เปรียบเทียบแบบตัวต่อตัว

Beam vs GLM 5.2

8:5

Beam ชนะ 8 จาก 13 เบนช์มาร์กที่ใช้ร่วมกัน

บทสรุป

นี่คือคู่เปรียบเทียบที่ Reflection เลือกมาใช้เป็นข้อกล่าวอ้างหลัก และ Beam ก็ทำผลงานได้ดี: ชนะ 8 จาก 13 เบนช์มาร์กร่วม รวมถึง SWE-Bench Pro v1, MCP Atlas, AutomationBench และ IFBench ส่วน GLM 5.2 ทำได้ดีกว่าในด้านการให้เหตุผลระดับยาก (AIME, HLE, GPQA, CritPt) และนำ Terminal-Bench อยู่เล็กน้อย Reflection ระบุว่า Beam ทำคะแนนด้านการให้เหตุผลได้ใกล้เคียงกันโดยใช้คอมพิวต์สำหรับ inference น้อยกว่าถึงสามถึงสี่เท่า

แยกตามเบนช์มาร์ก

Benchmark	Beam	GLM 5.2	ส่วนต่าง
DeepSWE v1.1	44.4	44.0	+0.4
SWE-Bench Pro v1	65.5	62.1	+3.4
Terminal-Bench v2.1	80.1	81.0	-0.9
AIME 2026	97.8	99.2	-1.4
Humanity's Last Exam (no tools)	36.2	40.5	-4.3
CritPt (AA)	16.3	20.9	-4.6
GPQA Diamond	90.5	91.2	-0.7
AutomationBench (public)	37.0	26.2	+10.8
MCP Atlas	78.7	77.8	+0.9
τ³ banking	38.0	37.1	+0.9
AA-LCR (long context)	79.3	78.3	+1.0
LongBench v2	65.5	64.0	+1.5
IFBench	79.7	73.3	+6.4

คะแนนทั้งหมดมาจากประกาศของ Reflection (ฉบับปรับปรุงวันที่ 8 ตุลาคม 2026) คะแนนของ GLM 5.2 อ้างอิงตามที่ Reflection ระบุจาก Artificial Analysis และ DataCurve

โมเดลทั้งสอง

	Beam	GLM 5.2
ผู้พัฒนา	Reflection AI	Z.ai (Zhipu AI)
ตั้งอยู่ที่	สหรัฐอเมริกา	จีน
พารามิเตอร์ (ทั้งหมด / ที่ใช้งาน)	501B / 23B	753B / 40B
น้ำหนักโมเดล	Apache 2.0 โดยสัญญาว่าจะเปิดให้ใช้ภายหลังในเดือนตุลาคม 2026	MIT
เปิดตัว	5 ตุลาคม 2569	16 มิถุนายน 2569
วิธีเข้าถึง	API เบตาที่ต้องเข้าคิวรอ; จะเปิดให้ใช้น้ำหนักโมเดลเร็ว ๆ นี้	Hugging Face, Z.ai API, OpenRouter