Beam 1.0 vs Clef Flash：一個會寫程式碼，一個連一句話都寫不出來

將Beam 1.0與Clef Flash並排放置，這個比較看起來荒謬，直到你注意到它實際上在比什麼。Beam 1.0 是 Reflection 的 5,013 億參數混合專家模型，於 2026 年 10 月 16 日以 Apache 2.0 授權發布權重，專為程式設計、推理與長程代理式工作打造；它能讀取文字並輸出文字。Cloudflare 的 Clef Flash 是 90 億參數模型，完全沒有文字輸出途徑——不是降級的途徑，而是完全沒有。它接收一個狀態，加上一份由具型別問題組成的 schema，並為每個允許的答案回傳一個機率。任何依據基準測試分數將這兩者相互排名的頁面，都誤解了兩者。有用的問題是它們各自在管線中占據哪個位置，因為在設計良好的系統中，它們不是競爭對手；而是相鄰的階段。

那種相鄰性值得精確理解，因為它解釋了一類單一模型基準測試無法浮現的生產故障：你因為手邊只有它而硬加在聊天模型上的解析器，以及一百個答案中不符合你 schema 的第五十一個答案。

每個模型實際回傳的內容

從輸出形狀開始，因為其他一切都是由它衍生而來。

• Beam 1.0 — 自由格式文字，並強制進行推理。支援的 effort 為 low、medium、high、xhigh 和 max，且 max 是預設值，因此開箱即用的設定會思考最久。推理、工具呼叫和結構化輸出全都支援，而結構化輸出加上 JSON schema 是 Beam 最接近受約束回傳的方式。

• Clef Flash — 對一組已宣告答案集的分布。Cloudflare 的文件描述了一種會為每個獲允許選項評分的前向傳遞；沒有生成步驟，因此也沒有解析步驟。廠商自身的說法是，這是一個決策模型，而該發布中的第二項產品則是一個用於打造更多這類模型的強化學習微調平台。

實務上的差異在於，當輸入超出範圍時會發生什麼事。當你向文字模型詢問超出其能力範圍的事物時，它會產出語氣自信的文字，而你的系統必須察覺到這點。Clef Flash 會針對你提供給它的選項產生加總為一的機率，這表示超出範圍的輸入會呈現為平坦分布，而不是看似合理的句子——前提是你有為此建立門檻，而供應商並未提供。Cloudflare 自家公布的表格顯示，該情境是該模型最弱的儲存格。

這些評估並未重疊，而這就是發現。

Clef Flash 的分數來自 Jev Decision Index，以及一組針對特定決策的測試套件，全部由 Cloudflare 執行，其中數項是對照競爭對手自家的基準測試來跑——Jev 由 TypeSafe 發布，而 TypeSafe 正是 Clef Flash 被拿來評比的那個模型的供應商。在這些套件上，數字十分亮眼：BFCL 案例精確度 98.8、API-Bank 93.1、家用電器模擬 97.7、ContractNLI 巨觀 F1 84.3、RouterBench 79.9。Clef Flash 在 BFCL、API-Bank 與家電套件上都略勝較大的 27B Clef，其中最後一項更是領先十四個百分點。這些結果無一經過獨立重現。

Beam 的評估方式在本質上不同。Reflection 的模型卡報告了代理式與軟體工程基準——SWEBench Verified 81.6、Terminal Bench v2.1 80.1、DeepSWE v1.1 43.3、GPQA Diamond 90.6（在 BF16 檢查點上）——全都是廠商自行報告的。唯一的外部數字來自 Artificial Analysis，它將 Beam 1.0 列在 Intelligence Index 30 分，在索引版本 v4.3.2 的 120 個模型中排名第十九，並且沒有記錄價格與速度，因為它仍認為該模型「沒有公開可用的 API」。Clef Flash 那一欄中沒有任何項目對應於 Intelligence Index，而 Beam 那一欄中也沒有任何項目對應於個案精確的路由器分數。它們不在同一個軸上。

你能比較的是成本結構，而在這裡，兩者處於光譜的兩端。Cloudflare 在 Workers AI 上代管 Clef Flash，每百萬個輸入 Token 收費 $0.038，輸出 Token 計費為零，因為根本沒有輸出——大約是同一份價目表對較大的 27B Clef 所收取 $0.24 的六分之一，也略低於我們對回應相同請求型態的決策模型所收取的 $0.042。Beam 1.0 完全沒有公布每百萬 Token 的價格——Reflection 的文件有一整頁速率限制說明，卻沒有價目表。自行代管是唯一有標價的途徑，而且起點是四張 N​VIDIA B300 GPU。

在真實系統中，每一個各自所屬的位置

誠實的答案是，Clef Flash 取代的，是你很可能做得很糟的一個步驟；而 Beam 1.0 取代的，則是你很可能正以高昂成本進行的一個步驟。

Clef Flash 的目標是代理迴圈內的分類、路由、閘控與分流——凡是正確輸出屬於一組已知標籤中的某一個，而格式錯誤答案的代價是下游例外的地方。其已公布的延遲概況——中位數約 38.8 毫秒、p95 為 122.4 毫秒——正是此類場景的關鍵，因為它是在並非以文字模型的首個 token 時間來衡量的情境下所測得。

Beam 1.0 的目標是工作本身：解決 GitHub 問題、在 CLI 中操作、執行多步驟的工具工作流程。Reflection 提出的論點是 token 效率，而非巔峰能力——模型卡宣稱，在推論時推理 token 用量約僅為三分之一的情況下，能達到與領先開源模型相當的解答品質，而最有力的佐證是 Artificial Analysis 在 Intelligence Index 上記錄到 Beam 的輸出 token 為 7,900 萬，對比中位數 1.3 億，在該指標上於四十六個模型中排名第十。在長時間的代理執行中，每一輪都會重播先前的對話，而這正是會不斷複利累積的項目。

兩者都不在我們的商品目錄中，我們也不會暗示並非如此。Clef Flash 在 Cloudflare 自家的邊緣 GPU 上執行，而 Apache-2.0 權重可由您自行託管；Beam 1.0 的權重在 Hugging Face 上以 Apache 2.0 授權提供，並搭配一個未公布定價的第一方 API。

保持兩者皆可觸及的理由

相較於對兩者都使用單一聊天模型的做法，在閘門端採用決策模型、並在其後配置推理模型的管線，是嚴格上更好的架構；而以這種方式建構的成本，就是第二個相依性的營運成本——第二份合約、第二組金鑰、第二種失敗模式。路由器移除的是這部分，而不是模型部分。

如果你系統中的 gate 步驟就是 Clef Flash 所描述的那些，最接近的已路由對等方案是 TypeSafe 的 Jev 1.13——Cloudflare 選為其基準對應項的模型，其 API 與 Clef Flash 的請求格式相容，而且在我們的目錄中，每百萬輸入 token 為 $0.042，輸出計費為零，並具有 65,536 token 的上下文。

針對閘門後端的推理階段，我們的型錄收錄了 Beam 所對標的模型：GLM-5.2 每百萬權杖 1.40 與 4.40 美元，視窗為 1,000,000 個權杖，Kimi K3 為 3.00 與 15.00 美元、視窗 1,048,576，而 Qwen3.8-Max 為 2.00 與 6.00 美元。一組相容 OpenAI 的金鑰即可涵蓋全部，供應商定價原價直通，不額外加價，而自動容錯移轉意味著閘門階段不會因為某個供應商短暫出狀況就停擺。

你也可以讓這兩個階段分別使用不同的模型，而不必綁定其中任何一個：把結構描述分類流量送往決策端點、將自由文字工作交給推理模型的路由規則，正是路由 DSL 的一般情況；這表示決策階段的準確度與推理階段的成本可以各自獨立調校，而不是在單一模型的參數量內互相取捨。

你實際上是在選購哪一個

如果你會來到這裡，是因為你的代理偶爾吐出一個你的解析器拒收的 JSON 資料塊，那麼你要的不是一個 5010 億參數的模型。你要的是決策模型，而該問的問題是：你的答案集是否真的可列舉，以及你的棄答政策是什麼——因為 Clef Flash 給你的是機率，不是拒答。

如果你會來到這裡，是因為你的程式編寫代理帳單主要由你看不見的推理 token 佔據，那你想要的不會是一個 90 億參數的分類器。你想要的是 Beam 1.0，或是它被拿來衡量的其中一個模型；而該問的問題是：你能自己託管它，還是你正在等一份尚未公布的價目表。

正面對決式的框架唯一說對的一件事是：兩者都是從相反兩端押注同一個命題——代理昂貴的部分不是答案，而是圍繞答案的一切。Cloudflare 的解法是把生成從那些從來不需要生成的步驟中移除。Reflection 的解法是讓生成在每個思考 token 上更便宜。兩者一起部署的成本低於單獨部署其中任一個，而這比任何一家廠商的基準測試表所會告訴你的結果都更好。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。