Beam vs Beam 1.0: Số phiên bản không phải là một phiên bản

Hãy tìm kiếm hai tên mô hình trông như một sản phẩm và phiên bản tiền nhiệm của nó — Beam và Beam 1.0 — và bạn sẽ thấy một so sánh không hề tồn tại. Không có Beam 1.0 nào thay thế một Beam trước đó, không có Beam 1.1 nào chờ sẵn phía sau, và cũng không có checkpoint cũ hơn nào mà người đọc vẫn có thể đang chạy. Reflection đã phát hành một mô hình open-weight vào tháng 10 năm 2026, gọi nó là Beam trong văn bản của chính mình, và lưu trữ các repository cùng endpoint được host dưới định danh Beam-1.0-501B-A23B. Cả hai nhãn đều chỉ cùng một hỗn hợp chuyên gia thưa 501,3 tỷ tham số. Số phiên bản là một thẻ phân phối, chứ không phải một thế hệ.

Nghe có vẻ như đó là một chú thích cuối trang. Không phải vậy, vì hậu tố phiên bản mới là phần lan truyền đi. Nó đi vào ID mô hình, vào cấu hình router, vào bảng điều khiển chi phí, vào bảng tính nơi ai đó đang so sánh các lựa chọn nhà cung cấp và không thể biết liệu hàng có nhãn Beam và hàng có nhãn Beam 1.0 là hai lựa chọn hay chỉ là một bị nhân đôi bởi một lần nhập dữ liệu lỗi. Làm rõ danh tính chính là toàn bộ nội dung của việc so sánh, và hóa ra nó hữu ích hơn một bảng thông số kỹ thuật: nó cho bạn biết thứ đó sẽ hành xử thế nào trong một danh mục, và cần kiểm tra gì trước khi bạn đấu nối nó vào bất cứ thứ gì.

Mỗi nhãn thực sự đến từ đâu

Sự phân chia này không hề tùy tiện. Mỗi dạng đều có một nguồn gốc, và việc biết cái nào là cái nào chính là điều giúp bạn nhận ra cùng một mô hình xuất hiện dưới hai tên gọi:

• "Beam" — tên gọi trong văn xuôi của nhà cung cấp. Bài đăng ra mắt có tiêu đề "Introducing Beam: Reflection's 501B open-weight model", bài đăng ngày 16 tháng 10 về việc ra mắt có tiêu đề "Beam is now available", và bộ sưu tập trên Hugging Face là beam-10. Đây cũng là tên mà hệ sinh thái framework đã tiếp nhận: sách hướng dẫn SGLang liệt kê nó dưới tiêu đề nhà cung cấp của mình là "Beam 1.0 — New", và tài khoản dự án vận hành nó trong môi trường production gọi nó là "Beam".

• "Beam-1.0-501B-A23B" — mã định danh máy. Đây là ID mô hình trên endpoint tương thích OpenAI của chính Reflection, và nó mã hóa ba thông tin mà người xây dựng cần: một mô hình, bản phát hành đầu tiên, 501 tỷ tham số tổng, 23 tỷ tham số hoạt động. Những dấu gạch nối này có vai trò chịu lực; đây là chuỗi để dán, không phải tên để tìm kiếm.

• "Beam 1.0" — cách thể hiện dễ đọc với con người của mã định danh đó, và là dạng xuất hiện trong danh sách danh mục, các trang thư mục mô hình và tóm tắt của bên thứ ba. Đó là thứ bạn nhận được khi một mã định danh được làm đẹp để hiển thị trong menu thả xuống.

Vậy hai thuật ngữ tìm kiếm không phải là hai mô hình. Chúng là từ của nhà cung cấp và cách diễn đạt của danh mục cho một tên kho lưu trữ.

Hậu quả thực sự nhức nhối: so khớp theo tên

Mọi thứ nằm ở hạ nguồn của điều đó — các quy tắc định tuyến, danh sách cho phép, bản xuất hóa đơn, khung kiểm thử đánh giá — đều khớp theo chuỗi, và chuỗi đó không ổn định giữa những nơi bạn sẽ dán nó. Kéo theo đó là ba cái bẫy thực tế, và không cái nào trong số đó là giả định:

• Một quy tắc được viết cho "Beam" sẽ không khớp với "beam-1.0-501b-a23b", và một quy tắc được viết cho định danh sẽ không khớp với một danh mục đã lưu tên hiển thị. Chữ hoa chữ thường và dấu câu thay đổi theo nền tảng, và không có gì tự dung hòa chúng cho bạn.

• Bảng điều khiển chi phí nhóm theo tên hiển thị sẽ hiển thị một mô hình thành hai mục hàng ngay khi nhà cung cấp thay đổi cách hiển thị của họ, và tổng số sẽ không khớp với hóa đơn của bạn.

• Một bảng tính so sánh được tạo bằng cách tìm kiếm cả hai thuật ngữ sẽ đếm trùng mô hình, và đó chính xác là lỗi mà bài viết này nhằm ngăn chặn. Nếu bạn có một hàng cho Beam và một hàng cho Beam 1.0, thì bạn có một mô hình nhưng lại có hai hàng.

Cách sửa thì chẳng có gì hào nhoáng: ghim định danh lại, coi tên hiển thị như một nhãn, và dùng định danh làm cơ sở cho mọi so sánh về giá hoặc benchmark thay vì dựa vào điều mà menu thả xuống hiển thị. Điều đó cũng đúng với câu hỏi về giá — Beam 1.0 hoàn toàn không có mức giá công bố trên mỗi triệu token, dù là trên endpoint hay trong thông báo, nên chưa có con số nào để đưa vào bất kỳ hàng nào trong hai hàng đó.

Phiên bản thực sự mang những khác biệt thực sự

Có một loạt khác biệt thực sự trong bản phát hành này, và không có điểm nào trong số đó nằm ở tên model. Chúng nằm ở sản phẩm cụ thể mà bạn chọn, và đây chính là điều mà truy vấn "Beam vs Beam 1.0" thực sự đang nhắm tới:

• BF16 vs FP8 vs NVFP4 — 933.81 GiB trải khắp 188 phân mảnh safetensors, 468.72 GiB ở E4M3, hoặc bản dựng 4-bit đóng gói ở 273 GiB. Cùng tổng 501.3B và 23.4B hoạt động ở cả ba; khác biệt là mức phần cứng tối thiểu mà mỗi bản hàm ý, từ 16 GPU xuống còn bốn B300 trong NVLink.

• Mô hình nền tảng so với mô hình dự thảo — DFlash2 là một mô hình giải mã suy đoán riêng biệt có 1,93 tỷ tham số, được phát hành dưới dạng kho lưu trữ riêng, không phải là một biến thể của Beam. Một triển khai không có nó không phải là “Beam 1.0 không có bản cập nhật”, mà là cùng một mô hình được giải mã theo cách khác.

• Dạng máy chủ so với dạng tải xuống — một định danh, hai đường phân phối: checkpoint theo Apache 2.0, và một endpoint tương thích O​penAI với tính năng suy luận bắt buộc, mức nỗ lực từ low đến max với max là mặc định, cùng các giới hạn trên toàn tổ chức được chia sẻ trên mọi key.

Nếu hai đội không đồng ý về việc họ đang chạy “Beam 1.0 nào”, thì sự bất đồng gần như luôn nằm ở một trong ba trục đó chứ không phải ở số phiên bản.

Đọc số liệu của nhà cung cấp vào đúng ngày

Còn một điều nữa thay đổi giữa các nhãn, và đó là một nguồn nhầm lẫn thực sự chứ không phải chỉ là vấn đề đặt tên. Reflection đã công bố bảng benchmark của mình nhiều hơn một lần, và các con số đã thay đổi giữa các phiên bản của trang. Thông báo ngày 5 tháng 10 mang một bộ số; một ghi chú trên chính bài đăng đó ghi nhận một bản cập nhật vào ngày 8 tháng 10; thẻ mô hình ở trạng thái hiện tại phản ánh các số liệu hiện hành. Những khác biệt là nhỏ và phần lớn nằm ở chữ số có nghĩa thứ ba — một cấu hình của SWE Bench Pro v2-Hard ghi là 77.2 trong bảng trước đó và 78.6 trên thẻ hiện tại — nhưng chúng đủ lớn để hai bài viết trích dẫn "con số của nhà cung cấp" có thể mâu thuẫn với nhau trong khi cả hai đều chính xác tính đến ngày của chúng.

Điều không thay đổi là hình dạng của kết quả. Tất cả các số liệu dưới đây do nhà cung cấp báo cáo và chúng tôi chưa tái tạo lại, được đo ở temperature 0.7 và top_p 0.99, và cả ba độ chính xác đều được liệt kê vì sự chênh lệch giữa chúng là một phần của câu chuyện:

• SWE Bench Verified — 81.6 BF16, 80.2 FP8, 80.7 NVFP4. Con số lập trình chủ đạo, và là con số mà độ chính xác hầu như không ảnh hưởng tới.

• Terminal Bench v2.1 — 80.1 BF16, 78.9 FP8, 78.4 NVFP4. Công việc terminal dạng tác tử, nơi bản dựng FP8 giảm khoảng một điểm rưỡi.

• AIME 2026 — 97,7 BF16, 98,0 FP8, 97,5 NVFP4. Hầu như đã bão hòa ở mọi độ chính xác, khiến nó trở thành một tiêu chí phân biệt yếu giữa chúng.

• GPQA Diamond — 90,6 BF16, 90,3 FP8, 89,3 NVFP4. Ví dụ rõ ràng nhất cho thấy bản dựng NVFP4 đang tụt lại, khoảng 1,3 điểm.

Mô hình nhất quán là việc lượng tử hóa tốn ít chi phí trên các benchmark lập trình và suy luận, và tốn nhiều hơn một chút trên những benchmark nặng về kiến thức, với FP8 đôi khi vượt BF16 một cách dứt khoát — đó là lý do để chọn một độ chính xác dựa trên nền tảng phần cứng thay vì dựa trên bảng xếp hạng. Đây cũng là lý do để ghi lại bảng nào bạn đã trích dẫn. Một hàng được gán nhãn "Beam" và một hàng được gán nhãn "Beam 1.0" có thể chứa những con số thực sự khác nhau mà không cái nào sai, và hậu tố phiên bản không phải là thứ phân biệt chúng. Ngày tháng mới là.

Điều này có nghĩa gì nếu bạn đang cân nhắc lựa chọn giữa chúng

Không có quyết định nào phải đưa ra giữa Beam và Beam 1.0, vì chỉ có một mô hình. Quyết định thực sự đang ở trước mắt bạn gồm ba phần, và mỗi phần đều có câu trả lời:

• Nếu bạn cần một checkpoint mở trên phần cứng của riêng mình — một lựa chọn, ba mức độ chính xác, và việc chọn giữa chúng là một câu hỏi về phần cứng. Bốn B300 cho NVFP4, tám H200 cho FP8, mười sáu thiết bị cho BF16, và số lượng thiết bị phải chia hết cho 256 chuyên gia.

• Nếu bạn cần một endpoint được host — API first-party là thứ duy nhất có hợp đồng được tài liệu hóa, và hiện tại nó chưa có giá được công bố, nghĩa là chưa thể hoàn tất việc so sánh mua sắm dựa trên chi phí.

• Nếu bạn cần nó đặt cạnh những mô hình bạn đang gọi — Beam 1.0 không nằm trong số các route của chúng tôi, nên chúng tôi không thể cung cấp nó cho bạn và không có gì ở đây nên được hiểu là lời khẳng định về khả năng sẵn có từ phía chúng tôi. Điều chúng tôi có thể làm là giữ cho quyết định xung quanh đó trở nên ít tốn kém. OrcaRouter chạy một khóa tương thích OpenAI trên hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển nguyên vẹn và không cộng thêm gì, cùng khả năng tự động chuyển đổi dự phòng giữa các nhà cung cấp, nhờ đó một thử nghiệm Beam 1.0 nằm song song với lưu lượng production thay vì thay thế nó, và đường dự phòng là một quy tắc định tuyến chứ không phải một cuộc di trú.

Những mô hình mà fallback rất có thể sẽ chuyển sang, dựa trên danh mục của chính chúng tôi cùng bảng giá đã công bố của họ:

• GLM-5.2 — 1,40 đô-la cho mỗi triệu token đầu vào và 4,40 đô-la cho mỗi triệu token đầu ra với cửa sổ 1.000.000 token. Mô hình dùng làm chuẩn đối chiếu cho tuyên bố hiệu quả của chính Reflection.

• Kimi K3 — 3,00 đô la cho mỗi triệu token đầu vào, 0,30 đô la cho token được lưu đệm, 15,00 đô la cho đầu ra với cửa sổ 1.048.576 token. Bài đăng ra mắt của Reflection thừa nhận K3 vẫn dẫn đầu về năng lực thô.

• Qwen3.8-Max — 2,00 đô la cho mỗi triệu token đầu vào và 6,00 đô la đầu ra với cửa sổ 1.000.000 token, giải pháp hàng đầu độc quyền thay thế cho việc mua năng lực Blackwell.

Xem gì thay vì Beam 2.0

Ba điều sẽ khiến sự so sánh này trở thành thực sự, và không điều nào trong số đó liên quan đến một số phiên bản mới.

Đầu tiên là một bảng giá. Cho đến khi Reflection công bố mức giá trên mỗi triệu token trên endpoint, việc hosted so với self-hosted chỉ là so sánh một con số vốn với hư không, và dù đặt tên có kỷ luật đến đâu cũng không khắc phục được điều đó.

Điều thứ hai là đo lường độc lập. Artificial Analysis liệt kê mô hình với Intelligence Index là 30, không có số liệu tốc độ và không có giá, đồng thời ghi nhận không có API công khai nào — bề mặt dịch vụ được host vẫn chưa hiển thị với các tổ chức đo lường những thứ này. Điểm dữ liệu hiệu quả độc lập duy nhất của nó, 79M token đầu ra được tạo ra trong toàn bộ Intelligence Index so với mức trung vị 130M, ủng hộ tuyên bố "ít token suy luận hơn" của nhà cung cấp mà không xác nhận thông lượng đằng sau nó.

Thứ ba là liệu cái nhãn đó có bao giờ tách khác đi không. Một "Beam 2.0" là một checkpoint khác sẽ cuối cùng khiến hậu tố phiên bản mang ý nghĩa gì đó, và vào ngày điều đó thành hiện thực, một truy vấn như thế này sẽ không còn là chuyện đặt tên gọn gàng nữa mà bắt đầu là chuyện về sự khác biệt giữa hai mô hình. Hôm nay nó là kiểu câu hỏi thứ nhất. Bất cứ ai so sánh Beam với Beam 1.0 đều đang so sánh một mô hình với chính tên kho lưu trữ của nó — và kết quả hữu ích của phép so sánh đó là một lời nhắc hãy lấy Beam-1.0-501B-A23B làm khóa cho cấu hình của bạn và ngừng tìm kiếm cả hai cách viết.

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.