Beam 与 Beam 1.0：一个并非版本号的版本号

搜索两个看起来像某个产品及其前代的型号名称——Beam和Beam 1.0——你会发现一份并不存在的对比。并不存在一个取代了更早 Beam 的 Beam 1.0，也没有紧随其后的 Beam 1.1，更没有一个读者仍可能还在运行的老版本检查点。Reflection 在 2026 年 10 月发布了一个开放权重模型，在其自己的文字中称之为 Beam，并将相关仓库和托管端点归在标识符 Beam-1.0-501B-A23B 之下。两个标签指向同一个 5013 亿参数的稀疏专家混合模型。版本号是分发标签，而非世代。

这听起来像脚注。其实不是，因为版本后缀正是会传播开来的那部分。它会进入模型 ID，进入路由器配置，进入成本仪表盘，进入有人用来比较供应商选项的电子表格——在那里，人们分不清标着 Beam 的那一行和标着 Beam 1.0 的那一行是两个选项，还是同一个选项因导入出错而重复。把标识理清楚正是这项比较的全部内容，而事实证明，它比规格表更有用：它会告诉你这个东西在产品目录中会如何表现，以及在你把它接入任何东西之前该检查什么。

每个标签实际上来自哪里

这种划分并非随意。每种形式都有其来源，而知道哪个是哪个，才能让你认出同一个模型以两个名称出现：

• "Beam"——厂商的书面名称。发布帖的标题是"Introducing Beam: Reflection's 501B open-weight model"，10 月 16 日的上线公告帖标题为"Beam is now available"，Hugging Face 合集则名为 beam-10。框架生态所采用的也正是这个名称：SGLang cookbook 在其厂商分类下列出的是"Beam 1.0 — New"，而在生产环境中为其提供服务的项目账号也称之为"Beam"。

• “Beam-1.0-501B-A23B”——机器标识符。它是 Reflection 自有 OpenAI 兼容端点上的模型 ID，并编码了构建者所需的同样三项事实：一个模型、首次发布、总计 5010 亿参数、活跃 230 亿参数。连字符至关重要；这是一串用于粘贴的字符串，不是用来搜索的名称。

• "Beam 1.0" —— 该标识符的人类可读呈现形式，也是出现在目录列表、模型目录页面和第三方摘要中的形式。它就是标识符为适配下拉菜单而美化后所得到的结果。

所以这两个搜索词并不是两个模型，而是供应商的用词，以及目录对同一个仓库名称的呈现。

真正造成影响的后果：按名称匹配

其下游的一切——路由规则、允许列表、账单导出、评估工具链——都基于这个字符串进行匹配，而该字符串在你将要粘贴它的各个地方并不稳定。随之而来的是三个实际陷阱，而且没有一个是假设性的：

• 为“Beam”编写的规则不会匹配“beam-1.0-501b-a23b”，而为标识符编写的规则也不会匹配存储了显示名称的目录。大小写和标点因平台而异，没有任何机制会替你协调它们。

• 按显示名称分组的成本仪表板，一旦提供商更改其呈现方式，就会把同一个模型显示为两个明细项，而且总计将无法与你的发票对上。

• 通过同时搜索这两个术语生成的对比电子表格会对同一模型重复计数，而这恰恰是本文旨在防止的错误。如果你有一行是 Beam，另一行是 Beam 1.0，那你就是一个模型却有两行。

这个修复方案并不光鲜：固定标识符，把显示名称当作标签，并且任何价格或基准比较都应以标识符为准，而不是以下拉菜单显示的内容为准。定价问题也是如此——Beam 1.0 在端点或公告中完全没有公布每百万 token 的费率，所以两行里目前都没有数字可填。

那个确实带有真正差异的版本

这个版本中确实存在一整套真正的区别，而它们都不在模型名称里。它们存在于你实际拿到的产物中，而“Beam vs Beam 1.0”这类查询真正指向的正是这里：

• BF16 对比 FP8 对比 NVFP4 — 933.81 GiB，分布于 188 个 safetensors 分片；E4M3 格式下为 468.72 GiB，或打包的 4 位构建为 273 GiB。三者的总参数量同为 501.3B，激活参数量同为 23.4B；区别在于各自所隐含的硬件门槛，从 16 块 GPU 降至通过 NVLink 互联的 4 块 B300。

• 基础模型与草稿模型——DFlash2 是一个独立的 19.3 亿参数投机解码模型，以其独立仓库的形式发布，而不是 Beam 的变体。没有它的部署并不是“未更新的 Beam 1.0”，而是同一个模型以不同方式解码。

• 托管版与可下载版 — 一个标识符，两种交付路径：Apache 2.0 下的检查点，以及一个兼容 O​penAI 的端点，强制进行推理，推理强度从 low 到 max，默认 max，并且组织范围的限制在所有密钥间共享。

如果两个团队对他们在运行的是“哪个 Beam 1.0”意见不一致，那么分歧几乎总是出在那三个维度之一，而不是版本号上。

在正确的日期读取供应商的数据

还有一件事会在不同标签之间发生变化，而且它是真正的困惑来源，而非命名上的假象。Reflection 不止一次发布过其基准测试表，而该页面不同版本之间的数字发生了变化。10 月 5 日的公告给出了一组数字；同一篇帖子上的附注记录了 10 月 8 日的一次更新；而目前的模型卡反映的则是当前的数字。这些差异很小，且大多出现在第三位有效数字上——SWE Bench Pro v2-Hard 的某个配置在较早的表格中读数为 77.2，而在当前的模型卡上为 78.6——但差异之大，足以让两篇引用“厂商数字”的文章彼此矛盾，而就各自对应的日期而言又都准确无误。

没有改变的是结果的形态。以下所有数字均由厂商报告，我们未复现，测量条件为 temperature 0.7 和 top_p 0.99；列出全部三种精度，是因为它们之间的差异本身也是事情的一部分：

• SWE Bench Verified —— 81.6 BF16，80.2 FP8，80.7 NVFP4。这是最受关注的编程分数，也是精度几乎影响不到的一项。

• Terminal Bench v2.1 — 80.1 BF16，78.9 FP8，78.4 NVFP4。在智能体终端工作中，FP8 构建版大约落后 1.5 分。

• AIME 2026 — 97.7 BF16，98.0 FP8，97.5 NVFP4。在每种精度下实际上都已饱和，因此它很难区分它们之间的差异。

• GPQA Diamond — 90.6 BF16，90.3 FP8，89.3 NVFP4。这是 NVFP4 构建版落后最明显的例子，大约低 1.3 个百分点。

一致的模式是：量化在编程和推理基准上代价很小，在知识密集型基准上代价略大，而 FP8 有时甚至直接胜过 BF16——这正是应当基于硬件而非排行榜来选择精度的理由。这也是应当记下你引用的是哪张表的理由。一行标为“Beam”和一行标为“Beam 1.0”可以包含真正不同的数字，而两者都没有错，区分它们的并不是版本后缀，而是日期。

如果你要在两者之间做选择，这意味着什么

在 Beam 和 Beam 1.0 之间没有什么可决定的，因为只有一个模型。实际上摆在你面前的决定包含三个部分，而每一部分都有一个答案：

• 如果你需要在自有硬件上运行一个开放检查点——只有一个选项，三种精度，而选择哪种精度取决于硬件。NVFP4 需要四块 B300，FP8 需要八块 H200，BF16 需要十六台设备，并且设备数量必须能整除 256 个专家。

• 如果你需要一个托管端点——第一方 API 是唯一拥有可查证合约条款的 API，而它目前尚未公布定价，这意味着采购比价在成本维度上还无法完成。

• 如果你需要让它与你已经在调用的模型并排使用——Beam 1.0 并不在我们的路由之列，因此我们无法为你提供它，此处的任何内容都不应被解读为我们对可用性的承诺。我们能做的，是让周边决策的成本足够低。OrcaRouter 用一个兼容 OpenAI 的密钥即可调用 200 多个模型，按提供商标价原价透传、不额外加价，并支持跨提供商自动故障转移，因此 Beam 1.0 的试点可以与生产流量并行运行，而无需取代它，回退路径也只是一条路由规则，而非一次迁移。

根据我们自己的目录及其公布的费率卡，回退最有可能落在以下模型上：

• GLM-5.2 — 每百万输入词元1.40美元，每百万输出词元4.40美元，上下文窗口为1,000,000词元。该模型是Reflection自身效率声明所对标的基准。

• Kimi K3 — 每百万输入 3.00 美元，缓存 0.30 美元，输出 15.00 美元，窗口大小为 1,048,576 个 token。Reflection 的发布文章承认，K3 在原始能力上仍然领先。

• Qwen3.8-Max — 在 1,000,000 token 的窗口下，每百万输入 $2.00、输出 $6.00，是购买 Blackwell 算力之外的专有旗舰替代方案。

有什么可以替代看Beam 2.0的

三件事能让这场对比变得名副其实，而它们都不涉及新的版本号。

首先是价格表。除非 Reflection 在端点上公布每百万 token 的价格，否则托管与自托管的比较就只是拿一个资本数字与空无相比，再多的命名规范也改变不了这一点。

第二点是独立评测。Artificial Analysis 将该模型列入榜单，其智能指数为 30，没有速度数据，也没有价格，并且未记录任何公开可用的 API——对于从事这类评测的机构而言，其托管服务入口尚不可见。其唯一的独立效率数据点是：在智能指数测试中生成 7900 万输出 token，而中位数为 1.3 亿；这支持了厂商"推理 token 更少"的说法，却未能证实其背后的吞吐量。

第三点是这个标签是否曾经出现分歧。一个作为不同检查点的“Beam 2.0”，终将使版本后缀具有实际意义；而等到那一天到来，像这样的查询就不再关乎命名规范，而开始关乎两个模型之间的差异。今天它属于前一类问题。任何把 Beam 与 Beam 1.0 进行比较的人，都是在把一个模型与它自己的仓库名作比较——而这种比较有用的产出，就是一条提示：把你的配置键设为 Beam-1.0-501B-A23B，并停止同时查找两种拼写。

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。