BenchLeader
Reflection开放权重推理模型与其他模型对比

Beam 1.0

推理强度
质量第 213 / 339 名
45.9Index
低于中位数
较中位数 −4.3
价格第 103 / 255 名
$0.600每百万 token
比多数便宜
中位数的 0.7 倍
速度第 6 / 216 名
288token/秒
前 10%
中位数的 3.5 倍
性价比第 106 / 255 名
76.5分/$
高于中位数
中位数的 1.4 倍

性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,便宜 90%。

有 57 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 54 个。

截至 2026年11月16日,Beam 1.0(Reflection)在 BenchLeader Index 上得分 45.9(共 608 个已排名配置)。表现最好的是长上下文(64),最弱的是编程(37)。API 价格为输入每百万 token $0.400、输出每百万 token $1.20(按 3:1 混合为 $0.600),为 2026年11月16日的标价。输出速度约为 290 token/秒(Artificial Analysis)。发布于 2026年10月5日。

要点(截至 2026年11月16日)

  • Beam 1.0 的 API 价格为输入每百万 token $0.400、输出每百万 token $1.20(按 3:1 混合为 $0.600)(标价,2026年11月16日)。
  • Beam 1.0 的输出速度约为 290 token/秒(Artificial Analysis,2026年11月16日)。
  • Beam 1.0 于 2026年10月5日发布(Reflection)。

详细说明:Beam 1.0 是 Reflection 的开放权重推理模型,发布于 2026年10月5日。其最佳配置在 BenchLeader Index 上得分 45.9 ±5.6,在 608 个配置中排第 437 名,处于下半区。关键在于这个“±”:另有 248 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(64),编程最低(37)。按混合价格计,每百万 token $0.600,价格居中。输出速度为 288 token/秒,首次回答需 5.4 秒,位于最快的四分之一。它已在 7 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月29日。

混合价格
$0.600/M
输入 $0.400 · 输出 $1.20
来源:Artificial Analysis
输出速度
288 tok/s
由 Artificial Analysis 测量
首次回答
5.42 s
上下文
1.0M
来源:Artificial Analysis
完整回答
16 s
最近一次测量 2026年11月13日
单任务成本
$0.284
每项任务 119 s,AA Index
单任务 token 数
34k
其中 64% 为推理
发布日期
2026年10月5日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index46
  2. 推理42
  3. 编程37
  4. 智能体与工具41
  5. 数学39
  6. 知识46
  7. 长上下文64

嵌入这个排名

更多徽章样式
[![Beam 1.0 on BenchLeader: 综合第 208 名](https://www.benchleader.com/badge/reflection-beam.svg?style=compact)](https://www.benchleader.com/models/reflection-beam)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Reflection 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––288 tok/s5.42 s$0.0005智能体与工具 26
low––288 tok/s5.42 s$0.0005推理 36
medium––288 tok/s5.42 s$0.0005推理 39
high––288 tok/s5.42 s$0.0005推理 45
xhigh––288 tok/s5.42 s$0.0005推理 47
max––288 tok/s5.42 s$0.0005智能体与工具 47
未说明最佳45.9#437288 tok/s5.42 s$0.0005智能体与工具 41 · 编程 37 · 知识 46 · 长上下文 64 · 数学 39 · 推理 42

Index 走势

2026年10月17日 至 2026年11月16日
405060

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index38.9#155Artificial Analysis

推理

基准测试lowmediumhighxhigh默认来源趋势
Humanity's Last Exam (AA)不计入 Index推理强度未说明––––34.7%#139Artificial Analysis
HLE-Diamond (AA)推理强度未说明––––12.8%#113Artificial Analysis
ARC-AGI-145.0%#19355.7%#18067.7%#15574.0%#143–ARC Prize
ARC-AGI-22.8%#2026.4%#17820.0%#15123.5%#148–ARC Prize
CritPt不计入 Index推理强度未说明––––13.1%#116Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明––––26.5%#87Artificial Analysis
MysteryMechanism不计入 Index推理强度未说明––––22.1%#23Vals AI

编程

基准测试max默认来源趋势
SciCode推理强度未说明–48.5%#135SciCode
SciCode (AA)不计入 Index推理强度未说明–48.5%#139Artificial Analysis
IOI推理强度未说明–22.8%#42Vals AI
Code Migration v1.1不计入 Index推理强度未说明–22.9%#26Vals AI
Vibe Code Bench v1.1不计入 Index推理强度未说明–66.4%#56Vals AI
ALE-Bench不计入 Index1097.5#59–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–3.0%#140Artificial Analysis
Design Arena Website不计入 Index1239#68–Design Arena
FrontierCode 1.1 (AA)不计入 Index推理强度未说明–24.3%#72Artificial Analysis
FrontierCode 2.0 (AA)推理强度未说明–5.5%#108Artificial Analysis

智能体与工具

基准测试无推理max默认来源趋势
Terminal-Bench6.4%#104––Terminal-Bench
APEX-Agents–48.8%#38–Mercor
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明––33.9%#74Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明––1177#142Artificial Analysis
Finance Agent v2.1不计入 Index推理强度未说明––51.8%#36Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index推理强度未说明––4.6%#31Vals AI
Legal Research Bench不计入 Index推理强度未说明––28.9%#59Vals AI
Tax Agent Bench不计入 Index推理强度未说明––8.8%#70Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index推理强度未说明––4.0%#53Vals AI
Terminal-Bench Science不计入 Index推理强度未说明––1.4%#38Vals AI
AutomationBench不计入 Index推理强度未说明––48.5%#111Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明––11.6%#146Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明––976#159Artificial Analysis
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明––0.5%#110Artificial Analysis
CWE-Bench (AA)推理强度未说明––49.2%#22Artificial Analysis
DeepSec-Bench (AA)推理强度未说明––6.9%#26Artificial Analysis
CyberGym end-to-end (AA)推理强度未说明––45.0%#15Artificial Analysis

数学

基准测试默认来源趋势
ProofBench18.0%#56Vals AI

知识

多模态

基准测试默认来源趋势
Code2Video-AA不计入 Index675#26Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.178.0%#137Artificial Analysis
MLCR不计入 Index17.8%#72Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index150.9#64Epoch AI Benchmarking Hub
AA Intelligence Index v5.0.1不计入 Index17.7#100Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index30.3#127Artificial Analysis
AA Progress Index v1不计入 Index296.2#130Artificial Analysis
Vals Index不计入 Index43.4#33Vals AI
Vals Finance Index不计入 Index46.5%#36Vals AI
Vals Science Index不计入 Index22.0%#25Vals AI
Vals Legal Index不计入 Index61.8%#33Vals AI
AA Cyber Index不计入 Index33.7#18Artificial Analysis

使用情况

Beam 1.0 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

Vercel AI Gateway,7 天
24.3%
token 份额
Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
Baseten634 tok/s0.16 s99.95%
Nebius281 tok/s0.52 s100.00%
Reflection162 tok/s0.57 s99.91%
Together AI–0.16 s100.00%

来源: Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.578$1.16$1.73$2.3126年10月
输入 输出
当前:输入 $0.400 · 输出 $1.20

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0005–6.5 s
总结一份 30 页的报告12,000 / 600$0.0055–7.5 s
代码编辑6,000 / 1,500$0.0042–10.6 s
智能体编程会话60,000 / 4,000$0.029–19.3 s
结构化信息提取2,000 / 200$0.0010–6.1 s

Reflection 的更多模型

本月新上线

将 Beam 1.0 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Beam 1.0 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Beam 1.0 on BenchLeader: 综合第 208 名](https://www.benchleader.com/badge/reflection-beam.svg)](https://www.benchleader.com/models/reflection-beam)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Beam 1.0 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/reflection-beam

BibTeX:

@misc{benchleader_reflection_beam_20261116,
  author       = {{BenchLeader}},
  title        = {{Beam 1.0 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/reflection-beam}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Beam 1.0 的基准测试得分是多少?
截至 2026年11月16日,Beam 1.0 的 BenchLeader Index 为 45.9 ±5.6。最强的是长上下文(64),最弱的是编程(37)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Beam 1.0 排名第几?
截至 2026年11月16日,Beam 1.0 在 608 个已排名配置中排第 437 名。另有 248 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Beam 1.0 每百万 token 的价格是多少?
截至 2026年11月16日,Beam 1.0 的价格为输入每百万 token $0.400、输出每百万 token $1.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.600。标价最近一次变动是在 2026年10月22日。
Beam 1.0 比 Nemotron 3.5 Super VL 更好吗?
截至 2026年11月16日,Nemotron 3.5 Super VL 与 Beam 1.0 的质量不相上下(BenchLeader Index 45.8 比 45.9,在 ±9.7 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Beam 1.0 是什么时候发布的?
Reflection 于 2026年10月5日发布了 Beam 1.0。BenchLeader 收录了它在 7 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Beam 1.0:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/reflection-beam。