Beam 1.0

Fiche modèle · Reflection AI · beam-1.0-501b-a23b

Beam 1.0 is Reflection AI's first open-weight model: a sparse Mixture-of-Experts reasoning model with 501.3B total parameters and 23.4B active per token (52 layers: 3 dense + 49 MoE; 256 experts; gated GQA with sliding-window attention; 152K vocabulary), pretrained on 23.8T tokens and post-trained with large-scale asynchronous RL. It targets coding, long-horizon agentic work, and tool use, with a 1M-token context window, up to 128K output tokens on the Reflection API, text-only input/output, and mandatory reasoning with low/medium/high/xhigh/max effort levels. Released under Apache 2.0 in BF16, FP8, and NVFP4 with a DFlash speculative-decoding drafter; available on Hugging Face, the Reflection API (Beam-1.0-501B-A23B), OpenRouter, and other partners.

Fiches modèles

Identité

Organisation	Reflection AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-10-16
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 501 Md > 107 Md
Modalités	text
Fenêtre de contexte	1 000 000
KV cache / token (Q8)	106.5 ko/token
Paramètres totaux	501 B
Paramètres actifs (session)	23.4 B
Source des paramètres actifs	api : https://llm-stats.com/models/beam-1.0-501b-a23b
Curation des paramètres actifs	2026-10-27
Prix par session	0.64 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	5.38 $ (est.)
Tokens d'entraînement	23 800 000 000 000
Coupure de connaissance	2026-06-30
Créé le	2026-10-21T20:05:56.832266Z
Mis à jour le	2026-11-04T06:05:12.317485Z
Source	LLM Stats
URL	https://llm-stats.com/models/beam-1.0-501b-a23b

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Reflection AI	llm-stats	inconnu	—	—	—	—	—	—	active
Together AI	llm-stats	non	0.40 $	1.20 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
instruction_following	0.80
knowledge	10.80
long_context	0.70
math	0.50
physics	0.70
reasoning	1.20
science	10.80
search	0.80
structured_output	0.70
frontend_development	0.80
general	1.10
agents	0.60
biology	0.70
chemistry	0.70
code	0.70
tool_calling	0.60
vision	0.40

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-lcr	reasoning	0.78	1.00	0.78	non	oui	2026-11-04T06:05:12.374647Z
aa-omniscience-index	knowledge	10.80	200.00	0.05	non	oui	2026-11-04T06:05:12.384025Z
aime-2026	math	0.98	1.00	0.98	non	oui	2026-11-04T06:05:12.338510Z
automationbench	agents	0.39	1.00	0.39	non	oui	2026-11-04T06:05:12.359559Z
browsecomp	reasoning	0.77	1.00	0.77	non	oui	2026-11-04T06:05:12.368396Z
critpt	reasoning	0.16	1.00	0.16	non	oui	2026-11-04T06:05:12.350407Z
deepsearchqa	search	0.81	1.00	0.81	non	oui	2026-11-04T06:05:12.371620Z
deepswe-1.1	code	0.43	1.00	0.43	non	oui	2026-11-04T06:05:12.320697Z
gpqa	reasoning	0.91	1.00	0.91	non	oui	2026-11-04T06:05:12.353491Z
humanity's-last-exam	reasoning	0.36	1.00	0.36	non	oui	2026-11-04T06:05:12.341725Z
humanity's-last-exam-(with-tools)	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:05:12.344561Z
ifbench	instruction_following	0.80	1.00	0.80	non	oui	2026-11-04T06:05:12.381062Z
livecodebench	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:05:12.356714Z
longbench-v2	long_context	0.68	1.00	0.68	non	oui	2026-11-04T06:05:12.377590Z
mcp-atlas	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:05:12.362574Z
scicode	reasoning	0.49	1.00	0.49	non	oui	2026-11-04T06:05:12.347715Z
swe-atlas-codebase-qna	code	0.32	1.00	0.32	non	oui	2026-11-04T06:05:12.329657Z
swe-bench-multilingual	reasoning	0.78	1.00	0.78	non	oui	2026-11-04T06:05:12.332707Z
swe-bench-pro	reasoning	0.66	1.00	0.66	non	oui	2026-11-04T06:05:12.323755Z
swe-bench-verified	reasoning	0.82	1.00	0.82	non	oui	2026-11-04T06:05:12.335623Z
tau3-banking	agents	0.36	1.00	0.36	non	oui	2026-11-04T06:05:12.365657Z
terminal-bench-2.1	reasoning	0.80	1.00	0.80	non	oui	2026-11-04T06:05:12.326853Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	46	0.70	33.78	9	trueskill	2026-11-04T08:08:39.742311Z	rankings
knowledge	23	10.80	11.45	1	trueskill	2026-11-04T08:08:45.139626Z	rankings
math	47	0.50	35.12	5	trueskill	2026-11-04T08:08:42.442591Z	rankings
reasoning	44	1.20	45.06	19	trueskill	2026-11-04T08:08:41.093494Z	rankings
agents	53	—	28.75	9	trueskill	2026-10-27	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04