Beam 1.0：Reflection 開源了權重，Artificial Analysis 給它評了 30 分

本週 Reflection 的 Beam 1.0 發生了兩件事，而它們指向相反的方向。這個模型——Beam 1.0-501B-A23B，是一個稀疏混合專家系統，總參數量 5,010 億，每個 token 啟用 230 億參數——它不再只是承諾：權重已在 Hugging Face 上以 Apache 2.0 釋出，273 GiB 的 NVFP4 版本現在可供下載，而且還有第一方 API，附有明文記載的合約與實際的速率限制頁面。與此同時，任何人為它發布的第一個獨立數字，是在 Artificial Analysis Intelligence Index 上的 30 分——在索引版本 v4.3.2 上評估的 120 個模型中排名第 19，且高於 Artificial Analysis 為規模相近的同類開放權重模型所記錄的中位數 19。已發布的廠商通常能選擇要由這兩項事實中的哪一項領銜。在這裡，兩者同時成立，而誠實的解讀是：Beam 1.0 以比預期更低的成本登場，但得分低於自家發布貼文所暗示的水準。

這是我們先前報導的後續，而這樣的框架是刻意的：Beam 1.0 並不新。Reflection 在 2026 年 10 月 5 日發布了它，並在 10 月 8 日更新了基準測試表。過去七天內改變的，是買家真正需要的一切——權重、託管、API、限制，以及外部量測。如果你讀了發布報導後決定再等等，那麼等待的理由已經不存在了。

本週實際發布了什麼

Reflection 的「Beam is now available」貼文日期為 2026 年 10 月 16 日，它補上了那道缺口，而正是這道缺口讓當初的發布貼文顯得語帶保留。10 月 5 日時，這些權重還是 Reflection 表示「will release」的東西。截至本週，它們已經存在，共有三種精度，外加一個推測解碼（speculative-decoding）草稿模型：

• BF16 — 501.3B 參數，分散於 188 個 safetensors 分片，已上傳至 reflection/Beam-1.0-501B-A23B 儲存庫，時間為 10 月 7 日，之後並經過修訂。

• FP8 — 在 E4M3 中具有相同的 501.3B 參數量，磁碟上為 468.72 GiB。

• NVFP4 — 一個大小為 273 GiB 的封裝 4 位元版本，也就是 Reflection 自家服務指南要你下載的那個。

• DFlash2——一個19.3億參數的推測解碼草稿模型，於10月13日上傳，以獨立儲存庫發布，並記載為其自身的服務最佳化方案。

這四個全都帶有 apache-2.0 標籤，而且授權檔案放在儲存庫裡，而不是寫在部落格的一句話中，這正是授權與承諾之間的差別。Reflection 也表示它不限制蒸餾、微調、量化或合併。

服務部署方面的情況同樣具體。Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed 與 NVIDIA Dynamo 都提供首日支援，而 Reflection 的文件則有 SGLang、vLLM、TokenSpeed 的逐步指南，以及 Kubernetes 的 Helm chart。參考的自架需求是四張以 NVLink 連接的 NVIDIA B300 SXM GPU——單機而非叢集，這比 500B 模型通常意味的門檻低得多，且直接源自 23B 的激活比例。

另外也有一個驗證工具。開源 beam-verifier CLI 會對任何運行中的 Beam 端點執行一致性測試套件，然後以主要基準測試對其進行評估，讓你能將你的部署或供應商的部署，與 Reflection 的參考分數比較。任何能讓買方查核供應商數字、而非只能信任它們的東西，都值得了解。

第一個外部評分，而且它不是發布貼文的編號。

Artificial Analysis 將 Beam 1.0 列入榜中，其 Intelligence Index 為 30，在 120 個模型中排名第 19。同一筆資料顯示，該模型在整個 Index 中使用了 79M 個輸出 token——「第 10 名／46」——而中位數為 130M——這是 token 效率的主張首次出現在獨立評測框架中。Artificial Analysis 也未列出 Beam 的價格與速度，因為截至本文撰寫時，它對該模型仍記錄為「尚無公開可用的 API」，僅指向自行架設。這個落差本身就是一種資訊：API 確實存在，但尚未以評測機構能夠採用的形式出現。

仔細看這個 30。它不是對廠商基準測試表的判決——兩者衡量的是不同測試框架上的不同事物。Reflection 的模型卡隨權重一併發布，其中報告 BF16 檢查點在 SWEBench Verified 上達 81.6%、在 Terminal Bench v2.1 上達 80.1%，並在 GPQA Diamond 上達 90.6%；而發布文章明確表示，像 Kimi K3 這類前沿模型在原始能力上仍然領先，Beam 的論點是「推論時的效率」，而非在頂端達到同等水準。這些數字仍屬廠商自行報告，而就我們所能找到的資料，目前還沒有人重現過。但公開端點加上驗證器 CLI 的發布，正是讓重現至少有可能的原因；而在一個涵蓋 120 個模型的指數中拿到 30，是這個故事裡第一個不是由 Reflection 產生的數字。

價格、限制，以及它們對每項任務的意義

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• 上下文視窗 — 1,048,576 個 token，最大輸出為 131,072 個 token，預設 max_tokens為 32,768。

• 推理——強制，而非選用。支援的推理強度為 low、medium、high、xhigh 與 max，預設為 max。推理權杖會計入你的速率限制。

• 功能 — 推理、工具呼叫與結構化輸出，文字輸入與文字輸出。

• 速率限制 — 依組織計算，以每分鐘及每個 UTC 日的請求數與 token 數為單位，並有並行請求上限與可選的每日 token 額度。超額時會傳回 429，並附帶 rate_limit_exceeded 或 daily_allowance_exhausted；而當每日額度用盡時，回應會設定 x-should-retry: false，因此單純的重試迴圈只會空轉。

文件裡沒有提供的，是一項公開的每百萬 token 價格。Reflection 的公告只說它「免費開始使用」，而無論是文件或公告，都沒有公布價目表。那是這幅圖像中至今仍缺漏的一行，而正是這一行，決定了效率論點在帳單上究竟有沒有意義。一個每次請求都進行推理、預設以最高投入運作，並宣稱在先進推理上的推論算力比 GLM 5.2 低 3 到 4 倍的模型，在每百萬輸出 token 收費 0.50 美元與 5.00 美元時，是截然不同的兩回事——而目前 Reflection 以外的任何人都說不出究竟是哪一種。

文件中有兩點實務上的注意事項，值得帶入試行計畫。第一，預設的 effort 是 max，因此開箱即用的設定是最昂貴的一種；重視成本的整合應該從第一次呼叫就明確設定 reasoning_effort。第二，限制是以組織為單位，並跨專案與金鑰共用——新增金鑰並不會提高限制，這種細節往往要等到你已經建好第二個整合之後才會讓你付出代價。

它相較於你實際上會拿來比較的那些型號，究竟位居何處

真正有趣的比較，不是跟前沿旗艦比——在這一點上 Reflection 認了——而是跟 Beam 在定價與規模上對標的開放權重模型比。以我們今天的自家目錄來說：

• GLM 5.2 — 100 萬上下文，每百萬輸入詞元 $1.40、每百萬輸出詞元 $4.40，全面提供服務。

• Kimi K3 — 1,048,576 token 上下文，$3.00/$15.00，以及 Reflection 自家表格中在 Terminal Bench 上排名領先的模型。

• Qwen 3.8-Max — 1M 上下文，$2.00/$6.00，2T-plus 級別的 Beam 聲稱相較之下具有更大的效率優勢。

Beam 的賣點是：它能以一小部分推理算力，在先進推理上達到接近 GLM 5.2 的水準。如果這在獨立測試框架下仍成立，那麼在高請求量下就確實值得投入真金白銀。79M-token 的冗長度數字，是第一項顯示它可能如此的證據。缺失的價格，正是你目前還無法完成這道算術的原因。

這也是在這種情況下，路由能消除大部分做錯選擇的風險。撰寫本文時，Beam 尚未在我們的目錄中，因此我們無法為你提供它——但上述每一個模型都可以透過一組與 OpenAI 相容的金鑰取得，並以供應商的定價原價轉嫁、完全不加成，因此廠商降價當天就會反映到你的帳單，而不是等到下一次簽約。實際的做法是：讓你的正式環境路徑使用有公開價目表的模型，並把 Beam 的公開測試版放在路由規則之後，這樣一個未經實證的第一方 API 就永遠不會成為單點故障。自動容錯移轉會處理其餘的事：如果測試版在凌晨兩點以 429 對你限流，請求就會落到不會這麼做的地方。

誰應該改變立場，以及基於什麼證據

如果你的限制條件是開放權重與寬鬆授權，那麼本週就是答案從「還要再等」變成「可以了」的一週。Apache 2.0、三種精度、一個能在單一四 GPU 的 B300 節點上運行的 273 GiB 版本、首日就支援 vLLM 與 SGLang、一個可用來檢查你自己部署的驗證器，以及對微調或蒸餾沒有限制。對於任何卡在「權重還沒釋出」的人來說，這個障礙已經消失，而自行託管則完全消除了 API 價格問題。

如果你的限制是生產環境必須依賴託管端點，那就得更小心。這個 API 確實存在且有文件記載，但它是本週才上線的，它會強制執行全組織層級的限制，而第二把金鑰無法提高這些限制；它預設會以最大努力進行推理，而且價格尚未公開。在你要把任何有截止期限的任務交給它之前，先對它執行由驗證器提供的符合性測試套件。

如果你的考量是前沿能力，本週沒有任何事會改變你的答案。Intelligence Index 上的 30 分、一張在 Terminal Bench 上向 Kimi K3 讓步、在 AIME 上向 GLM 5.2 讓步的廠商表格，再加上頭條數字沒有獨立複現，加總起來只說明這是一個值得一試的模型，而不是一個值得押注的模型。

接下來最值得關注的一件事就是價格。Reflection 已經交付了一場發布中困難的那一半——權重、服務堆疊、文件與公開端點——卻把簡單的那一半，也就是費率表，留著未發布。當那個數字出爐時，3–4 倍效率的說法就會變成試算表，而不是口號；與 GLM 5.2 或 Kimi K3 的比較也會變成一個決策，而不是關於方法論的爭論。

這樣的結果也提醒我們，模型錯誤早已有紀錄：這一類模型背後的 AI 事件與代理失效，都收錄在OrcaRouter AI Incident Archive，其中每一筆紀錄都附有自己的來源、嚴重程度、可信度等級與爭議標記。