聪明暂无
编程顶尖自报
记性1.0M
便宜$1.2
记性换算成体感：一次能读完《哈利·波特》全七部
Beam 系列的文本模型 · 按发布时间
共 2 个 · reflection的全部模型 →她的营地
电脑
81.6% · SWE-bench Verified · 厂商自报，未经第三方复核
书架
5 层 · 记忆 1.0M tokens
黑板
一块空黑板
日历
知识停在 2026-06-30
冰箱
支持上下文缓存，能存记忆
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2026 年 10 月 5 日models.dev
- 知识截止
- 2026-06-30
- 参数量
- 501.2B（激活 23B）
- 开放权重
- 是
- 开源许可
- Apache-2.0
- 上下文窗口
- 1.0M tokens
- 单次最大输出
- 131K
- 输入价格
- $0.40 / 百万 tokens
- 输出价格
- $1.20 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 未定级
- AIME 数学
- 未定级
- GPQA Diamond 科学
- 未定级
- ARC-AGI-2 抽象推理
- 未定级
- Fiction.liveBench 长文本
- 未定级
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- 同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- SWE-bench 多语言版78.3%把 SWE-bench 的题目扩展到 Python 以外的语言，考的是跨语言的工程能力。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- SWE-Bench Pro76.5%同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- DeepSWE43.3%SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- Terminal-Bench80.1%把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- LiveCodeBench88.3%持续收录新出的编程竞赛题，题目发布时间晚于模型训练截止日期，用来避开「背过答案」的嫌疑。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
- SWE-Atlas 代码库问答31.8%给模型一个陌生的大型代码库，问它这段代码在干什么。考的是读代码，不是写代码。厂商自报https://huggingface.co/reflection/Beam-1.0-501B-A23B
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。