
Qwen4-Max vs. Reflection Beam: 1,20 $ Ausgabe gegenüber 4,50 $ – und die Gewichte, die den Ausschlag geben
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Reflection Beam 1.0 erzeugt eine Million Ausgabe-Tokens für 1,20 US-Dollar über seine eigene API. Qwen4-Max verlangt 4,50 US-Dollar für dieselbe Million in Singapur, 4,24 US-Dollar in Frankfurt, Virginia, Tokio, Hongkong und Peking. Das ist eine 3,75-fache Lücke zugunsten des Modells mit offenen Gewichten, und es ist die Art von Zahl, die die meisten Vergleiche beendet, bevor sie überhaupt begonnen haben. Diesen Vergleich beendet sie nicht, weil die beiden Modelle nicht dieselbe Art von Produkt sind: Reflection Beam 1.0 ist ein Sparse-Mixture-of-Experts-Modell mit 501 Milliarden Parametern und Apache-2.0-Gewichten, die Sie herunterladen und auf vier GPUs ausführen können, und Qwen4-Max ist ein geschlossenes Flaggschiff von Alibaba, das am 16. November 2026 mit einer veröffentlichten Preistabelle allgemein verfügbar wurde und überhaupt keine Gewichte veröffentlicht. Das eine ist ein Modell, das Sie besitzen können. Das andere ist ein Modell, das Sie mieten können – zu einem Preis, der Ihnen ein deutlich größeres Kontextfenster, native Videoeingabe und einen Anbieter mit Supportvertrag verschafft.
Es gibt außerdem eine Messfrage, und sie spricht deutlich gegen das günstigere Modell. Beam 1.0 erreicht 17,7 auf dem aktuellen Artificial Analysis Intelligence Index. Qwen4-Max hat überhaupt keinen Wert. Die ehrliche Einordnung lautet also nicht „günstiges offenes Modell gegen teures geschlossenes Modell“, sondern „ein gemessenes Modell, das günstig und nicht besonders stark ist, gegen ein nicht gemessenes Modell, das teuer ist und sehr viel verspricht“.

Was Beam 1.0 tatsächlich ist
Reflection, das 2024 von zwei ehemaligen Google-DeepMind-Forschern gegründete New Yorker Labor, kündigte Beam am 5. Oktober 2026 an und veröffentlichte die Gewichte am 16. Oktober. Das Modell ist Beam 1.0-501B-A23B: insgesamt 501,3 Milliarden Parameter, 23 Milliarden pro Token aktiv, eine Aktivierungsrate von etwa 4,6 %. Reflection gibt an, Destillation, Fine-Tuning, Quantisierung oder Merging nicht einzuschränken.
Die Veröffentlichung ist für ein erstes Modell ungewöhnlich vollständig. BF16 in 188 Safetensors-Shards, FP8 in E4M3 mit 468,72 GiB und ein NVFP4-Build mit 273 GiB, für den die eigenen Serving-Guides von Reflection einen Download empfehlen. Ein separater spekulativer Decoding-Drafter mit 1,93 Milliarden Parametern, DFlash2, als eigenes Repository veröffentlicht. Day-zero-Support in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed und NVIDIA Dynamo, mit Schritt-für-Schritt-Anleitungen für SGLang, vLLM und TokenSpeed sowie einem Helm-Chart. Eine Konformitätssuite, beam-verifier, die gegen jeden laufenden Beam-Endpunkt ausgeführt werden kann. Und eine Referenzanforderung für das Self-Hosting von vier NVIDIA B300 SXM GPUs über NVLink — eine Box, kein Cluster, was eine deutlich niedrigere Hürde darstellt, als ein 500B-Modell normalerweise impliziert, und sich direkt aus dem 23B-Aktivierungsverhältnis ergibt.
Der Kontext umfasst 1.048.576 Token. Das Modell ist textorientiert und auf Coding, Reasoning und agentische Arbeit ausgerichtet.
Was Qwen4-Max tatsächlich ist
Alibabas Flaggschiff der vierten Generation, allgemein verfügbar seit dem 16. November 2026 unter der Modell-ID qwen4-max. Ein Kontext von 1.000.000 Token, eine maximale Ausgabe von 131.072 Token außerhalb des Denkmodus, ein gemeinsames Budget von 262.144 Token für Denken plus Antwort sowie Text-, Bild- und Videoeingabe mit Textausgabe. Denken ist standardmäßig aktiviert mit einem Budget von 131.072 Token und Reasoning-Aufwand auf hoch. Sechs Regionen. OpenAI-, Anthropic- und DashScope-Wire-Protokolle. Fine-Tuning und Modell-Deployment sind laut Dokumentation nicht unterstützt, und es werden keine Gewichte veröffentlicht.

Seite an Seite, entlang der Dimensionen, die darüber entscheiden, ob Sie mieten oder besitzen:
• Eingabepreis — Qwen4-Max 1,50 $ pro 1 Mio. in Singapur und 1,413 $ anderswo, gegenüber Beam 1.0 mit 0,40 $
• Ausgabepreis — Qwen4-Max 4,50 $ in Singapur, 4,24 $ andernorts, gegenüber Beam 1.0 1,20 $
• Kontext — Qwen4-Max 1.000.000 Token gegenüber Beam 1.0 1.048.576 Token
• Maximale Ausgabe — Qwen4-Max 131.072 ohne Thinking, 262.144 gemeinsam mit Thinking, gegenüber der Obergrenze von Beam 1.0, die in Reflections öffentlichem Material nicht separat vom Kontext ausgewiesen wird
• Modalität — Qwen4-Max mit Text-, Bild- und Videoeingabe, im Vergleich zu Beam 1.0 mit Texteingabe
• Gewichte — Qwen4-Max keine, gegenüber Beam 1.0 Apache 2.0, in drei Präzisionen herunterladbar
• Selbsthosting — Qwen4-Max nicht zulässig und nicht möglich, gegenüber Beam 1.0 auf vier B300 SXM GPUs gemäß dem eigenen Referenz-Build des Anbieters
• Unabhängige Bewertung — für Qwen4-Max wurden keine Werte veröffentlicht, gegenüber Beam 1.0 mit 17,7 auf dem Artificial Analysis Intelligence Index v5.0.1
Die Index-Version-Falle in Beams Score
Als Beam im Oktober auf den Markt kam, war die erste unabhängige Zahl, die ihm zugeordnet wurde, 30 – in der Index-Version v4.3.2, auf Platz 19 von 120 Modellen. Die aktuelle Rangliste weist 17,7 in Version v5.0.1 aus. Keine der beiden Zahlen ist falsch; sie sind nicht vergleichbar, weil Artificial Analysis den Index zwischen diesen Versionen auf eine neue Basis gestellt hat und sich dadurch jedes Modell auf der Rangliste verschoben hat. Wer heute „Beam erzielte 30“ zitiert, zitiert eine ausgemusterte Version, und wer „17,7“ ohne Versionsangabe zitiert, lädt denselben Fehler in umgekehrter Richtung ein.

Was die Neubasierung übersteht, ist das relative Bild. Auf v5.0.1 liegt Beam 1.0 mit 17,7 deutlich unter Qwen3.8-Max mit 33,7, Grok 4.7 mit 35,5 und Kimi K3.1 Pro mit 46,5. Es ist ein funktionierendes Modell, das bei den allgemeinen Fähigkeiten nicht mit der aktuellen Spitzenklasse mithalten kann – genau das, was sein Preis impliziert, und genau das, was das Einführungsmaterial von Reflection nicht klar gesagt hat. Die Behauptung des Anbieters bei der Ankündigung war ein frontier-nahes Reasoning-Modell; die unabhängige Messung sagt etwas anderes.
Und Qwen4-Max hat für keine der beiden Versionen einen Wert. Seine modellspezifische Seite bei Artificial Analysis liefert einen 404-Fehler, und im Index erscheint kein Qwen4-Eintrag. Alibabas Dokumentation beschreibt die Mechanismen im Detail – Standardtemperaturen von 1,0 mit Thinking und 0,7 ohne, Top-p 0,95 und 0,8, Top-k 20, modusspezifische Eingabeobergrenzen von 991.808 bzw. 983.616 Tokens – und veröffentlicht keinerlei Benchmark-Tabelle.
Was Self-Hosting von Beam tatsächlich kostet
Die Beträge von 0,40 $ und 1,20 $ sind Reflections eigene API-Tarife. Sie geben nicht an, was Beam Sie kostet, wenn Sie es selbst betreiben, und genau dieser Unterschied ist der Grund, warum offene Gewichte hier eine Rolle spielen.
Vier B300 SXM GPUs auf NVLink sind ein Kauf, ein Leasingvertrag oder eine Cloud-Reservierung, und nichts davon ist kostenlos. Der Punkt am Eigentum ist nicht, dass die Kosten pro Token niedriger sind – er ist, dass sich nach der Amortisierung der Hardware die marginalen Inferenzkosten der Stromrechnung nähern und dass nichts an Ihren Daten das Gebäude verlässt. Für ein Team, das bereits B300-Kapazität für andere Arbeiten betreibt, liegen die Grenzkosten von Beam 1.0 nahe null, und seine Bewertung von 17,7 ist ein Schnäppchen. Für ein Team, das die Kiste kaufen müsste, ist dasselbe Modell eine Kapitalbindung, die aufgrund einer Bewertung im Mittelfeld eingegangen wird.
Qwen4-Max ist in jeder Hinsicht das umgekehrte Geschäft. Es gibt keine Kapitalkosten, keine Kapazitätsplanung und keinen Betriebsaufwand, und im Gegenzug zahlen Sie das 3,75-Fache von Beams API-Tarif, Sie können nicht feinabstimmen, Sie können es nicht innerhalb Ihres eigenen Perimeters betreiben, und Sie sind dem ausgesetzt, was Alibaba im nächsten Quartal mit dieser Preisliste anstellt. Die regionale Struktur der Preisliste ist der interessante Teil: Singapur mit 1,50 $ und 4,50 $ gegenüber 1,413 $ und 4,24 $ in den anderen fünf Regionen ist ein Unterschied von 6 % für dasselbe Modell, der klein genug ist, um ein Buchhaltungsdetail zu sein, und groß genug, um bei Volumen eine Rolle zu spielen.
Wo jedes Einzelne seinen Platz verdient
Beam 1.0 ist die richtige Antwort, wenn eine von drei Bedingungen zutrifft. Ihre Daten dürfen Ihre Infrastruktur nicht verlassen — keine vertraglich vereinbarte API erfüllt diese Hürde, die Apache-2.0-Gewichte hingegen schon. Sie möchten mit Domänendaten fine-tunen — die Dokumentation von Qwen4-Max kennzeichnet Fine-Tuning ausdrücklich als nicht unterstützt, während Reflection Destillation, Fine-Tuning, Quantisierung und Merging ohne Einschränkung erlaubt. Oder Ihre Workload ist agentisches Coding, bei dem ein Modell mit 23B aktiven Parametern bei interaktiver Latenz schnell genug und günstig genug ist, dass ein mittlerer allgemeiner Score nicht die bindende Einschränkung darstellt.
Qwen4-Max ist die richtige Antwort, wenn die Eingabe kein Text ist. Beam verarbeitet Text; Qwen4-Max verarbeitet Text, Bilder und Video. Wenn Ihre Pipeline Screenshots, gescannte Dokumente, Kamerabilder oder eine Bildschirmaufnahme aufnimmt, ist der Vergleich beendet, bevor der Preis überhaupt ins Spiel kommt, denn eines dieser Modelle kann die Anfrage nicht annehmen. Dasselbe gilt für alles, was eine Bereitstellung in Europa, Japan oder US-East erfordert: sechs Alibaba-Regionen gegenüber einer einzigen First-Party-API ist eine Frage der Eignung, nicht der Kosten.
Für alles andere – allgemeine Textgenerierung bei mäßigem Volumen, kein Fine-Tuning, keine Datenresidenz-Vorgabe – läuft die Entscheidung darauf hinaus, wie sehr man einem ungemessenen Modell gegenüber einem gemessenen mittelmäßigen vertraut, und die Antwort ist, dass man keinem von beiden vertrauen sollte, bevor man hundert eigene Prompts durch beide laufen lassen hat. Bei 4,50 $ und 1,20 $ pro Million Ausgabe-Tokens kostet diese Bewertung nur Cents.
Routing und das Plädoyer für eine dritte Option
OrcaRouter leitet derzeit weder Beam 1.0 noch Qwen4-Max weiter; beide sind über die eigenen APIs ihrer Anbieter zu den oben genannten Preisen erreichbar. Was der Katalog dafür bietet, ist das mittlere Marktsegment mit einem Schlüssel und einer Base-URL — GLM-5.3 zu 1,40 $ und 4,40 $ pro Million mit offenen Gewichten und einem Indexwert von 31,7, Qwen3.8-Max zu 2,00 $ und 6,00 $ mit 33,7, Kimi K3.1 Pro zu 2,00 $ und 10,00 $ mit 46,5 — alle durchgereicht zum Listenpreis des Anbieters ohne Aufschlag.
Das ist die praktische Lösung dieses speziellen Duells. Beam 1.0 verlangt von Ihnen, eine 17,7 zu akzeptieren, im Gegenzug für Eigentum und einen niedrigen Preis; Qwen4-Max verlangt von Ihnen, ein Unbekanntes im Gegenzug für Modalität und Regionen zu akzeptieren. Ein Modell mit veröffentlichter Punktzahl, veröffentlichten Gewichten und einem Preis zwischen den beiden verlangt von Ihnen, weder das eine noch das andere zu akzeptieren. Beide interessanten, aber noch nicht erprobten Optionen neben einer gemessenen Baseline zu routen, ist der Weg herauszufinden, ob eine von beiden Produktionsverkehr verdient — und automatisches Failover bedeutet, dass das Experiment den Dienst nicht lahmlegen kann, während Sie es ausführen.
Was würde es klären
Eine Zahl: ein Qwen4-Max-Eintrag auf einem unabhängigen Leaderboard, in der aktuellen Index-Version, neben den 17,7 von Beam 1.0. Alles andere auf dieser Seite ist bereits bekannt – die Preise, die Kontextfenster, die Lizenzen, die GPU-Anzahl. Wenn Qwen4-Max irgendwo nahe der 30er-Werte landet, lässt sich sein 3,75×-Aufpreis für jeden leicht rechtfertigen, der Videoeingabe oder einen Frankfurt-Endpunkt benötigt. Wenn es nahe bei Beam landet, kauft der Aufpreis Modalität und Compliance und sonst nichts, und die richtige Antwort lautet, nach Anforderung statt nach Benchmark zu routen. Solange diese Zahl nicht existiert, vergleicht man ein Modell, das gemessen und für durchschnittlich befunden wurde, mit einem Modell, das überhaupt nicht gemessen wurde – und nur eine dieser beiden Ausgangspositionen ist ein Grund, Budget zu binden.
