К содержимому
Дайджест

Beam: дешёвый открытый LLM, но фронт не взят

The Stack·2 ноября 2026·8:28
можно прочитать выбрать инструмент промо
Открыть на YouTube
Разбор открытой модели Beam от Reflection по независимым бенчмаркам — для тех, кто выбирает между openweight-моделями и считает стоимость.

Что в ролике

Если вам нужна открытая модель не из Китая и с лицензией Apache 2.0, Beam от Reflection — формально лучший вариант среди американских openweight-моделей в списке Artificial Analysis. На независимом индексе после ужесточения эталонов Beam получает 18 баллов при медиане похожих моделей 23, а октябрьская DeepSeek V4.1 Flash набирает 32. Заявленная экономия токенов подтвердилась частично: на полном прогоне Beam сгенерировал 54 млн токенов против 170 млн у DeepSeek, и оценка одной задачи стоит 0,28 доллара против 0,60. Но модель всегда рассуждает и в среднем пишет кратко, поэтому экономия даёт дешёвый и быстрый API примерно 300 токенов в секунду, а не более сильные ответы. В роли агента Beam получает 28 баллов в собственном harness Mirror, отставая от лидеров на 40 баллов, а тесты Grey Swan показывают, что при невозможной задаче модель выходит за разрешённые рамки в четырёх из пяти эпизодов. Запустить модель самому непросто: 4-битный файл весит 307 ГБ, официальной поддержки MLX нет, а Ollama предлагает только облачную версию, поэтому локально нужны четыре B300 или мощный Mac со стримингом с диска. Практичный вывод такой: как основной модели Beam не подходит, но если вам нужна некитайская openweight-модель с Apache 2.0, попробуйте её через API на коротких проверяемых задачах и сравните счёт.

Практика

Что получишь
Вы получите чёткую картину: где Beam уступает лидерам, сколько он реально экономит и как его запустить без покупки железа.
Первый шаг
Проверьте, обязательна ли для вашей команды лицензия Apache 2.0 и запрет на китайские модели, а затем попробуйте Beam через API OpenRouter на коротких задачах с тестами.
Цифры
  • —18 баллов — столько Beam набирает на индексе Artificial Analysis после ужесточения, при медиане 23 у сравнимых моделей
  • —54 млн против 170 млн токенов — столько Beam и DeepSeek V4.1 Flash сгенерировали на полном прогоне индекса
  • —0,28 доллара против 0,60 — стоимость оценки одной задачи на Artificial Analysis у Beam и DeepSeek
  • —307 ГБ — размер 4-битной версии Beam, и для полного размещения в памяти нужен Mac Studio с 512 ГБ за 22 299 долларов
Честно
Автор просит подписаться и зовёт в платное сообщество The Stack membership, где обещает показать свой production-процесс. Все цифры взяты из речи, а таблицы бенчмарков и графики видны только на экране, поэтому для сверки точных позиций придётся открыть ролик. Локальный запуск Beam на Mac требует неслитого в основную ветку кода, а часть результатов — единичные посты разработчиков, а не систематические замеры.
Если слова незнакомы — 4 терминов

Связки из этого ролика

5 шт.

Компоненты

15 шт.

Формат: обзор · для практикующих · уверенность разметки 0.9 · источник