Beam 1.0 vs Ember-1: Hai cách để cắt giảm chi phí suy luận, và chỉ một cách có trọng số

Beam 1.0 và Ember-1 đang theo đuổi cùng một khoản mục từ hai hướng đối lập, và đó chính là điều khiến việc so sánh này đáng để thực hiện. Ember-1 là bản phái sinh Kimi K3 của Fireworks Research, được công bố vào ngày 23 tháng 9 năm 2026 dưới dạng bản xem trước nghiên cứu, nhắm vào chi phí suy luận bằng cách huấn luyện lại một mô hình tiên tiến hiện có để suy nghĩ súc tích hơn — con số chủ đạo mà nhà cung cấp đưa ra là ít hơn khoảng 40% token với chất lượng tương đương. Beam 1.0 là kiến trúc riêng của Reflection, được phát hành với trọng số Apache 2.0 vào ngày 16 tháng 10 năm 2026, nhắm vào cùng chi phí đó bằng cách chỉ đánh thức 23,4 tỷ trong số 501,3 tỷ tham số mỗi token và tuyên bố đạt chất lượng tương đương khi dùng ít hơn khoảng ba lần lượng token suy luận trong lúc suy luận. Một nhóm đã thay đổi thói quen của một mô hình; nhóm kia xây dựng một mô hình có thói quen rẻ hơn. Tình hình nguồn cung cũng khác biệt gay gắt không kém: trọng số của Reflection đã tồn tại và có thể tải xuống ngay hôm nay, còn Fireworks Research thì chưa công bố trọng số lẫn giá.

Cả hai tuyên bố đều do nhà cung cấp tự báo cáo và chưa được tái lập, và cả hai đều được đo đạc dựa trên các mô hình có bảng giá được công bố — đó chính là lý do duy nhất khiến phép tính có thể kiểm chứng được.

Hai cơ chế, và tại sao chúng không thể thay thế cho nhau

Fireworks Research đã chạy hơn năm mươi thí nghiệm huấn luyện và hơn hai trăm lượt đánh giá để loại bỏ phần lập luận không làm thay đổi câu trả lời, và cho biết độ dài lập luận đã giảm 35–50% trên bảy benchmark và hai tập lưu lượng sản xuất của khách hàng. Trong một lần chạy Terminal Bench 2.1 gồm 89 tác vụ, họ báo cáo 82.0% so với 80.9% của K3 Max, với 51.9% ít token hơn và rẻ hơn $23.10 mỗi tác vụ; còn trên τ-2 Bench Airline, mức tiết kiệm tụt xuống chỉ còn 5.9%. Con số "khoảng 40%" là mức trung bình trên một dải trải từ khoảng 6% đến khoảng 52%, và điều này có ý nghĩa cực kỳ lớn nếu khối lượng công việc của bạn nằm ở đoạn thấp nhất của dải đó.

Cách tiếp cận của Reflection mang tính cấu trúc chứ không phải hành vi. Khoản tiết kiệm của Beam 1.0 đến từ tỷ lệ kích hoạt — 4,7 phần trăm mô hình hoạt động ở bất kỳ token nào, nên tính toán trên mỗi token thấp hơn về mặt cấu trúc — cộng với một tuyên bố về độ dài dòng. Hỗ trợ mạnh nhất cho nửa phần độ dài dòng là độc lập: Artificial Analysis đã đo Beam ở 79M token đầu ra trên Chỉ số Thông minh của mình, so với trung vị 130M, xếp thứ mười trong số bốn mươi sáu. Đó là một bên thứ ba đếm token và nhận thấy Beam tiết kiệm hơn phần lớn lĩnh vực, điều này không phải là tuyên bố về thông lượng trên mỗi GPU nhưng là một tuyên bố thật.

Nói thẳng ra: nếu Ember-1 hoạt động đúng như quảng cáo, bất kỳ triển khai nào của nó cũng trở nên rẻ hơn. Nếu Beam 1.0 hoạt động đúng như quảng cáo, bất kỳ triển khai nào của nó cũng trở nên rẻ hơn. Không tuyên bố nào cho bạn biết điều gì xảy ra khi bạn hoán đổi cái này lấy cái kia, vì hai mô hình không cùng kích cỡ, không được huấn luyện theo cùng một cách, và không tạo ra những token giống nhau.

So sánh theo từng chiều

• Tham số — Beam 1.0: tổng 501,3B, 23,4B hoạt động trên mỗi token, tỷ lệ kích hoạt 4,7%; 52 lớp, 3 dense và 49 MoE, 256 chuyên gia. Ember-1: có nguồn gốc từ Kimi K3, và Fireworks Research chưa công bố số lượng tham số cho phiên bản phái sinh của nó.

• Giấy phép — Beam 1.0: Apache 2.0, với tệp giấy phép trong kho lưu trữ và không hạn chế việc chưng cất, tinh chỉnh, lượng tử hóa hoặc hợp nhất. Ember-1: không công bố trọng số nào cả; đây là bản xem trước nghiên cứu được cung cấp dưới dạng dịch vụ.

• Truy cập — Beam 1.0: ba mức precision trên Hugging Face cùng một API tương thích O​penAI do chính hãng cung cấp tại api.reflection.ai, ID mô hình Beam-1.0-501B-A23B. Ember-1: nền tảng serverless của chính nhà cung cấp, với cửa sổ truy cập hai tuần mà phòng thí nghiệm gắn sự duy trì lâu dài của nó với nhu cầu.

• Giá — Beam 1.0: không được công bố ở bất kỳ đâu; tài liệu có một trang giới hạn tốc độ chi tiết và không có bảng giá. Ember-1: cũng không được công bố; các cột đô la trong bảng đánh giá hiệu năng của nó được tính từ mức giá công khai của Kimi K3 áp dụng cho số lượng token, chứ không phải từ mức giá của Ember-1.

• Ngữ cảnh — Beam 1.0: cửa sổ 1M token trên thẻ mô hình, 131.072 token đầu ra tối đa trên API. Ember-1: không được công bố cho bản xem trước; mô hình cơ sở của nó chứa 1.048.576 token.

• Kiểm soát suy luận — Beam 1.0: năm mức nỗ lực, suy luận bắt buộc, mức tối đa là mặc định. Ember-1: kế thừa nút chỉnh mức nỗ lực của K3, và tiền đề của bản phát hành là nút chỉnh này quá thô, còn huấn luyện lại là công cụ tinh tế hơn.

• Đánh giá độc lập — Beam 1.0: Artificial Analysis Intelligence Index 30, xếp hạng 19/120 trên v4.3.2, không ghi nhận giá và tốc độ. Ember-1: chưa công bố thông tin nào; chưa có bên thứ ba nào chạy thử.

• Mức tối thiểu để tự vận hành — Beam 1.0: bốn GPU N​VIDIA B300 SXM trên NVLink cho bản dựng NVFP4 273 GiB, tám H200 cho FP8, và tám B200 hoặc B300 cho bản dựng BF16 933,81 GiB. Ember-1: không có trọng số, nên không có mức tối thiểu nào để nêu.

Một nhà điều hành thực sự có thể làm gì trong tuần này

Đây là điểm hai bên khác biệt, và không phải là chuyện sát nút. Khoảng trống của Beam 1.0 là một mức giá. Khoảng trống của Ember-1 chính là tạo tác.

Với Beam, bạn có thể tải xuống 273 GiB, chạy recipe SGLang với một image được ghim, và có beam-verifier CLI chấm điểm triển khai của bạn dựa trên điểm tham chiếu của Reflection trên các benchmark chính. Bạn không thể định giá theo token, vì chưa ai công bố mức giá, nhưng bạn có thể tính một con số vốn và một con số watt rồi so sánh chúng với bất cứ thứ gì bạn đang trả hiện tại. Đó là một vị thế bất thường: một nhà cung cấp đã phát hành bộ công cụ xác minh trước cả bảng giá.

Với Ember-1, bạn có thể gửi lưu lượng đến một endpoint xem trước mà Fireworks Research đã nói rằng có thể sẽ không tồn tại vào tháng tới, và bạn có thể đọc một bảng benchmark với các cột chi phí là biểu giá của người khác. Khoản tiết kiệm mà nó mô tả là có thật nếu nó vẫn đúng, nhưng thứ tạo ra khoản tiết kiệm đó không phải là thứ bạn có thể cầm nắm.

Cả hai mô hình đều được đo lường so với Kimi K3, và K3 là mô hình trong số ba mô hình có chi phí có thể nắm rõ. Nó có mặt trong danh mục của chúng tôi với mức $3.00 cho mỗi triệu token đầu vào, $0.30 cho mỗi triệu token đầu vào được cache, và $15.00 cho mỗi triệu token đầu ra, cùng cửa sổ ngữ cảnh 1.048.576 token. Đó là cùng một bảng giá mà phần so sánh của Fireworks Research sử dụng, vì vậy các tỷ lệ phần trăm giảm token trong bảng của Ember-1 quy đổi thành số đô-la bạn có thể xác minh, thay vì số đô-la bạn phải tin mà không kiểm chứng.

Điều này gợi ý trình tự thực hiện trên thực tế. Hãy tính giá khối lượng công việc theo tuyến K3 hiện tại, coi tỷ lệ phần trăm của Ember-1 là giới hạn trên của những gì một lần chuyển đổi có thể mang lại, và chờ mức giá Ember-1 được công bố trước khi mô hình hoá khoản tiết kiệm thành tiền. Nếu phép tính đủ hấp dẫn để hành động, thì biện pháp phòng ngừa là đặt bản xem trước phía sau cùng một endpoint như môi trường production — OrcaRouter chạy một khoá tương thích OpenAI trên hơn 200 mô hình, chuyển tiếp nguyên mức giá niêm yết của nhà cung cấp mà không cộng thêm gì, và tự động chuyển đổi dự phòng, nên một bản xem trước biến mất chỉ là thay đổi định tuyến chứ không phải một cuộc di chuyển. Không có gì về cửa sổ hai tuần đòi hỏi điều đó. Cũng chẳng có gì về nó phản đối điều đó.

Câu hỏi quyết định điều đó

Nếu ràng buộc của bạn là mô hình phải thuộc về bạn — rằng bạn cần sở hữu chính tạo tác đó, lượng tử hóa nó, hợp nhất nó, hoặc chạy nó bên trong một vành đai — thì Beam 1.0 là cái duy nhất trong hai cái này thậm chí còn là ứng viên, và mức giá còn thiếu chỉ là sự bất tiện chứ không phải rào cản. Bốn GPU và một checkpoint đã tải xuống là một kế hoạch.

Nếu hạn chế của bạn là bạn chạy Kimi K3 trong một vòng lặp agent dài và hóa đơn bị chi phối bởi các token suy luận mà bạn không thể nhìn thấy, thì cả hai đều thú vị và chưa cái nào có thể trả lời được. Lợi thế về hiệu quả của Beam là mang tính cấu trúc và sẽ áp dụng cho bất kỳ khối lượng công việc nào; của Ember-1 là mang tính hành vi và, theo chính các con số của nó, áp dụng không đồng đều — một nửa số token trên Terminal Bench, một phần hai mươi trên một tác vụ có dạng bài kiểm tra chuẩn hàng không. Hãy chạy cả hai ở chế độ shadow đối chiếu với lưu lượng của chính bạn trước khi bất kỳ cái nào trở thành một dòng trong ngân sách. Các bảng benchmark, dù chúng chỉ theo hướng nào, đều được xây dựng bởi các bên bán mô hình.

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.