本文へスキップ

このレビューはまだ日本語版がないため、Englishの原文を表示しています。

Beam 1.0 Review: Reflection AI's Open-Weight Coding Model With a 1M-Token Window

Pick Beam 1.0 for coding and agent loops where token economy matters; Reflection says Kimi K3 is ahead on raw capability, and we haven't measured Beam.

プレイグラウンドを開く

Spicy Index

68.9/ 100

暫定

Freedom Score

未テスト

料金
$1.50 混合 100 万トークンあたり（入力 3：出力 1）
出力速度
217 トークン/秒
成功率
データ収集中

Beam 1.0 is Reflection AI's open-weight model for coding, reasoning and long-horizon agent work, released in October 2026. Reflection describes a sparse mixture-of-experts network with about 501 billion parameters, of which roughly 23 billion are active per token. On our API it is a text-only OpenAI-compatible chat endpoint with a 1,048,576-token input budget, replies up to 943,718 tokens, streaming, tool calls and five reasoning levels, at $1 per million input tokens and $3 output.

The verdict

This is a catalogue review: we have not run our own quality or content tests. Reflection reports 81.6% on SWE-Bench Verified and 80.1% on Terminal Bench v2.1; those are published by Reflection, not independent results. Reflection concedes that Kimi K3 is ahead on raw capability, and an independent index scores Beam below the median of similar open-weight models. The pitch is efficiency: Reflection claims about three times fewer reasoning tokens, which matters because reasoning tokens bill as output.

Try Beam 1.0 →

Key facts

  • Tested by us: catalogue check and launch smoke run only, no quality or content tests; benchmarks are published by Reflection
  • Price: $1 per million input tokens, $0.10 cached and $3 output
  • Limits: 1,048,576-token context, replies up to 943,718 tokens (default 4,096), text-only input, up to 128 tools
  • Reasoning: low, medium, high, xhigh or max; medium is the default
  • Publisher notes: knowledge cutoff 30 June 2026
  • Sources: the scoring rules are on our review methodology page, and the full parameter list is on the Beam 1.0 model page.

良かった点と足りなかった点

良かった点

  • Open weights. Inspect, fine-tune or self-host under the publisher's licence terms; read the licence on the model card.
  • A million-token window for whole repositories.
  • Token economy. Reflection's pitch is fewer reasoning tokens per answer, which lowers output cost.
  • Five reasoning levels, low to max.
  • Flexible tools. tool_choice takes a string or an object, so you can name a tool.

足りなかった点

  • Not the top open model. Reflection concedes Kimi K3 is ahead on raw capability.
  • Text only. No image parts.
  • Reasoning counts toward max_tokens, so the visible answer has to fit what remains.
  • Reasoning cannot be switched off. The endpoint starts at low.
  • Unmeasured by us. Benchmarks are the publisher's.

What we tested

We have not run Beam 1.0 through our capability sets or content levels. This page uses Reflection's model card, the limits and parameters of our endpoint and the live price on the model page. We quote only the two coding benchmarks Reflection publishes, labelled as its own.

Prompts that worked

Starting points based on the endpoint's shape, not prompts we benchmarked.

1. Plan a migration. A repository-scale planning task.

text
Plan a repository migration with ordered edits, acceptance checks and rollback points.

Run this prompt on Beam 1.0 →

2. A tool step. One function, tool_choice set to auto.

text
Call report_status with status ready.

Run this prompt on Beam 1.0 →

Settings that matter: start at medium reasoning, use low for quick edits and xhigh or max for hard debugging; keep max_tokens high enough for reasoning plus the answer; MCP-style tools are exposed as function definitions on your side.

Roleplay and how far it writes

We have not tested Beam 1.0 on our content levels yet, so this review makes no claim about how far it writes or how often it softens or refuses. The model page carries no content-test results for it either. On our API we add no content filter; whatever comes back is the model's own behaviour.

Not tested yet: all five content levels, roleplay quality over many turns, and languages other than English. We will add results here once the runs are done.

Every character in a request should be an adult, keep real, identifiable people out of it, and you're responsible for the law where you publish.

Alternatives

  • A stronger open model? Kimi K3 is the one Reflection itself says is ahead, and it has a full review.
  • A cheaper coding-oriented option? Apex is specialised for React Native at $0.50 in.
  • Multimodal and bigger? Muse Wonder 1.0 accepts images, video and audio.

Beam 1.0 の Spicy Index の内訳

各項目から採点の詳細に進めます。点数がどの行から来たのか、なぜ減点されたのかがわかります。

公開リーダーボード 品質の 40%
未テスト

追跡している公開リーダーボードに、完全に一致するエントリーはまだありません。 仕組み

ロールプレイ 品質の 15%
未テスト

このモデルではまだロールプレイのテストを実施していません。 仕組み

創作文 品質の 15%
62.9
指示への従い方 品質の 15%
85.0
長いコンテキストの記憶 品質の 15%
未テスト

このモデルではまだ長いコンテキストのテストを実施していません。 仕組み

機能 重み 10.5%
40.0
Freedom Score 重み 30%
未テスト

自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。 仕組み

自由度が未測定、または証拠が不十分です。Index は元の品質・機能スコアを維持し、暫定表示で順位に含めます。証拠の欠如を 0 点とは扱いません。

テストレポートをすべて見る →

機能の項目別採点

公開採点表の点数です。アップスケールで作る解像度や、当社が独自に設けた上限は数えません。

コンテキスト長（開発元の公表値）未記載
0.0 / 30
SpicyAPI での入力形式テキストのみ
0.0 / 25
ツール使用ツールと tool_choice
15.0 / 15
構造化出力対応、スキーマ準拠を確認済み
15.0 / 15
推論の制御5 段階：low · medium · high · xhigh · max
10.0 / 15

SpicyAPI で Beam 1.0 にできること

SpicyAPI の現在のモデル仕様から直接取得しています。開発元が自社アプリでより多くの機能を提供している場合もありますが、ここに載っているのは現在当社の API から呼び出せる機能です。

エンドポイント別の機能
機能チャット
コンテキスト長1,048,576 トークン
1 リクエストの最大出力943,718 トークン
推論レベルlow · medium · high · xhigh · max
ツール呼び出しあり
構造化出力あり
すべてのパラメーターとコード例を見る →

実際にかかる時間

過去 30 日の実際のジョブで、リクエストから完成までを計測しています。所要時間には当社自身のテスト実行も含みます。

出力速度
217 トークン/秒最初のトークンまでの時間を含みます
成功率
データ収集中

完了したジョブが 10 件以上そろうと所要時間を表示します。成功率はお客様のジョブだけで数え、30 日分のトラフィックがそろうまで全モデルで非表示にしています。

Beam 1.0 の代わりに検討できるモデル

  • Moonshot AI

    Kimi K3

    A stronger open model?

    Spicy Index
    77.8+8.9
    Freedom Score
    74.4
    料金
    $5.40+260%/ 100 万トークン・入力/出力 3:1
    並べて比較試す

  • Callstack

    Apex

    A cheaper coding-oriented option?

    Spicy Index
    77.7+8.8
    Freedom Score
    —
    料金
    $1.13−25%/ 100 万トークン・入力/出力 3:1
    並べて比較試す

  • Meta

    Muse Wonder 1.0

    Multimodal and bigger?

    Spicy Index
    81.0+12.1
    Freedom Score
    —
    料金
    $8.00+433%/ 100 万トークン・入力/出力 3:1
    並べて比較試す

あなたの意見は？

このレビューは役に立ちましたか？

投票するにはログインしてください。

コメント

コメントは自動チェックと当社チームによる確認を経ています。スパム、不適切な内容、個人攻撃、実在の人物の名前を同意なく挙げる投稿は削除します。コメントを報告いただければ、1 営業日以内に確認します。

このモデルを試しましたか？うまくいった方法を共有してください。スパムを防ぐため、コメントには無料アカウントが必要です。

Beam 1.0 のよくある質問

Beam 1.0 を自分で試す

プレイグラウンドで全パラメーターを設定し、実行前に正確な料金を確認できます。

$1.50 混合 100 万トークンあたり（入力 3：出力 1）

ほかのレビュー

ランキングを見る →
  • Small blank marble tiles race along a short brass rail on a basalt plinth into a three-slot marble gate, where a gold filament splits into three channels ending in three neat stacks

    GPT 6.1 Terra

    Pick GPT 6.1 Terra for high-volume screens, documents and writing where reasoning_effort none helps; so far we have run only launch checks, no scored tests.

    Spicy Index
    79.9
    Freedom Score
    —

    2026年10月28日 にテスト

    レビューを読む
  • Small blank marble tiles race along a short brass rail on a basalt plinth into a three-slot marble gate, where a gold filament splits into three channels ending in three neat stacks

    Kimi K3.1 Pro

    Pick Kimi K3.1 Pro for long-context work with screenshots and clips when you accept always-on thinking; so far we have run only launch checks, no scored tests.

    Spicy Index
    80.4
    Freedom Score
    —

    2026年10月28日 にテスト

    レビューを読む
  • A burst of golden light filaments fanning low across a shallow glass dish against pure black

    Grok 4.3

    巨大な文脈窓、本物の推論オフ、低価格の規制なし文章が欲しいなら Grok 4.3。ファイル添付が要るなら見送りを。

    Spicy Index
    77.0
    Freedom Score
    98.9

    2026年9月24日 にテスト

    レビューを読む