
Qwen4-Max vs Reflection Beam: salida de $1.20 frente a $4.50, y los pesos que lo deciden
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Reflection Beam 1.0 generará un millón de tokens de salida por 1,20 USD a través de su propia API. Qwen4-Max cobra 4,50 USD por el mismo millón en Singapur y 4,24 USD en Fráncfort, Virginia, Tokio, Hong Kong y Pekín. Eso supone una diferencia de 3,75× a favor del modelo de pesos abiertos, y es el tipo de cifra que pone fin a la mayoría de las comparaciones antes de que siquiera empiecen. No pone fin a esta, porque los dos modelos no son el mismo tipo de producto: Reflection Beam 1.0 es un modelo disperso de mezcla de expertos de 501.000 millones de parámetros con pesos Apache 2.0 que puedes descargar y ejecutar en cuatro GPU, y Qwen4-Max es un modelo insignia cerrado de Alibaba que se puso a disposición general con una lista de precios publicada el 16 de noviembre de 2026 y no publica ningún peso en absoluto. Uno es un modelo que puedes poseer. El otro es un modelo que puedes alquilar, a un precio que te da una ventana de contexto mucho mayor, entrada de vídeo nativa y un proveedor con un contrato de soporte.
También hay una cuestión de medición, y perjudica duramente al modelo más barato. Beam 1.0 obtiene 17,7 en el actual Artificial Analysis Intelligence Index. Qwen4-Max no tiene ninguna puntuación. Así que el planteamiento honesto no es «modelo abierto barato frente a modelo cerrado caro», sino «un modelo medido que es barato y no muy potente, frente a un modelo sin medir que es caro y promete mucho».

Qué es realmente Beam 1.0
Reflection, el laboratorio de Nueva York fundado en 2024 por dos antiguos investigadores de Google DeepMind, anunció Beam el 5 de octubre de 2026 y publicó los pesos el 16 de octubre. El modelo es Beam 1.0-501B-A23B: 501,3 mil millones de parámetros en total, 23 mil millones activos por token, una proporción de activación de aproximadamente el 4,6 %. Reflection afirma que no restringe la destilación, el ajuste fino, la cuantización ni la fusión.
El lanzamiento es inusualmente completo para ser un primer modelo. BF16 en 188 fragmentos de safetensors, FP8 en E4M3 con 468,72 GiB, y una compilación NVFP4 de 273 GiB que las propias guías de serving de Reflection recomiendan descargar. Un modelo borrador independiente de decodificación especulativa de 1,93 mil millones de parámetros, DFlash2, publicado como repositorio propio. Soporte desde el día cero en Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed y NVIDIA Dynamo, con guías paso a paso para SGLang, vLLM y TokenSpeed, además de un chart de Helm. Una suite de conformidad, beam-verifier, que se ejecuta contra cualquier endpoint de Beam en vivo. Y un requisito de referencia de autoalojamiento de cuatro GPU NVIDIA B300 SXM en NVLink —una sola máquina, no un clúster, lo que supone un umbral mucho más bajo de lo que normalmente implica un modelo de 500B y se deriva directamente del ratio de activación de 23B.
El contexto es de 1.048.576 tokens. El modelo está orientado a texto y enfocado en tareas de programación, razonamiento y trabajo agéntico.
Qué es realmente Qwen4-Max
El buque insignia de cuarta generación de Alibaba, en disponibilidad general desde el 16 de noviembre de 2026 con el ID de modelo qwen4-max. Un contexto de 1.000.000 de tokens, una salida máxima de 131.072 tokens fuera del modo de pensamiento, un presupuesto compartido de 262.144 tokens para el pensamiento y la respuesta, y entrada de texto, imagen y vídeo con salida de texto. El pensamiento está activado por defecto con un presupuesto de 131.072 tokens y un esfuerzo de razonamiento alto. Seis regiones. Protocolos de conexión de OpenAI, Anthropic y DashScope. El ajuste fino y el despliegue de modelos se documentan como no compatibles, y no se publican pesos.

Lado a lado, en las dimensiones que determinan si alquilas o compras:
• Precio de entrada — Qwen4-Max $1.50 por 1M en Singapur y $1.413 en otros lugares, frente a Beam 1.0 $0.40
• Precio de salida — Qwen4-Max $4.50 en Singapur, $4.24 en otros lugares, frente a Beam 1.0 $1.20
• Contexto — Qwen4-Max 1.000.000 tokens frente a Beam 1.0 1.048.576 tokens
• Salida máxima — Qwen4-Max: 131.072 sin pensamiento, 262.144 compartidos con pensamiento, frente al límite máximo de Beam 1.0, que el material público de Reflection no desglosa por separado del contexto
• Modalidad — Qwen4-Max: entrada de texto, imagen y video, frente a Beam 1.0: entrada de texto
• Pesos — Qwen4-Max ninguno, frente a Beam 1.0 Apache 2.0, descargable en tres precisiones
• Autoalojamiento — Qwen4-Max no está permitido ni es posible, frente a Beam 1.0 en cuatro B300 SXM GPUs según la propia compilación de referencia del proveedor
• Puntuación independiente — Qwen4-Max no ha publicado ninguna, frente a Beam 1.0 con 17,7 en el Artificial Analysis Intelligence Index v5.0.1
La trampa de la versión del índice en la partitura de Beam
Cuando Beam se lanzó en octubre, el primer número independiente que se le asoció fue 30, en la versión v4.3.2 del índice, donde ocupaba el decimonoveno puesto entre 120 modelos. El tablero actual indica 17.7 en la versión v5.0.1. Ninguno de los dos números es incorrecto; no son comparables, porque Artificial Analysis rebasó el índice entre esas versiones y todos los modelos del tablero se movieron. Quien hoy cite «Beam obtuvo 30» está citando una versión retirada, y quien cite «17.7» sin la versión invita al mismo error a la inversa.

Lo que sobrevive al reajuste de base es el panorama relativo. En v5.0.1, el 17.7 de Beam 1.0 se sitúa muy por debajo de Qwen3.8-Max con 33.7, Grok 4.7 con 35.5 y Kimi K3.1 Pro con 46.5. Es un modelo funcional que no es competitivo con la frontera actual en capacidad general, que es exactamente lo que implica su precio y exactamente lo que el material de lanzamiento de Reflection no dijo con claridad. La afirmación del proveedor en el anuncio era la de un modelo de razonamiento cercano a la frontera; la medición independiente dice lo contrario.
Y Qwen4-Max no tiene ninguna cifra en ninguna de las dos variantes. Su página por modelo en Artificial Analysis devuelve un 404 y no aparece ninguna entrada de Qwen4 en el índice. La documentación de Alibaba especifica los mecanismos en detalle —temperaturas predeterminadas de 1,0 con pensamiento y 0,7 sin él, top-p 0,95 y 0,8, top-k 20, límites máximos de entrada por modo de 991.808 y 983.616 tokens— y no publica ninguna tabla de benchmarks de ningún tipo.
Lo que realmente cuesta autoalojar Beam
Las cifras de $0.40 y $1.20 son las tarifas de API propias de Reflection. No son lo que te cuesta Beam si lo ejecutas tú mismo, y la diferencia es precisamente la razón por la que los pesos abiertos importan aquí.
Cuatro GPU B300 SXM en NVLink son una compra, un arrendamiento o una reserva en la nube, y ninguna de esas opciones es gratuita. La cuestión de tenerlas en propiedad no es que el coste por token sea menor, sino que, una vez amortizado el hardware, el coste marginal de inferencia se acerca a la factura eléctrica y que nada de tus datos sale del edificio. Para un equipo que ya está ejecutando capacidad B300 para otro trabajo, el coste marginal de Beam 1.0 es casi cero y su puntuación de 17.7 es una ganga. Para un equipo que tendría que comprar el equipo, el mismo modelo es un compromiso de capital asumido sobre la base de una puntuación de mitad de tabla.
Qwen4-Max es la operación opuesta en todos los sentidos. No hay costo de capital, ni planificación de capacidad, ni carga operativa y, a cambio, pagas 3,75× la tarifa de API de Beam, no puedes ajustarlo, no puedes ejecutarlo dentro de tu propio perímetro y quedas expuesto a lo que Alibaba haga con esa tarifa el próximo trimestre. La estructura regional de la tarifa es lo interesante: Singapur a $1,50 y $4,50 frente a $1,413 y $4,24 en las otras cinco regiones supone una diferencia del 6% para el mismo modelo, lo bastante pequeña para ser un detalle contable y lo bastante grande para importar en volumen.
Donde cada uno se gana su lugar
Beam 1.0 es la respuesta correcta cuando se cumple cualquiera de estas tres condiciones. Tus datos no pueden salir de tu infraestructura: ninguna API contratada cumple ese requisito, y los pesos de Apache 2.0 sí. Quieres hacer ajuste fino con datos del dominio: la documentación de Qwen4-Max indica explícitamente que el ajuste fino no es compatible, mientras que Reflection permite destilación, ajuste fino, cuantización y fusión sin restricciones. O tu carga de trabajo es codificación agéntica, donde un modelo de 23B activos con latencia interactiva es lo bastante rápido y lo bastante barato como para que una puntuación general de mitad de tabla no sea la limitación decisiva.
Qwen4-Max es la respuesta correcta cuando la entrada no es texto. Beam acepta texto; Qwen4-Max acepta texto, imágenes y vídeo. Si tu pipeline ingiere capturas de pantalla, documentos escaneados, fotogramas de una cámara o una grabación de pantalla, la comparación termina antes de que entre en juego el precio, porque uno de estos modelos no puede aceptar la solicitud. Lo mismo se aplica a cualquier cosa que necesite un despliegue europeo, japonés o en US-East: seis regiones de Alibaba frente a una única API propia es una cuestión de elegibilidad, no de coste.
Para todo lo demás —generación de texto general a volumen moderado, sin ajuste fino, sin restricción de residencia—, la decisión se reduce a cuánto confías en un modelo sin medir frente a uno mediocre ya medido, y la respuesta es que no deberías confiar en ninguno de los dos hasta haber pasado cien de tus propios prompts por ambos. A $4,50 y $1,20 por millón de tokens de salida, esa evaluación cuesta céntimos.
El enrutamiento y el argumento a favor de una tercera opción
OrcaRouter no enruta actualmente Beam 1.0 ni Qwen4-Max; ambos son accesibles a través de las API propias de sus proveedores a las tarifas indicadas. Lo que el catálogo sí ofrece es la gama media del mercado con una sola clave y una URL base — GLM-5.3 a $1.40 y $4.40 por millón, con pesos abiertos y una puntuación de índice de 31.7; Qwen3.8-Max a $2.00 y $6.00 con un 33.7; Kimi K3.1 Pro a $2.00 y $10.00 con un 46.5 — todos ofrecidos al precio de lista del proveedor sin recargo.
Esa es la resolución práctica de este enfrentamiento en particular. Beam 1.0 te pide aceptar un 17.7 a cambio de propiedad y un precio bajo; Qwen4-Max te pide aceptar un desconocido a cambio de modalidad y regiones. Un modelo con una puntuación publicada, pesos publicados y un precio entre los dos te pide que no aceptes ninguno de los dos. Enrutar ambas opciones interesantes pero no probadas junto con una línea base medida es cómo descubres si alguna merece tráfico de producción — y la conmutación por error automática significa que el experimento no puede tumbar el servicio mientras lo ejecutas.
¿Qué lo zanjaría?
Un número: una entrada de Qwen4-Max en una tabla de clasificación independiente, en la versión actual del índice, junto al 17.7 de Beam 1.0. Todo lo demás en esta página ya se conoce: los precios, los contextos, las licencias, el número de GPU. Si Qwen4-Max queda en cualquier punto cercano a los 30, su prima de 3,75× es fácil de justificar para cualquiera que necesite entrada de video o un endpoint en Frankfurt. Si queda cerca de Beam, la prima está comprando modalidad y cumplimiento, y nada más, y la respuesta correcta es enrutar según el requisito y no según el benchmark. Hasta que exista ese número, la comparación es entre un modelo que ha sido medido y ha resultado ordinario y un modelo que no ha sido medido en absoluto, y solo una de esas dos posiciones es una razón para comprometer presupuesto.
