจแทนการโต้เถียงเรื่องวิธีการ

ผลลัพธ์แบบนี้ยังเป็นเครื่องเตือนใจว่าความผิดพลาดของโมเดลได้รับการบันทึกไว้แล้ว: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่อยู่เบื้องหลังโมเดลระดับนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งที่มาของตนเอง ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะถูกโต้แย้ง