Beam 1.0 与 Ember-1：削减推理账单的两种方式，而只有一种拥有权重

Beam 1.0和Ember-1正从相反的方向追逐同一个条目，这正是这次比较值得一做的原因。Ember-1 是 Fireworks Research 基于 Kimi K3 的衍生模型，于 2026 年 9 月 23 日作为研究预览版发布，它通过重新训练一个已有的前沿模型、让它思考得更简洁来攻克推理成本——厂商主打的说法是在质量相当的情况下 token 数减少约 40%。Beam 1.0 是 Reflection 自研的架构，于 2026 年 10 月 16 日以 Apache 2.0 权重发布，它应对同一成本问题的方式是每个 token 只唤醒 5013 亿参数中的 234 亿，并声称在推理时推理 token 数减少约三倍的情况下达到相当的质量。一个团队改变了一个模型的习惯；另一个团队则打造出一个习惯更省钱的模型。资料来源的情况也同样迥异：Reflection 的权重确实存在，今天就能下载，而 Fireworks Research 既未发布权重，也未公布价格。

这两项主张均由供应商自行报告，且未经复现，而二者都是参照公布了费率表的模型来衡量的——这正是这些算术完全可供核查的唯一原因。

两种机制，以及它们为何不可互换

Fireworks Research 进行了五十多次训练实验和两百多次评估，以去除不改变答案的推理，并表示在七个基准和两个客户生产流量集上，推理长度下降了 35–50%。在包含 89 个任务的 Terminal Bench 2.1 运行中，它报告了 82.0%，而 K3 Max 为 80.9%，同时 token 少 51.9%，每任务成本低 23.10 美元；在 τ-2 Bench Airline 上，节省骤降至 5.9%。这个“约 40%”是一个从大约 6% 到大约 52% 的分布区间的平均值，如果你的工作负载看起来处于该区间的底部，这一点就至关重要。

Reflection 的做法是结构性的，而非行为性的。Beam 1.0 的节省来自激活比例——在任何 token 上模型只有 4.7% 处于唤醒状态，因此按构造每 token 的计算量更低——外加一项关于冗长度的主张。冗长度这一半最有力的支持来自独立第三方：Artificial Analysis 测得 Beam 在其 Intelligence Index 上的输出 token 为 7900 万，而中位数为 1.3 亿，在 46 个模型中排名第十。这是第三方在计数 token，并发现 Beam 比该领域大多数模型更节省——这不是每 GPU 吞吐量的主张，但却是真实的主张。

直白地说：如果 Ember-1 如宣传的那样有效，那么它的任何部署都会变得更便宜。如果 Beam 1.0 如宣传的那样有效，那么它的任何部署都会变得更便宜。这两种说法都没有告诉你，把其中一个换成另一个会发生什么，因为这两个模型规模不同，训练方式不同，生成的 token 也不一样。

逐维度的对比

• 参数 — Beam 1.0：总计 501.3B，每 token 激活 23.4B，激活比例 4.7%；52 层，其中 3 层为稠密层、49 层为 MoE，256 个专家。Ember-1：衍生自 Kimi K3，Fireworks Research 尚未公布其衍生版本的参数量。

• 许可证 — Beam 1.0：Apache 2.0，许可证文件包含在仓库中，对蒸馏、微调、量化或合并没有任何限制。Ember-1：完全不发布权重；它是一项以服务形式提供的研究预览版。

• 获取方式 — Beam 1.0：在 Hugging Face 上提供三种精度，外加位于 api.reflection.ai 的第一方 OpenAI 兼容 API，模型 ID 为 Beam-1.0-501B-A23B。Ember-1：厂商自家的无服务器平台，提供为期两周的访问窗口，实验室将其永久性与需求挂钩。

• 价格 — Beam 1.0：任何地方都未公布；文档中有一个详细的速率限制页面，却没有费率卡。Ember-1：也未公布；其基准测试表中的美元列是根据 Kimi K3 的公开费率套用到 token 数量上计算得出的，而不是来自 Ember-1 的费率。

• 上下文 — Beam 1.0：模型卡上为 100 万 token 窗口，API 上最大输出为 131,072 个 token。Ember-1：预览版未公布；其基础模型支持 1,048,576 个 token。

• 推理控制 — Beam 1.0：五档投入级别，强制推理，默认使用 max。Ember-1：继承 K3 的投入调节旋钮，而该版本的前提是：这个旋钮过于粗糙，重新训练才是更精细的工具。

• 独立评估 — Beam 1.0：Artificial Analysis 智能指数 30，在 v4.3.2 上于 120 个中排名第 19，未记录价格与速度。Ember-1：未发布任何结果；无第三方运行过。

• 自托管最低配置 — Beam 1.0：用于 273 GiB NVFP4 构建的四块通过 NVLink 连接的 NVIDIA B300 SXM GPU，FP8 用八块 H200，以及用于 933.81 GiB BF16 构建的八块 B200 或 B300。Ember-1：没有权重，因此没有可报出的最低配置。

运营者本周究竟能做些什么

这正是两者分道扬镳之处，而且差距绝非毫厘之间。Beam 1.0 的短板是价格，而 Ember-1 的短板则是产物本身。

借助 Beam，你可以下载 273 GiB、针对固定镜像运行 SGLang recipe，并让 beam-verifier CLI 根据 Reflection 在主要基准上的参考分数来评测你的部署。你无法按 token 定价，因为没有人公布过费率，但你可以算出一个资本数字和一个瓦特数字，并将它们与你当前支付的任何费用进行比较。这是一种不寻常的处境：一家在价目表之前就交付了验证工具的供应商。

借助 Ember-1，你可以把流量发送到一个预览端点，而 Fireworks Research 已表示这个端点下个月可能就不复存在；你也可以查阅一份基准测试表，其成本列其实是别人的价目表。它所描述的节省若能成立便是真实的，但产生这种节省的东西，并不是你能握在手里的东西。

这两个模型都是以 Kimi K3 为基准来衡量的，而 K3 是三者中经济性可确知的那一个。它在我们的目录中标价为每百万输入 token 3.00 美元、每百万缓存输入 0.30 美元、每百万输出 15.00 美元，上下文窗口为 1,048,576 个 token。这与 Fireworks Research 对比所用的费率卡相同，因此 Ember-1 表格中的 token 缩减百分比可以换算成你能核实的金额，而不是只能凭信任接受的金额。

这说明了实际的推进次序。先按 K3 当下的路线为这份负载定价，把 Ember-1 的百分比视为切换所能带来的上限，并等到 Ember-1 公布费率之后，再把节省折算成钱。如果这笔账划算到值得动手，对冲的办法就是把预览版放到与生产环境相同的端点之后——OrcaRouter 用一个兼容 OpenAI 的密钥即可调用 200 多个模型，按服务商标价原样透传、不额外加价，并自动故障转移，这样一个消失的预览版只是一次路由变更，而非迁移。两周的窗口期本身并不要求这么做，但也没有任何理由反对这么做。

决定一切的问题

如果你的约束是模型必须归你所有——你需要拥有产物、量化它、合并它，或是在自有边界内运行它——那么在这两者中，Beam 1.0 是唯一勉强算得上候选的那个，而缺失的价格是个不便之处，而非阻碍。四块 GPU 加一个下载好的检查点，就是一套方案。

如果你的约束是你在一个很长的智能体循环中运行 Kimi K3，而账单主要来自你看不见的推理 token，那么两者都很有意思，但两者都还无法给出答案。Beam 的效率优势是结构性的，会适用于任何工作负载；Ember-1 的优势是行为层面的，而且就其自身给出的数字而言，它的适用并不均衡——在 Terminal Bench 上能省一半 token，在一个航空基准测试形态的任务上只能省二十分之一。在两者中的任何一个成为预算里的一行之前，先把它们都在影子模式下跑一遍你真实的流量。那些基准测试表格，无论它们指向哪一边，都是由售卖这些模型的一方做出来的。

这一切都并非假设：像本次这样的发布背后那些有据可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI 事件档案库中，其中每条记录都附有自己的来源、严重程度、置信度评级和存疑标记。