Beam 1.0 vs Clef Flash: Một cái viết được code, một cái không viết nổi một câu.

Đặt Beam 1.0 và Clef Flash cạnh nhau, và phép so sánh trông thật vô lý cho đến khi bạn nhận ra nó thực sự nói về điều gì. Beam 1.0 là mô hình mixture-of-experts 501,3 tỷ tham số của Reflection, được phát hành với trọng số Apache 2.0 vào ngày 16 tháng 10 năm 2026 và được xây dựng cho việc lập trình, suy luận cùng những tác vụ agent tầm xa; nó đọc văn bản và viết văn bản. Clef Flash của Cloudflare là mô hình 9 tỷ tham số không hề có đường xuất văn bản nào — không phải một đường xuất bị suy giảm, mà là không có. Nó nhận một trạng thái cùng một schema gồm các câu hỏi có kiểu và trả về một xác suất cho mọi câu trả lời được phép. Bất kỳ trang nào xếp hai mô hình này đối đầu nhau dựa trên điểm benchmark đều đã hiểu sai cả hai. Câu hỏi hữu ích là mỗi mô hình chiếm vị trí nào trong một pipeline, bởi vì trong một hệ thống được xây dựng tốt, chúng không phải là đối thủ; chúng là những giai đoạn liền kề nhau.

Sự kề cận đó đáng để hiểu một cách chính xác, vì nó giải thích một loại lỗi vận hành mà không một benchmark đơn mô hình nào làm lộ ra: bộ phân tích cú pháp bạn gắn vội vào một mô hình trò chuyện vì đó là thứ duy nhất bạn có, và câu trả lời thứ năm mươi mốt trong số một trăm câu không khớp với schema của bạn.

Mỗi mô hình thực sự trả về những gì

Hãy bắt đầu với hình dạng đầu ra, vì mọi thứ khác đều theo sau từ đó.

• Beam 1.0 — văn bản dạng tự do, kèm suy luận bắt buộc. Các mức nỗ lực được hỗ trợ là low, medium, high, xhigh và max, và max là mặc định, nên cấu hình nguyên bản suy luận lâu nhất. Suy luận, gọi công cụ và đầu ra có cấu trúc đều được hỗ trợ, và đầu ra có cấu trúc cùng schema JSON là mức gần nhất mà Beam đạt được tới kết quả trả về bị ràng buộc.

• Clef Flash — một phân phối trên một tập câu trả lời đã được khai báo. Tài liệu của Cloudflare mô tả một lượt truyền xuôi chấm điểm từng lựa chọn được phép; không có bước sinh và do đó không có bước phân tích cú pháp. Cách diễn đạt của chính nhà cung cấp là đây là một mô hình quyết định, và sản phẩm thứ hai trong bản phát hành là một nền tảng tinh chỉnh bằng học tăng cường để xây dựng thêm nhiều mô hình như vậy.

Sự khác biệt thực tế nằm ở điều xảy ra khi đầu vào nằm ngoài phạm vi. Một mô hình văn bản được hỏi điều gì đó ngoài năng lực của nó sẽ tạo ra văn xuôi đầy tự tin, và hệ thống của bạn phải nhận ra điều đó. Clef Flash sẽ tạo ra các xác suất có tổng bằng một trên các lựa chọn bạn đã đưa cho nó, nghĩa là đầu vào ngoài phạm vi sẽ hiện ra dưới dạng một phân phối phẳng thay vì một câu hợp lý — miễn là bạn đã xây dựng một ngưỡng cho việc đó, thứ mà nhà cung cấp không cung cấp. Bảng do chính Cloudflare công bố cho thấy trường hợp đó là ô yếu nhất của mô hình.

Các đánh giá không chồng lấn, và đó chính là phát hiện.

Điểm số của Clef Flash đến từ Jev Decision Index và một loạt bộ kiểm thử chuyên biệt theo quyết định, tất cả đều do Cloudflare chạy, và một số được chạy đối chiếu với bộ đánh giá của chính một đối thủ — Jev được công bố bởi TypeSafe, nhà cung cấp của mô hình mà Clef Flash được đo lường đối chiếu. Trên những bộ kiểm thử đó, các con số rất mạnh: BFCL case-exact 98.8, API-Bank 93.1, một mô phỏng thiết bị gia dụng ở mức 97.7, ContractNLI macro-F1 84.3, RouterBench 79.9. Clef Flash nhỉnh hơn Clef 27B lớn hơn ở BFCL, ở API-Bank và ở bộ kiểm thử thiết bị gia dụng, bộ cuối cùng hơn mười bốn điểm. Không có kết quả nào trong số đó được tái lập một cách độc lập.

Chế độ đánh giá của Beam khác về bản chất. Thẻ mô hình của Reflection báo cáo các benchmark tác tử và kỹ thuật phần mềm — SWEBench Verified 81.6, Terminal Bench v2.1 80.1, DeepSWE v1.1 43.3, GPQA Diamond 90.6 trên checkpoint BF16 — tất cả đều do nhà cung cấp báo cáo. Số liệu bên ngoài duy nhất là Artificial Analysis, nơi liệt kê Beam 1.0 ở Intelligence Index là 30, đứng thứ mười chín trong số 120 mô hình trên phiên bản chỉ số v4.3.2, và không ghi nhận giá lẫn tốc độ vì vẫn thấy "No publicly available API" đối với mô hình này. Không có gì trong cột của Clef Flash tương ứng với Intelligence Index, và không có gì trong cột của Beam tương ứng với điểm router khớp chính xác theo từng trường hợp. Chúng không nằm trên cùng một trục.

Điều bạn có thể so sánh là cấu trúc chi phí, và ở đây hai bên nằm ở hai thái cực đối lập. Cloudflare lưu trữ Clef Flash trên Workers AI ở mức $0.038 mỗi triệu token đầu vào, với token đầu ra được tính bằng không, vì không có token nào — khoảng một phần sáu mức $0.24 mà cùng bảng giá đó tính cho Clef 27B lớn hơn, và chỉ dưới $0.042 mà chúng tôi tính cho một mô hình quyết định trả lời cùng dạng yêu cầu. Beam 1.0 hoàn toàn không có giá công bố trên mỗi triệu token — tài liệu của Reflection có một trang đầy đủ về giới hạn tốc độ và không có bảng giá. Tự vận hành là con đường duy nhất có giá, và nó khởi điểm từ bốn GPU NVIDIA B300.

Mỗi thứ thuộc về đâu trong một hệ thống thực tế

Câu trả lời thật lòng là Clef Flash thay thế một bước mà bạn có thể đang làm không tốt, còn Beam 1.0 thay thế một bước mà bạn có thể đang làm một cách tốn kém.

Mục tiêu của Clef Flash là phân loại, định tuyến, gác cổng và sàng lọc bên trong một vòng lặp agent — bất cứ đâu mà đầu ra đúng là một trong một tập nhãn đã biết và cái giá của một câu trả lời sai định dạng là một ngoại lệ ở hạ nguồn. Hồ sơ độ trễ đã công bố của nó, khoảng 38,8 ms trung vị và 122,4 ms tại p95, là phần quan trọng ở đó, bởi vì nó được đo trong một chế độ mà thời gian đến token đầu tiên của một mô hình văn bản thì không.

Mục tiêu của Beam 1.0 là chính công việc: giải quyết các issue GitHub, vận hành trong CLI, chạy các luồng công việc công cụ gồm nhiều bước. Luận điểm mà Reflection đưa ra là hiệu quả token chứ không phải năng lực đỉnh cao — model card tuyên bố chất lượng lời giải tương đương các mô hình mở hàng đầu với lượng token suy luận khi suy luận ít hơn khoảng ba lần, và bằng chứng mạnh nhất cho điều đó là việc Artificial Analysis ghi nhận 79M token đầu ra cho Beam trên toàn bộ Intelligence Index so với mức trung vị 130M, đứng thứ mười trong số bốn mươi sáu ở thước đo đó. Trong một lượt chạy agent dài, nơi mỗi lượt đều phát lại cuộc hội thoại trước đó, đó chính là khoản mục cộng dồn.

Cả hai đều không nằm trong danh mục của chúng tôi, và chúng tôi sẽ không ngụ ý điều ngược lại. Clef Flash chạy trên các GPU edge của chính Cloudflare và các trọng số Apache-2.0 là của bạn để tự lưu trữ; trọng số của Beam 1.0 có trên Hugging Face theo Apache 2.0 với một API chính chủ nhưng chưa công bố giá.

Lý do để giữ cả hai luôn có thể truy cập được

Một pipeline sử dụng mô hình quyết định ở cổng và mô hình suy luận phía sau nó là một kiến trúc tốt hơn hẳn so với một pipeline chỉ dùng một mô hình chat duy nhất cho cả hai, và chi phí để xây dựng theo cách đó là chi phí vận hành của một phụ thuộc thứ hai — một hợp đồng thứ hai, một bộ khóa thứ hai, một chế độ lỗi thứ hai. Đó là phần mà một router loại bỏ chứ không phải phần mô hình.

Nếu các bước gate trong hệ thống của bạn đúng là những bước mà Clef Flash mô tả, thì tương đương đã được định tuyến gần nhất là Jev 1.13 của TypeSafe — mô hình mà Cloudflare đã chọn làm đối chuẩn của mình, tương thích API với dạng yêu cầu của Clef Flash, và có trong danh mục của chúng tôi với giá $0.042 cho mỗi triệu token đầu vào, đầu ra được tính phí bằng không và ngữ cảnh 65,536 token.

Đối với giai đoạn suy luận phía sau cổng, danh mục của chúng tôi có các mô hình mà Beam được định cỡ để so sánh: GLM-5.2 ở mức $1.40 và $4.40 mỗi triệu token với cửa sổ 1.000.000 token, Kimi K3 ở mức $3.00 và $15.00 với 1.048.576, và Qwen3.8-Max ở mức $2.00 và $6.00. Một khóa tương thích OpenAI bao trùm tất cả chúng, giá niêm yết của nhà cung cấp được chuyển nguyên vẹn mà không cộng thêm gì, và chuyển đổi dự phòng tự động nghĩa là giai đoạn cổng không bị tối vì một nhà cung cấp có một phút trục trặc.

Bạn cũng có thể giữ hai giai đoạn trên các mô hình khác nhau mà không cần cam kết với bên nào: một quy tắc định tuyến gửi lưu lượng phân loại schema đến endpoint quyết định và công việc văn bản tự do đến một mô hình suy luận là trường hợp thông thường của DSL định tuyến, và điều đó có nghĩa là độ chính xác của giai đoạn quyết định và chi phí của giai đoạn suy luận có thể được tinh chỉnh độc lập thay vì đánh đổi bên trong số lượng tham số của một mô hình.

Bạn thực sự đang muốn mua cái nào?

Nếu bạn đến đây vì tác nhân của bạn thỉnh thoảng phát ra một khối JSON mà bộ phân tích cú pháp của bạn từ chối, thì bạn không cần một mô hình 501 tỷ tham số. Bạn cần mô hình quyết định, và câu hỏi cần đặt ra là liệu tập câu trả lời của bạn có thực sự có thể liệt kê được hay không và chính sách kiêng trả lời của bạn là gì — bởi vì Clef Flash cho bạn xác suất, chứ không phải một lời từ chối.

Nếu bạn đến đây vì hóa đơn của tác nhân lập trình của bạn bị chi phối bởi các token suy luận mà bạn không thể thấy, thì bạn không muốn một bộ phân loại 9 tỷ tham số. Bạn muốn Beam 1.0, hoặc một trong những mô hình mà nó được đo lường so với, và câu hỏi cần đặt ra là liệu bạn có thể tự vận hành nó hay liệu bạn đang chờ một bảng giá chưa được công bố.

Điều duy nhất mà cách đặt vấn đề đối đầu trực diện làm đúng là: cả hai đều là những cược vào cùng một luận điểm từ hai đầu đối lập: rằng phần tốn kém của một agent không phải là câu trả lời, mà là mọi thứ xung quanh nó. Câu trả lời của Cloudflare là loại bỏ việc sinh ra khỏi những bước chưa bao giờ cần đến nó. Câu trả lời của Reflection là làm cho việc sinh trở nên rẻ hơn trên mỗi token suy nghĩ. Khi triển khai cùng nhau, chúng tốn ít chi phí hơn so với khi chỉ triển khai một trong hai, một kết quả tốt hơn những gì bảng benchmark của từng nhà cung cấp sẽ nói với bạn.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.