Beam 1.0: Reflection đã mở mã nguồn trọng số, và Artificial Analysis chấm nó 30 điểm

Hai điều đã xảy ra với Beam 1.0 của Reflection trong tuần này, và chúng chỉ về hai hướng trái ngược nhau. Mô hình — Beam 1.0-501B-A23B, một hệ thống mixture-of-experts thưa với tổng cộng 501 tỷ tham số và 23 tỷ tham số hoạt động mỗi token — không còn là một lời hứa nữa: trọng số đã có trên Hugging Face theo giấy phép Apache 2.0, bản dựng NVFP4 273 GiB giờ đã có thể tải xuống, và có một API chính chủ với hợp đồng được ghi rõ trong tài liệu cùng một trang giới hạn tốc độ thực thụ. Đồng thời, con số độc lập đầu tiên mà bất kỳ ai công bố cho nó là 30 trên Artificial Analysis Intelligence Index — đứng thứ mười chín trong số 120 mô hình được đánh giá trên phiên bản chỉ số v4.3.2, và cao hơn mức trung vị 19 mà Artificial Analysis ghi nhận cho các mô hình trọng số mở tương đương có kích cỡ tương tự. Các nhà cung cấp đã phát hành thường được quyền chọn sự thật nào trong hai sự thật đó sẽ dẫn dắt câu chuyện. Ở đây, cả hai đều đúng cùng lúc, và cách lý giải trung thực là Beam 1.0 đến với chi phí rẻ hơn mong đợi nhưng lại đạt điểm thấp hơn so với điều mà bài đăng ra mắt của chính nó ngụ ý.

Đây là bài tiếp nối cho nội dung đưa tin trước đó của chúng tôi, và cách dẫn dắt này là có chủ đích: Beam 1.0 không hề mới. Reflection đã công bố nó vào ngày 5 tháng 10 năm 2026 và cập nhật các bảng đánh giá của mình vào ngày 8 tháng 10. Điều đã thay đổi trong bảy ngày qua chính là mọi thứ mà người mua thực sự cần — trọng số, dịch vụ lưu trữ, một API, các giới hạn, và đo lường từ bên ngoài. Nếu bạn đã đọc bài đưa tin ra mắt và quyết định chờ đợi, thì lý do để chờ đợi đã không còn nữa.

Những gì thực sự được phát hành trong tuần này

Bài đăng “Beam hiện đã có sẵn” của Reflection được ghi ngày 16 tháng 10 năm 2026 và nó lấp đầy khoảng trống đã khiến bài đăng ra mắt trở nên úp mở đến vậy. Vào ngày 5 tháng 10, các trọng số vẫn chỉ là thứ mà Reflection nói rằng nó “sẽ phát hành”. Tính đến tuần này, chúng đã tồn tại, ở ba mức độ chính xác, cùng với một mô hình nháp cho giải mã suy đoán:

• BF16 — 501,3B tham số trải khắp 188 phân đoạn safetensors, được tải lên kho lưu trữ reflection/Beam-1.0-501B-A23B vào ngày 7 tháng 10 và đã được chỉnh sửa kể từ đó.

• FP8 — cùng số lượng tham số 501,3B trong E4M3, 468,72 GiB trên đĩa.

• NVFP4 — bản dựng 4-bit đóng gói ở 273 GiB, đây là bản mà chính các hướng dẫn phục vụ của Reflection bảo bạn tải xuống.

• DFlash2 — một drafter giải mã suy đoán 1,93 tỷ tham số, được tải lên ngày 13 tháng 10, được công bố dưới dạng một repo riêng và được tài liệu hoá như một tối ưu hoá phục vụ riêng.

Cả bốn đều mang thẻ apache-2.0, và tệp giấy phép nằm trong kho lưu trữ thay vì trong một câu trên blog, đó chính là sự khác biệt giữa một giấy phép và một lời hứa. Reflection cũng nêu rõ rằng nó không hạn chế việc chưng cất, tinh chỉnh, lượng tử hóa hoặc hợp nhất.

Câu chuyện phục vụ cũng cụ thể không kém. Có hỗ trợ ngay từ ngày đầu trong Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed và NVIDIA Dynamo, và tài liệu của Reflection có hướng dẫn từng bước cho SGLang, vLLM, TokenSpeed và một Helm chart cho Kubernetes. Yêu cầu tự lưu trữ tham chiếu là bốn GPU NVIDIA B300 SXM trên NVLink — một máy duy nhất, không phải một cụm, đây là mức yêu cầu thấp hơn nhiều so với những gì một mô hình 500B thường ngụ ý và xuất phát trực tiếp từ tỷ lệ kích hoạt 23B.

Ngoài ra còn có một công cụ xác minh. Công cụ mã nguồn mở beam-verifier CLI chạy một bộ kiểm thử tuân thủ đối với bất kỳ endpoint Beam đang hoạt động nào và sau đó đánh giá nó trên các benchmark chính để bạn có thể so sánh triển khai của mình, hoặc của nhà cung cấp, với điểm tham chiếu của Reflection. Bất cứ điều gì cho phép người mua tự kiểm tra số liệu của nhà cung cấp thay vì tin tưởng họ đều đáng để biết.

Điểm số bên ngoài đầu tiên, và nó không phải là con số trong bài đăng ra mắt.

Artificial Analysis liệt kê Beam 1.0 với Intelligence Index là 30, xếp hạng #19 trong số 120. Mục nhập tương tự cho thấy mô hình đã dùng 79M token đầu ra trong toàn bộ Index — "#10 / 46", so với trung vị 130M — đây là lần đầu tiên tuyên bố về hiệu quả token xuất hiện trong một bộ kiểm thử độc lập. Artificial Analysis cũng không hiển thị giá và tốc độ cho Beam, vì tính đến thời điểm viết bài này, nó vẫn ghi "Không có API công khai" cho mô hình, chỉ trỏ đến tự vận hành. Khoảng trống đó tự nó là thông tin: API tồn tại, nhưng chưa ở dạng mà các công ty đo lường đã nắm bắt.

Hãy đọc kỹ con số 30. Đó không phải là lời phán quyết về bảng benchmark của nhà cung cấp — hai thứ đó đang đo những thứ khác nhau trên những harness khác nhau. Thẻ mô hình của Reflection, được công bố cùng với trọng số, báo cáo 81,6% trên SWEBench Verified, 80,1% trên Terminal Bench v2.1 và 90,6% trên GPQA Diamond cho checkpoint BF16, và bài đăng ra mắt nói rõ rằng các mô hình tiên phong như Kimi K3 vẫn dẫn trước về năng lực thô, với lập luận của Beam là "hiệu quả tại thời điểm suy luận" chứ không phải ngang bằng ở đỉnh. Những con số đó vẫn do nhà cung cấp báo cáo và, theo như chúng tôi có thể tìm thấy, chưa có ai tái lập được chúng. Nhưng việc phát hành một endpoint công khai cùng với verifier CLI chính là điều khiến việc tái lập trở nên khả thi, và con số 30 trên một chỉ mục gồm 120 mô hình là con số đầu tiên trong câu chuyện này không do Reflection tạo ra.

Giá, các giới hạn và ý nghĩa của chúng theo từng tác vụ

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:

• Cửa sổ ngữ cảnh — 1.048.576 token, với đầu ra tối đa 131.072 token và max_tokens mặc định là 32.768.

• Suy luận — bắt buộc, không phải tùy chọn. Các mức được hỗ trợ là low, medium, high, xhigh và max, với max là mặc định. Token suy luận được tính vào giới hạn tốc độ của bạn.

• Khả năng — suy luận, gọi công cụ và đầu ra có cấu trúc, văn bản vào và văn bản ra.

• Giới hạn tốc độ — được đo theo từng tổ chức bằng số yêu cầu và token mỗi phút và mỗi ngày UTC, với giới hạn yêu cầu đồng thời và hạn mức token hằng ngày tùy chọn. Khi vượt quá sẽ trả về 429 với một trong hai rate_limit_exceeded hoặc daily_allowance_exhausted, và khi hạn mức hằng ngày đã hết, phản hồi sẽ đặt x-should-retry: false, vì vậy các vòng lặp thử lại ngây thơ sẽ chỉ quay vô ích.

Điều mà tài liệu không cung cấp là mức giá công khai trên mỗi triệu token. Thông báo của Reflection chỉ nói rằng nó "miễn phí để bắt đầu", và cả tài liệu lẫn thông báo đều không công bố bảng giá. Đó là dòng còn thiếu duy nhất trong bức tranh, và chính là dòng quyết định liệu lập luận về hiệu quả có ý nghĩa gì trên hóa đơn hay không. Một mô hình suy luận ở mọi yêu cầu, mặc định dùng nỗ lực tối đa và tuyên bố lượng tính toán suy luận thấp hơn 3–4× so với GLM 5.2 trong lập luận nâng cao là một đề xuất khác hẳn ở mức 0,50 USD mỗi triệu token đầu ra so với 5,00 USD — và hiện không ai ngoài Reflection có thể nói nó thuộc trường hợp nào.

Hai lưu ý thực tế từ tài liệu đáng để mang theo vào một thử nghiệm thí điểm. Thứ nhất, mức nỗ lực mặc định là max, vì vậy cấu hình nguyên bản là cấu hình tốn kém nhất; một tích hợp quan tâm đến chi phí nên đặt reasoning_effort một cách rõ ràng ngay từ lần gọi đầu tiên. Thứ hai, các giới hạn là theo tổ chức và được chia sẻ giữa các dự án và khóa — việc thêm khóa không làm tăng chúng, đây là kiểu chi tiết chỉ khiến bạn đau đầu sau khi bạn đã xây dựng xong tích hợp thứ hai.

Vị trí của nó so với những mẫu mà bạn thực sự sẽ đem ra so sánh

Điều đáng so sánh không phải là với các flagship tiên phong, nơi Reflection chịu thua về điểm này, mà là với các mô hình open-weight mà Beam được định giá và định cỡ để so sánh. Trong danh mục của chính chúng tôi hôm nay:

• GLM 5.2 — ngữ cảnh 1M, 1,40 đô-la cho mỗi triệu token đầu vào và 4,40 đô-la cho mỗi triệu token đầu ra, được phục vụ trọn vẹn.

• Kimi K3 — ngữ cảnh 1.048.576 token, $3.00/$15.00, và là mô hình mà bảng so sánh của chính Reflection xếp trên ở Terminal Bench.

• Qwen 3.8-Max — ngữ cảnh 1M, $2.00/$6.00, lớp 2T-plus mà Beam tuyên bố có lợi thế về hiệu quả lớn hơn so với.

Lời chào hàng của Beam là nó đạt gần GLM 5.2 về suy luận nâng cao chỉ với một phần nhỏ compute suy luận. Nếu điều đó vẫn đúng dưới một harness độc lập, nó đáng giá tiền thật ở lưu lượng yêu cầu cao. Con số độ dài dòng 79M token là bằng chứng đầu tiên cho thấy nó có thể. Mức giá còn thiếu là lý do bạn chưa thể hoàn tất phép tính.

Đây cũng chính là tình huống mà việc định tuyến loại bỏ phần lớn rủi ro chọn sai. Tại thời điểm viết bài, Beam chưa có trong danh mục của chúng tôi, nên chúng tôi không thể cung cấp nó cho bạn — nhưng mọi mô hình ở trên thì đều có, thông qua một khóa tương thích với OpenAI với giá niêm yết của nhà cung cấp được chuyển nguyên và không cộng thêm phụ phí, nên khi nhà cung cấp giảm giá, hóa đơn của bạn được cập nhật ngay trong ngày thay vì phải chờ đến hợp đồng kế tiếp. Bước đi thực tế là giữ đường sản xuất của bạn trên một mô hình có bảng giá được công bố và đặt bản beta công khai của Beam phía sau một quy tắc định tuyến, để một API bên thứ nhất chưa được kiểm chứng không bao giờ trở thành điểm hỏng đơn lẻ. Chuyển đổi dự phòng tự động sẽ lo phần còn lại: nếu bản beta giới hạn tần suất bạn bằng mã 429 lúc 02:00, yêu cầu sẽ hạ cánh ở nơi không như vậy.

Ai nên di chuyển, và dựa trên bằng chứng nào?

Nếu ràng buộc của bạn là trọng số mở và một giấy phép thông thoáng, thì tuần này là tuần câu trả lời đã trở thành có, chứ không còn là sớm thôi. Apache 2.0, ba mức precision, một bản build 273 GiB vừa vặn trên một node B300 bốn GPU, hỗ trợ vLLM và SGLang ngay từ ngày đầu, một trình xác minh để kiểm tra triển khai của chính bạn, và không hạn chế việc tinh chỉnh hoặc chưng cất. Với bất kỳ ai mà rào cản là "trọng số chưa được phát hành", rào cản đó đã biến mất, và tự vận hành sẽ loại bỏ hoàn toàn bài toán giá API.

Nếu ràng buộc của bạn là phụ thuộc production vào một endpoint được host, hãy cẩn thận hơn. API này là thật và đã có tài liệu, nhưng nó mới ra mắt tuần này, nó áp đặt các giới hạn trên toàn tổ chức mà khóa thứ hai sẽ không thể nâng được, nó mặc định suy luận ở mức nỗ lực tối đa, và giá của nó chưa được công bố. Hãy chạy bộ kiểm thử tuân thủ từ trình xác minh đối với nó trước khi bạn giao phó cho nó bất cứ việc gì có hạn chót.

Nếu ràng buộc của bạn là năng lực ở mức tiên phong, thì không gì trong tuần này thay đổi câu trả lời của bạn. Một điểm 30 trên Intelligence Index, một bảng của nhà cung cấp chịu lép vế trước Kimi K3 trên Terminal Bench và trước GLM 5.2 trên AIME, cùng việc không có bản tái lập độc lập nào cho những con số được nêu bật — tất cả cộng lại thành một mô hình đáng thử, chứ không phải một mô hình đáng đặt cược.

Điều duy nhất cần theo dõi tiếp theo là giá. Reflection đã phát hành nửa khó của một màn ra mắt — trọng số, ngăn xếp phục vụ, tài liệu và một điểm cuối công khai — và bỏ ngỏ nửa dễ, một bảng giá, chưa công bố. Khi con số đó xuất hiện, tuyên bố hiệu quả 3–4× sẽ trở thành một bảng tính thay vì một khẩu hiệu, và việc so sánh với GLM 5.2 hay Kimi K3 sẽ trở thành một quyết định thay vì một cuộc tranh luận về phương pháp luận.

Một kết quả như thế này cũng là lời nhắc rằng những sai sót của mô hình đã được ghi nhận: các sự cố AI và lỗi tác nhân đằng sau các mô hình thuộc lớp này được thu thập 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.