Beam 與 Beam 1.0：不是版本的版本號碼

搜尋兩個看似某產品及其前代的模型名稱——Beam 與 Beam 1.0——你會發現一個根本不存在的比較。並沒有任何取代更早 Beam 的 Beam 1.0，也沒有在其之後等待的 Beam 1.1，更沒有讀者仍可能正在執行的較舊檢查點。Reflection 在 2026 年 10 月發布了一個開放權重模型，在其自家行文中稱其為 Beam，並將這些儲存庫與託管端點歸在識別碼 Beam-1.0-501B-A23B 之下。這兩個標籤都指向同一個 5013 億參數的稀疏混合專家模型。版本號是發行標籤，而不是世代。

那聽起來像是註腳。但它不是，因為版本後綴正是會向外傳播的那個部分。它會進入模型 ID、進入路由器設定、進入成本儀表板，進入某個人正在比較供應商選項的那份試算表——在那裡，他分不清標示為 Beam 的那一列和標示為 Beam 1.0 的那一列，究竟是兩個選項，還是同一個選項因匯入錯誤而重複出現。把身分弄清楚，就是這整項比較的全部內容，而結果證明它比規格表更有用：它會告訴你這東西在型錄裡會如何表現，以及在把它接進任何東西之前該檢查什麼。

每個標籤實際上來自哪裡

這種區分並非任意為之。每種形式都有其來源，而知道哪個是哪個，才能讓你辨認出同一個模型以兩個名稱出現：

• 「Beam」——該供應商在行文中使用的名稱。發布貼文標題為「隆重推出 Beam：Reflection 的 501B 開放權重模型」，10 月 16 日的上線公告標題為「Beam 現已推出」，而 Hugging Face 集合則是 beam-10。這也是框架生態系所採用的名稱：SGLang cookbook 在其供應商標題下列出它為「Beam 1.0 — New」，而在正式環境中提供它的專案帳號則稱它為「Beam」。

• 「Beam-1.0-501B-A23B」——機器識別碼。它是 Reflection 自家 OpenAI 相容端點上的模型 ID，並編碼了建構者所需的三項相同資訊：一個模型、首次發行、總參數 5,010 億、活躍參數 230 億。連字號是不可省略的；這是用來貼上的字串，不是拿來搜尋的名稱。

• "Beam 1.0" — 該識別碼的人類可讀呈現形式，也是會出現在目錄清單、模型目錄頁面和第三方摘要中的形式。當識別碼為了下拉式選單而被美化時，這就是你會得到的結果。

所以，這兩個搜尋詞並不是兩個模型。它們分別是供應商的用詞，以及型錄對同一個儲存庫名稱的呈現。

真正會讓人吃到苦頭的後果：依名稱比對

那之後的所有下游環節——路由規則、允許清單、帳務匯出、評估測試框架——都會以這個字串進行比對，而這個字串在你會貼上它的各個地方並不穩定。接著有三個實際陷阱，而且它們都不是假設性的：

• 為 "Beam" 撰寫的規則不會符合 "beam-1.0-501b-a23b"，而為該識別碼撰寫的規則也不會符合儲存了顯示名稱的目錄。大小寫與標點符號會因平台而異，而且沒有什麼會替你調和它們。

• 依顯示名稱分組的成本儀表板，只要供應商變更其呈現方式，就會把同一個模型顯示成兩個明細項目，而且總計也不會與您的帳單金額相符。

• 透過搜尋這兩個詞彙所建立的比較試算表，會將該模型重複計算，而這正是本文旨在防止的錯誤。如果你有一列是 Beam，另一列是 Beam 1.0，你其實只有一個模型，卻有兩列。

這個修正並不光鮮：固定識別碼，把顯示名稱當成標籤，並讓任何價格或基準比較都以識別碼為依據，而不是以下拉式選單顯示的內容為準。定價問題也是如此——Beam 1.0 在端點或公告中，完全沒有公布每百萬詞元的費率，所以目前這兩列都還沒有數字可填。

那個確實具有實質差異的版本

這個版本確實有一組真正的差異，而它們全都不在型號名稱裡。它們存在於你所取得的成品中，而這正是「Beam vs Beam 1.0」這個查詢真正指向的地方：

BF16 對上 FP8 對上 NVFP4 — 188 個 safetensors 分片共 933.81 GiB，其中 E4M3 佔 468.72 GiB，或是打包的 4 位元版本 273 GiB。三者的總參數量同為 501.3B，活躍參數同為 23.4B；差別在於各自所隱含的硬體門檻，從 16 張 GPU 一路降到 NVLink 中的四張 B300。

• 基礎模型與草稿模型 — DFlash2 是一個獨立的 19.3 億參數推測解碼模型，以自身儲存庫發布，並非 Beam 的變體。未採用它的部署並不是「沒有更新版的 Beam 1.0」，而是同一個模型以不同方式解碼。

• 託管版與可下載版——同一個識別碼，兩種交付途徑：以 Apache 2.0 授權的檢查點，以及一個與 OpenAI 相容的端點，具備強制推理，推理強度從 low 到 max、預設為 max，且全組織限制會在所有金鑰之間共用。

如果兩個團隊對他們所執行的是「哪個 Beam 1.0」意見不一致，那麼分歧幾乎總是出在那三個軸線的其中一條，而不是版本號碼。

在正確的日期查看供應商的數字

還有一件事會因標籤而異，而這是真正造成混淆的來源，而不是命名上的假象。Reflection 已不止一次發布其基準測試表，而數字在該頁面的不同版本之間有所變動。10 月 5 日的公告採用了一組數字；同一篇貼文上的一則註記記錄了 10 月 8 日的更新；而目前的模型卡則反映了當前數據。這些差異很小，且大多出現在第三位有效數字——SWE Bench Pro v2-Hard 的某個配置在較早的表中顯示 77.2，而在目前的模型卡上顯示 78.6——但這些差異已大到足以讓兩篇引用「供應商數字」的文章彼此不一致，卻又各自對其日期而言是準確的。

沒有改變的是結果的形狀。以下所有數據皆由供應商報告，我們並未重現，且是在 temperature 0.7 與 top_p 0.99 下測得；三種精度全都列出，因為它們之間的差距正是故事的一部分：

• SWE Bench Verified — 81.6 BF16、80.2 FP8、80.7 NVFP4。最受矚目的程式編寫分數，也是精確度幾乎影響不到的一項。

• Terminal Bench v2.1 — 80.1 BF16、78.9 FP8、78.4 NVFP4。在代理式終端機工作中，FP8 版本大約讓出一點五分。

AIME 2026 — 97.7 BF16、98.0 FP8、97.5 NVFP4。在每種精度下實際上皆已飽和，這使得它難以有效區分它們。

• GPQA Diamond — 90.6 BF16、90.3 FP8、89.3 NVFP4。這是 NVFP4 建置版本落後最明顯的例子，大約差了 1.3 分。

一致的現象是：在程式編寫與推理基準測試上，量化幾乎沒什麼代價，而在知識密集型的基準測試上代價稍高一些，有時 FP8 甚至直接略勝 BF16——這正是應根據硬體因素、而非排行榜因素來選擇精度的理由。這也是應記下你引用的是哪張表的理由。標示為「Beam」的一列與標示為「Beam 1.0」的一列，可能含有確實不同的數字，而這兩者都沒有錯，且版本後綴並不是區分它們的依據。日期才是。

如果你正在它們之間做選擇，這意味著什麼

在 Beam 與 Beam 1.0 之間沒有需要做的決定，因為只有一個模型。真正擺在你面前的決定有三個部分，而每一部分都有答案：

• 如果你需要在自己的硬體上使用開放檢查點——只有一個選項、三種精度，而要在它們之間做選擇是個硬體問題。NVFP4 用四張 B300，FP8 用八張 H200，BF16 用十六張裝置，而且裝置數量必須整除 256 個專家。

• 如果你需要託管端點——第一方 API 是唯一有明文合約的，而且它目前沒有公開定價，這表示目前還無法以成本為基礎完成採購比較。

• 如果你需要它與你已經在呼叫的模型並列——Beam 1.0 不是我們的路由之一，因此我們無法為你提供它，此處任何內容也不應被解讀為我們對可用性的聲明。我們能做的是讓周邊的決策成本維持低廉。OrcaRouter 以單一 OpenAI 相容金鑰跨 200 多個模型運作，按供應商的定價原價透傳、不加收任何費用，並提供跨供應商的自動容錯移轉，因此 Beam 1.0 的試點可與生產流量並行，而非取而代之，而備援路徑是一條路由規則，而不是一次遷移。

根據我們自家目錄及各家公布的價目表，fallback 最有可能落到的那幾個模型：

• GLM-5.2 — 每百萬個輸入 token 為 1.40 美元，每百萬個輸出 token 為 4.40 美元，並具備 1,000,000 token 的脈絡視窗。 用來衡量 Reflection 自身效率宣稱的模型。

• Kimi K3 — 每百萬輸入 $3.00、快取 $0.30、輸出 $15.00，並具備 1,048,576 個詞元的上下文視窗。Reflection 的發表文章承認，K3 在原始能力上仍保持領先。

• Qwen3.8-Max — 在 1,000,000-token 視窗下，每百萬輸入 $2.00、輸出 $6.00，是購買 Blackwell 算力的專有旗艦替代方案。

除了 Beam 2.0，還能看什麼？

有三件事能讓這項比較成為真正的比較，而它們都不涉及新的版本號。

第一項是價目表。在 Reflection 於該端點上公布每百萬個 token 的價格之前，託管與自託管之間的比較，就只是拿一個資本數字去和空無一物相比，而再多的命名紀律也無法解決這一點。

第二個是獨立測量。Artificial Analysis 將該模型列為 Intelligence Index 30，沒有速度數據，也沒有價格，並未記錄任何公開可用的 API——代管介面尚未對那些衡量這些事物的組織可見。其唯一的獨立效率數據點，在 Intelligence Index 中生成的 79M 輸出詞元，對比中位數 130M，支持了供應商「更少推理詞元」的說法，但並未證實其背後的吞吐量。

第三個問題是：這個標籤是否曾出現分歧。一個若是不同檢查點的「Beam 2.0」，終於會讓版本後綴具有意義；而等到那一天到來，像這樣的查詢就不再屬於命名規範問題，而會開始關乎兩個模型之間的差異。今天它還是第一類問題。任何人拿 Beam 和 Beam 1.0 相比，其實都是在把一個模型和它自己的儲存庫名稱相比——而這種比較有用的產出，就是提醒你：將設定以 Beam-1.0-501B-A23B 為鍵，並停止再搜尋兩種拼法。

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。