Beam 1.0 對比 Ember-1：削減推理帳單的兩種方法，而只有其中一個擁有權重

Beam 1.0與Ember-1正從相反方向追逐同一個項目，這正是這場比較值得一做的原因。Ember-1 是 Fireworks Research 的 Kimi K3 衍生模型，於 2026 年 9 月 23 日以研究預覽形式發布，它透過重新訓練既有的前沿模型、讓其思考更精簡，來解決推理成本問題——廠商主打的說法是：在品質相當下，token 用量約減少 40%。Beam 1.0 是 Reflection 自家的架構，於 2026 年 10 月 16 日以 Apache 2.0 權重釋出，它透過每個 token 只喚醒 5013 億個參數中的 234 億個，來解決同樣的成本問題，並宣稱在推理時所需的推理 token 數少約三倍的情況下，仍能達到相當的品質。一個團隊改變了模型的習慣；另一個團隊則打造出習慣更省成本的模型。來源取得的情況也同樣截然不同：Reflection 的權重確實存在，而且今天就能下載；Fireworks Research 則既未發布權重，也未公布價格。

這兩項說法都是供應商自行提報且未經重現，而且兩者都是對照已公布價目表的模型來衡量——而這正是這些計算之所以完全可供檢核的唯一原因。

兩種機制，以及為何它們不能互換

Fireworks Research 執行了超過五十次訓練實驗與逾兩百次評估，以移除不會改變答案的推理，並表示在七項基準與兩組客戶正式環境流量資料上，推理長度下降了 35–50%。在包含 89 項任務的 Terminal Bench 2.1 測試中，它回報 82.0%，相較 K3 Max 的 80.9%，token 用量少了 51.9%，每項任務少花 $23.10；在 τ-2 Bench Airline 上，節省幅度驟降至 5.9%。「大約 40%」是介於約 6% 到約 52% 的分布平均值，如果你的工作負載落在該範圍的低端，這一點影響極大。

Reflection 的做法是結構性的，而非行為性的。Beam 1.0 的節省來自啟動比例——在任何 token 上，模型只有 4.7% 處於喚醒狀態，因此每個 token 的運算量從構造上就更低——再加上一項關於冗長度的主張。關於冗長度那一半，最有力的支持來自獨立來源：Artificial Analysis 在其 Intelligence Index 中測得 Beam 的輸出 token 數為 79M，而中位數為 130M，在四十六者中排名第十。這是第三方在計算 token 數，並發現 Beam 比該領域大多數模型更節省；這不是每 GPU 吞吐量的主張，但卻是一項真實的主張。

直白地說：如果 Ember-1 如其宣傳般運作，任何採用它的部署都會變得更便宜。如果 Beam 1.0 如其宣傳般運作，任何採用它的部署都會變得更便宜。這兩項主張都沒有告訴你，當你把其中一個換成另一個時會發生什麼事，因為這兩個模型大小不同、訓練方式不同，產生的 token 也不一樣。

逐維度比較

• 參數 — Beam 1.0：總計 501.3B，每 token 啟用 23.4B，啟用率 4.7%；共 52 層，其中 3 層為稠密層、49 層為 MoE，並有 256 個專家。Ember-1：衍生自 Kimi K3，而 Fireworks Research 尚未公布其衍生模型的參數量。

• 授權條款 — Beam 1.0：Apache 2.0，授權檔案置於儲存庫中，且對蒸餾、微調、量化或合併沒有限制。Ember-1：完全未發布權重；它是以服務形式提供的研究預覽版。

• 存取 — Beam 1.0：在 Hugging Face 上提供三種精度版本，外加位於 api.reflection.ai 的第一方 OpenAI 相容 API，模型 ID 為 Beam-1.0-501B-A23B。Ember-1：供應商自家的無伺服器平台，提供為期兩週的存取窗口，實驗室表示其是否永久提供取決於需求。

• 價格 — Beam 1.0：未在任何地方公布；文件中只有詳細的速率限制頁面，沒有價目表。Ember-1：也未公布；其基準測試表中的美元欄位，是根據 Kimi K3 的公開費率套用到 token 數量後計算得出，而非來自 Ember-1 的費率。

• 上下文 — Beam 1.0：模型卡上標示為 1M 個 token 的視窗，API 上的最大輸出為 131,072 個 token。Ember-1：預覽版未公布；其基礎模型具備 1,048,576 個 token。

• 推理控制 — Beam 1.0：五個努力等級、強制推理、預設為最大值。Ember-1：繼承 K3 的努力調節盤，而該版本的前提是：調節盤過於粗略，重新訓練才是更精細的工具。

• 獨立評估 — Beam 1.0：Artificial Analysis Intelligence Index 為 30，在 v4.3.2 的 120 個項目中排名第 19，且未記錄價格與速度。Ember-1：未發布任何資料；尚無第三方對其進行測試。

• 自架設門檻 — Beam 1.0：針對 273 GiB NVFP4 版本，需在 NVLink 上使用四張 N​VIDIA B300 SXM GPU；FP8 需八張 H200；而 933.81 GiB BF16 版本則需八張 B200 或 B300。Ember-1：沒有權重，因此沒有門檻可提供。

一位營運者這週實際上能做什麼

這正是兩者分歧之處，而且這絕非微不足道的差異。Beam 1.0 的不足在於價格。Ember-1 的不足則是產物本身。

使用 Beam，你可以下載 273 GiB、針對固定映像檔執行 SGLang recipe，並讓 beam-verifier CLI 依據 Reflection 在主要基準測試上的參考分數來評定你的部署。你無法按 token 計價，因為沒有人公布過費率，但你可以算出資本數字與瓦數數字，並將它們與你目前支付的任何費用相比。這是一種不尋常的處境：一家先推出驗證工具、後公布價目表的廠商。

使用 Ember-1，你可以將流量送往一個預覽端點，而 Fireworks Research 表示這個端點下個月可能就不存在了；你也可以閱讀一份基準測試表，其成本欄位其實是別人的價目表。它所描述的節省若真能成立，確實是真的，但產生這項節省的東西並不是你能握得住的。

這兩款模型都是對照 Kimi K3 來衡量，而 K3 是三者中唯一成本結構可確知的一個。它在我們的價目目錄中，每百萬輸入 token 為 3.00 美元、每百萬快取輸入為 0.30 美元、每百萬輸出為 15.00 美元，並具備 1,048,576 token 的上下文視窗。這與 Fireworks Research 那份比較所使用的價目表相同，因此 Ember-1 表格中的 token 縮減百分比，換算成的是你可以查證的美元金額，而不是只能憑信心接受的數字。

這暗示了實際的執行順序。先以 K3 目前的路由為這項工作負載定價，把 Ember-1 的百分比視為切換可能換來的上限，並等到 Ember-1 公布費率後，再把節省金額換算成實際金錢來建模。如果算出來的數字夠吸引人、值得據此行動，避險做法就是把預覽版放在與正式環境相同的端點後面——OrcaRouter 用單一 OpenAI 相容金鑰即可跨 200 多款模型運作，依原價轉嫁供應商的定價、不額外加價，並自動容錯切換，因此預覽版消失只是路由變更，而非移轉。兩週的窗口本身並沒有任何理由要求這麼做，也沒有任何理由反對這麼做。

決定一切的問題

如果你的限制是模型必須屬於你——你得擁有這個產物、將它量化、合併它，或在某個周界內運行它——那麼在這兩者之中，Beam 1.0 是唯一勉強夠格的候選，而價格從缺只是不便，而非阻礙。四張 GPU 加上一個下載好的檢查點，就是一套計畫。

如果你的限制條件是你以長時間的代理迴圈執行 Kimi K3，而帳單主要被你看不見的推理詞元所占據，那麼兩者都很有意思，而且目前都還無法給出答案。Beam 的效率優勢是結構性的，會適用於任何工作負載；Ember-1 的效率優勢則是行為性的，而且單就它自己的數字來看，其適用並不平均——在 Terminal Bench 上是一半的詞元，在一個類似航空公司基準的任務上則是二十分之一。在兩者任何一個成為預算中的一筆項目之前，先讓兩者以影子模式在你的自有流量上運行。那些基準測試表格，無論它們指向哪個方向，都是由販售這些模型的各方所建立的。

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。