Reflection Beam vs. DeepSeek V4 Pro: Ein Drittel der Größe, doppelt so hohe Aktivierungsrate

Die verlockende Art und Weise, Reflection Beam gegen DeepSeek V4 Pro zu positionieren, ist die Gegenüberstellung von billigem Neuling und etabliertem Flaggschiff. Diese Rahmung ist auf eine Weise falsch, die es wert ist, vor allem anderen klargestellt zu werden, weil die beiden Modelle auf gegensätzlichen Lesarten derselben Idee aufbauen. DeepSeek V4 Pro ist ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, das pro Token 49 Milliarden Parameter aktiviert – etwa 3,1 Prozent von sich selbst. Reflection Beam, angekündigt am 5. Oktober 2026, ist ein Mixture-of-Experts-Modell mit 501 Milliarden Parametern, das pro Token 23 Milliarden aktiviert – etwa 4,6 Prozent von sich selbst. Beam ist ein Drittel so groß und pro Token ein *weniger* sparsames Design. Reflections gesamte These ist Inferenzeffizienz, und das Modell, mit dem es hier verglichen wird, ist ihm bei der Sparsity-Metrik, auf der diese These beruht, voraus.

Das ist kein Debunking. Es ist die Ausgangslage, denn die beiden Modelle liegen bei Preis und Verfügbarkeit an ganz unterschiedlichen Punkten, und der ehrliche Vergleich dreht sich darum, auf welchem man tatsächlich aufbauen kann. DeepSeek V4 Pro steht im Katalog mit 0,66 $ pro Million Eingabe-Tokens und 1,98 $ pro Million Ausgabe-Tokens, bei einem Kontext von 1.048.576 Tokens und 384.000 Tokens maximaler Ausgabe. Beam hat überhaupt keinen veröffentlichten Preis, ist nur über eine Warteliste erreichbar, und seine Gewichte werden für später in diesem Monat unter Apache 2.0 versprochen.

Gleiche Idee, anderes Verhältnis

Sparsity ist die gemeinsame Prämisse. Beide Modelle halten bei jedem einzelnen Token fast alle ihre Parameter im Ruhezustand und zahlen nur für den kleinen Bruchteil, der läuft. Was sich unterscheidet, ist, wie weit jedes Labor es treibt und was es dafür bekommt.

DeepSeek V4 Pro hat 49 Milliarden aktive Parameter bei insgesamt etwa 1,6 Billionen. Das ist ein extrem aggressives Verhältnis, und genau das ermöglicht es DeepSeek, ein Modell der Flaggschiff-Klasse für 0,66 $ und 1,98 $ anzubieten – ein Preis, der für ein dichtes Modell dieser Leistungsfähigkeit undenkbar wäre. Der Haken ist, dass die Gesamtzahl der Parameter enorm ist: Das Modell ist groß zu speichern und überhaupt erst bereitzustellen, weshalb das Hosting ein Spezialistengeschäft ist und nicht etwas, das die meisten Teams selbst übernehmen.

Reflection Beam hat 23 Milliarden aktive Parameter von 501 Milliarden. In jeder Dimension kleiner: ein Drittel der Gesamtparameter, weniger als die Hälfte der aktiven Parameter und ein weniger aggressives Aktivierungsverhältnis. Das Argument von Reflection ist nicht, dass Beam das am stärksten sparse verfügbare Modell ist – das wird bewusst nicht behauptet –, sondern dass 23 Milliarden aktive Parameter eine Größe sind, die man auf einer vergleichsweise kleinen Anzahl von GPUs betreiben kann, was eher die Deployment-Ökonomie als die Arithmetik pro Token verändert.

• Gesamtparameter — DeepSeek V4 Pro rund 1,6 Billionen gegenüber Reflection Beam 501 Milliarden.

• Aktiv pro Token — 49 Milliarden gegenüber 23 Milliarden.

• Aktivierungsanteil — etwa 3,1 Prozent für DeepSeek V4 Pro, etwa 4,6 Prozent für Reflection Beam. Beam ist von den beiden das weniger dünn besetzte.

• Modale Eingabe — DeepSeek V4 Pro ist reiner Text; Reflection Beam ist reiner Text. Keines von beiden verarbeitet Bilder, Audio oder Video, was ein seltener Fall ist, in dem zwei Modelle dieser Klasse übereinstimmen.

• Kontext und Ausgabe — 1.048.576 Tokens Eingabe und 384.000 Tokens Ausgabe für DeepSeek V4 Pro, gegenüber 256.000 Eingabe- und 128.000 Ausgabe-Tokens für Beam, dessen Kontextangabe eine Beta-Fußnote trägt.

Preis — 0,66 $ und 1,98 $ pro Million Token für DeepSeek V4 Pro, mit Cache-Lesevorgängen zu 0,022 $, gegenüber keinen veröffentlichten Angaben für Beam.

• Verfügbarkeit — DeepSeek V4 Pro ist seit dem 24. April 2026 allgemein verfügbar; Beam ist eine Beta mit Warteliste, angekündigt am 5. Oktober 2026, mit Gewichten, die für diesen Monat zugesagt wurden.

Der Preis, einschließlich des Teils, den niemand erwähnt

Die 0,66 $ und 1,98 $ für DeepSeek V4 Pro sind der Listenpreis des Anbieters, der ohne Aufschlag in unseren Katalog übernommen wird. Es gibt allerdings eine Feinheit, die es einzukalkulieren lohnt und die leicht zu übersehen ist: Die Preisliste enthält zwei Zeitfenster, 01:00 bis 04:00 UTC und 06:00 bis 10:00 UTC, in denen der Preis verdoppelt wird – 1,32 $ für den Input und 3,96 $ für den Output. Beide liegen innerhalb des Arbeitstags europäischer und asiatischer Teams, sodass eine Pipeline, die nach europäischen Zeiten läuft, einen Teil ihres Tages zum doppelten Tarif verbringt, ohne dass irgendetwas ausfällt.

Cache-Lesevorgänge zu $0.022 pro Million Tokens sind die andere Hälfte des Bildes – und die größere. Das entspricht einem Rabatt von dreißig zu eins auf den Eingabe-Tarif, und für die Langdokument- und Langkonversations-Workloads, für die DeepSeek V4 Pro gebaut ist – 1,048,576 Tokens Kontext, 384,000 Tokens Ausgabe – liegen die effektiven Kosten einer Sitzung, die ein stabiles Präfix erneut liest, weit unter dem Schlagzeilenwert. Jeder Vergleich, der das Volumen mit $0.66 multipliziert, ohne die Cache-Wiederverwendung zu modellieren, wird die Kosten für den Betrieb dieses Modells stark überschätzen.

Beam hat für nichts davon ein Äquivalent. Kein Listenpreis, keine Cache-Stufe, kein zeitlich begrenztes Fenster, keine veröffentlichte Zusage, ob es überhaupt pro Token verkauft wird. Der Vergleich lautet nicht 0,66 $ gegen etwas Billigeres; es ist ein bepreistes Modell gegen ein unbepreistes, und solange Reflection keine Preisliste veröffentlicht, gibt es keinen Break-even zu berechnen.

Benchmarks: Die beiden Modelle wurden noch nie direkt gegeneinander getestet.

Dies ist der Teil, bei dem Sorgfalt zählt, denn es gibt eine offensichtliche Falle, und es lohnt sich, sie ausdrücklich zu benennen.

Die Launch-Tabellen von Reflection vergleichen Beam mit Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max und DeepSeek V4.1 Flash – das Geschwistermodell, nicht V4 Pro. Das DeepSeek-Modell, das in Beams eigenen Tabellen auftaucht, ist also ein anderes: das günstige, schnelle Mitglied der Familie, zu 0,15 $ und 0,60 $, das laut Anbietertabelle bei Terminal-Bench v2.1 einen Wert von 90,6 gegenüber Beams 80,1 und bei DeepSWE v1.1 einen Wert von 74,2 gegenüber Beams 44,4 erzielt. Einen V4-Pro-Wert aus einer V4.1-Flash-Spalte abzulesen, ist der mit Abstand wahrscheinlichste Fehler, den jemand beim Verfassen dieses Vergleichs machen wird.

Was für V4 Pro existiert, von Artificial Analysis über unseren Katalog, liegt wieder auf anderen Harnessen – diese Werte geben also nur eine Richtung an, sind nicht kontrolliert.

• tau-squared Bench — DeepSeek V4 Pro erreicht 96,2 gegenüber einer Herstellerangabe von 78,7 für Beam auf MCP Atlas und 38,0 bei tau3 banking. Verschiedene Evaluierungen aus derselben Familie der Messung agentischer Werkzeugnutzung, und die beiden Datensätze sind nicht austauschbar.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro liegt bei 36.0 und belegt in seinem Durchlauf Platz 41 von 147; Beam hat überhaupt keine Indexzeile, wobei die Modellseiten 404 zurückgeben und Stand heute Morgen kein Beam-Eintrag in den Leaderboard-Daten enthalten ist.

• GPQA Diamond — DeepSeek V4 Pro mit 92,8 laut Artificial Analysis gegenüber den vom Anbieter gemeldeten 90,5 von Beam.

• Humanity's Last Exam — DeepSeek V4 Pro mit 41,0 laut Artificial Analysis gegenüber den von Beam gemeldeten 36,2, wobei Letzteres ausdrücklich ohne Tools.

• SciCode — DeepSeek V4 Pro bei 51,0 laut Artificial Analysis gegenüber den vom Anbieter gemeldeten 49,7 von Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro mit 78,7 laut Artificial Analysis gegenüber den vom Anbieter gemeldeten 80,1 von Beam. Die einzige Zeile in dieser Liste, in der Beam vorne liegt, und der Vorsprung beträgt weniger als zwei Punkte.

• Langkontext-Recall — DeepSeek V4 Pro erzielt laut Artificial Analysis 80,3 gegenüber den von Beam angegebenen 79,3 bei AA-LCR.

Das Muster ist konsistent, und es dürfte für Beams Positionierung unangenehm sein. In jeder Zeile, in der beide einen Wert haben, liegt DeepSeek V4 Pro vorn – außer bei Terminal-Bench v2.1, wo es um weniger als zwei Punkte zurückliegt – und jede DeepSeek-Zahl stammt aus einem Drittanbieter-Harness, während jede Beam-Zahl vom Anbieter selbst kommt. Ein Modell, das bereits allgemein verfügbar ist, zu einem veröffentlichten Preis von unter einem Dollar für den Input, ist auf den Benchmarks, die beide teilen, nicht offensichtlich einem unveröffentlichten unterlegen.

Was die Behauptung von Beam mit all dem zu tun hat

Die eigentliche Behauptung von Reflection ist keine Benchmark-Behauptung, und die Tabellen zu wiederholen, als wäre sie eine, verfehlt den Punkt. Die Behauptung ist, dass Beam bei fortgeschrittenem Reasoning vergleichbar mit GLM 5.2 abschneidet, dabei aber 3 bis 4× weniger Inferenz-Rechenleistung einsetzt, wobei sich der Abstand gegenüber 2-Billionen-Parameter-Modellen wie Qwen 3.8-Max vergrößert. Das unterstützende Diagramm schätzt die generierten FLOPs als das Doppelte der aktiven Parameteranzahl mal die durchschnittlich generierten Tokens pro Versuch über DeepSWE, HLE und Terminal-Bench 2.1 hinweg, und seine eigene Bildunterschrift räumt ein, dass Prompt-Prefill, kontextabhängige Attention und Serving-Overhead ausgeschlossen sind.

Setzt man das in Bezug zu den Zahlen von V4 Pro, wird die Argumentation interessanter, als die Schlagzeilen-Tabellen vermuten lassen. V4 Pro aktiviert 49 Milliarden Parameter pro Token gegenüber 23 bei Beam – also ungefähr doppelt so vielen –, weshalb Beam nach der Formel, die Reflection verwendet, beim Generierungs-Rechenaufwand pro Token um etwa den Faktor zwei vorne liegen sollte, bevor irgendein Unterschied bei der Token-Anzahl zum Tragen kommt. Das ist ein realer und klar erkennbarer Vorteil, und es ist der einzige, den Beam hat.

Dagegen spricht: Das Aktivierungsverhältnis von V4 Pro ist aggressiver, sein Kontext ist viermal größer und seine maximale Ausgabe ist dreimal größer, was bedeutet, dass eine Sitzung mit V4 Pro, die eine Aufgabe in wenigeren, dafür längeren Turns löst, insgesamt günstiger ausfallen kann, selbst bei einer höheren Schätzung pro Token. FLOPs pro Token sind nicht FLOPs pro Aufgabe, und das Diagramm ist pro Token.

Die unabhängige Messung existiert noch nicht. Die einzige offiziell vorliegende Aussage eines Dritten ist, dass Artificial Analysis am 5. Oktober erklärte, Reflection habe ihr Zugang gewährt und sie benchmarke Beam, wobei frühe Indikatoren darauf hindeuten, dass Beam eines der token-effizientesten offenen Modelle sein wird, die sie für sein Intelligenzniveau gesehen hat. Es ist keine Zahl gefolgt.

Wo der Kontext von V4 Pro wirklich zählt

In diesem Duell gibt es eine Dimension, in der die Kluft groß genug ist, um entscheidend statt inkrementell zu sein, und sie ist kein Benchmark.

DeepSeek V4 Pro bietet 1.048.576 Token Kontext und 384.000 Token maximale Ausgabe. Beam bietet 256.000 und 128.000, mit einer Fußnote zur Kontextangabe, die davor warnt, dass sie sich während der Beta ändern kann. Für die Prüfung eines Rechtsvertrags, ein Refactoring eines gesamten Repositorys oder eine Syntheseaufgabe über Tausende von Seiten ist dieser Unterschied kein Performance-Delta – er ist der Unterschied zwischen einem einzigen Aufruf und einer Chunking-Pipeline, die Sie selbst schreiben und validieren müssen. Beams Midtraining-Phase soll seinen effektiven Kontext Berichten zufolge auf 1 Million Token erweitern, was eine trainingsseitige Fähigkeit ist, während das Serving-Limit bei 256.000 bleibt; die beiden Zahlen werden häufig verwechselt, und sie sind nicht dasselbe.

Die Ausgabeobergrenze verschärft das Problem. Eine maximale Ausgabe von 384.000 Token ermöglicht es einem einzelnen Aufruf, ein großes strukturiertes Artefakt zu erzeugen; 128.000 nicht, und keines der beiden Modelle bietet einen Batch-Endpunkt oder eine Embeddings-Route über die zum Start beschriebenen Oberflächen.

Auswählen, und wo Routing hineinpasst

Für die spezifischen Workloads, bei denen eine Million Tokens Kontext und eine Ausgabe von 384.000 Tokens entscheidend sind, konkurriert DeepSeek V4 Pro nicht mit Beam – es konkurriert mit nichts anderem auf dieser Seite, und Beam kann zu keinem Preis in den Vergleich eintreten, bis sich sein Fenster ändert.

Für hochvolumige Arbeit, die in 256.000 Token passt, reduziert sich die Entscheidung auf eine Wette darauf, ob die von Beam behauptete Effizienz einen Drittanbieter-Harness übersteht, abgewogen gegen einen V4 Pro-Tarif, der bereits eine Größenordnung unter der Frontier liegt und durch Cache-Reads zu $0,022 zusätzlich rabattiert wird. Dagegen sitzt das eigene günstigere Geschwistermodell von DeepSeek im selben Katalog bei $0,15 und $0,60 — und es ist das Modell, hinter das Beams eigene Launch-Tabellen Beam bei DeepSWE und Terminal-Bench setzen. Die Untergrenze für einen Neueinsteiger ist hier niedriger, als es aussieht.

Hier verdient sich eine Routing-Schicht ihren Platz, statt nur ein Slogan zu sein. DeepSeek V4 Pro ist in unserem Katalog, wobei der Listenpreis des Anbieters durchgereicht und nichts aufgeschlagen wird, hinter einem einzigen OpenAI-kompatiblen Schlüssel unter api.orcarouter.ai/v1 neben über 200 weiteren Modellen. Die Routing-DSL lässt Sie die Entscheidung ausdrücken, statt sie hart zu kodieren: Binden Sie Anfragen mit langem Kontext an das Modell mit dem Fenster von einer Million Token, binden Sie kurze Anfragen mit hohem Volumen an dasjenige günstige Modell, das Ihre Evaluierung besteht, und führen Sie beide zu einem einzigen Aufruf zusammen, wenn die Aufgabe beides erfordert. Weil das Routing Failover über Anbieter hinweg übernimmt, ist es sicher, die günstige Stufe auf einen Teil des Traffics statt auf den gesamten zu legen – genau die Haltung, die Sie gegenüber einem Modell wie Beam einnehmen sollten, dessen Benchmarks niemand außerhalb von Reflection reproduziert hat.

Das Urteil und die zwei Termine, die es verschieben würden

Reflection Beam verliert diesen Vergleich bei allem, was heute bekannt ist. Es ist kleiner, weniger sparse, hat ein Viertel des Kontexts, hat keinen unabhängigen Score und – entscheidend für ein Modell, das über den Preis verkauft wird – hat keinen Preis. DeepSeek V4 Pro erzielt einen besseren Artificial-Analysis-Index, einen besseren HLE-Wert, einen besseren GPQA-Diamond-Wert, einen besseren SciCode-Wert und einen besseren Long-Context-Recall-Wert, alle von jemandem gemessen, der nicht sein Anbieter ist, und das alles, während es doppelt so viele Parameter pro Token aktiviert – zu einem veröffentlichten Tarif von unter einem Dollar.

Was Beam hat, ist eine einzige nachvollziehbare Behauptung: 23 Milliarden aktive Parameter sind ein Drittel der von V4 Pro, weshalb ein Vergleich der Rechenleistung auf der Generierungsseite mit ungefähr zwei zu eins zugunsten von Beam ausfallen sollte. Diese Behauptung ist plausibel, sie ist der Grund, Beam ernst zu nehmen, und sie wurde von niemandem außerhalb des Labors gemessen, das sie aufgestellt hat.

Zwei Termine geben den Ausschlag. Die Gewichte, die noch in diesem Monat unter Apache 2.0 erscheinen sollen und mit denen jeder selbst die FLOPs zählen könnte. Und die Zeile bei Artificial Analysis, die eine Herstellerangabe durch eine Zahl ersetzen würde. Bis eines davon eintrifft, ist das Modell, das man bepreisen, cachen und mit einer Million Token Kontext aufrufen kann, dasjenige, auf das man aufbauen sollte.