Reflection Beam vs DeepSeek V4 Pro: un tercio del tamaño, el doble de ratio de activación

La manera tentadora de enmarcar Reflection Beam frente a DeepSeek V4 Pro es la de recién llegado barato contra buque insignia consolidado. Ese encuadre es erróneo de una manera que vale la pena explicitar antes que nada, porque los dos modelos se construyen sobre lecturas opuestas de la misma idea. DeepSeek V4 Pro es un modelo de mezcla de expertos de 1,6 billones de parámetros que activa 49.000 millones de parámetros por token —alrededor del 3,1 % de sí mismo. Reflection Beam, anunciado el 5 de octubre de 2026, es un modelo de mezcla de expertos de 501.000 millones de parámetros que activa 23.000 millones por token —alrededor del 4,6 % de sí mismo. Beam es un tercio del tamaño y, por token, un diseño *menos* disperso. La tesis entera de Reflection es la eficiencia de inferencia, y el modelo con el que se lo compara aquí está por delante de él en la métrica de dispersión en la que se basa esa tesis.

Eso no es una refutación. Es la preparación, porque los dos modelos se sitúan en puntos muy diferentes en cuanto a precio y disponibilidad, y la comparación honesta consiste en determinar sobre cuál se puede construir realmente. DeepSeek V4 Pro está en el catálogo a $0,66 por millón de tokens de entrada y $1,98 por millón de salida, con un contexto de 1.048.576 tokens y 384.000 tokens de salida máxima. Beam no tiene ningún precio publicado, solo se puede acceder a él mediante una lista de espera, y sus pesos están prometidos para finales de este mes bajo Apache 2.0.

Misma idea, diferente proporción.

La dispersión es la premisa compartida. Ambos modelos mantienen casi todos sus parámetros inactivos en cualquier token dado y solo pagan por la pequeña porción que se ejecuta. Lo que difiere es hasta dónde lleva cada laboratorio esa idea y qué se gana con ello.

DeepSeek V4 Pro ejecuta 49.000 millones de parámetros activos de un total de aproximadamente 1,6 billones. Esa es una proporción extremadamente agresiva, y es lo que le permite a DeepSeek vender un modelo de gama insignia a $0,66 y $1,98 — una tarifa que sería impensable para un modelo denso de esa capacidad. La contrapartida es que el número total de parámetros es enorme: el modelo es grande incluso solo para almacenarlo y servirlo, y por eso alojarlo es un negocio de especialistas en lugar de algo que la mayoría de los equipos hace por su cuenta.

Reflection Beam tiene 23 mil millones de parámetros activos de 501 mil millones. Más pequeño en todas las dimensiones: un tercio de los parámetros totales, menos de la mitad de los activos, y una proporción de activación menos agresiva. El argumento de Reflection no es que Beam sea el modelo más disperso disponible —deliberadamente no afirma eso—, sino que 23 mil millones de parámetros activos es un tamaño que se puede servir en un número comparativamente pequeño de GPUs, lo que cambia la economía del despliegue en lugar de la aritmética por token.

• Parámetros totales — DeepSeek V4 Pro, aproximadamente 1,6 billones, frente a los 501 mil millones de Reflection Beam.

• Activos por token — 49 mil millones frente a 23 mil millones.

• Ratio de activación: alrededor del 3,1 % para DeepSeek V4 Pro, alrededor del 4,6 % para Reflection Beam. Beam es el menos disperso de los dos.

• Entrada modal — DeepSeek V4 Pro es solo texto; Reflection Beam es solo texto. Ninguno acepta imágenes, audio ni video, lo cual es un caso poco común de que dos modelos de esta clase coincidan.

• Contexto y salida — 1.048.576 tokens de entrada y 384.000 de salida para DeepSeek V4 Pro, frente a 256.000 de entrada y 128.000 de salida para Beam, cuyo contexto lleva una nota al pie en beta.

• Precio — $0,66 y $1,98 por millón de tokens para DeepSeek V4 Pro, con lecturas de caché a $0,022, frente a nada publicado para Beam.

• Disponibilidad — DeepSeek V4 Pro está disponible de forma general desde el 24 de abril de 2026; Beam es una beta con lista de espera anunciada el 5 de octubre de 2026, con pesos prometidos este mes.

El precio, incluida la parte que nadie menciona.

Los $0,66 y $1,98 de DeepSeek V4 Pro son la tarifa de lista del proveedor, trasladada a nuestro catálogo sin añadir nada. Sin embargo, hay un detalle que conviene tener en cuenta en el presupuesto, y es fácil pasarlo por alto: la tarifa incluye dos franjas horarias, de 01:00 a 04:00 UTC y de 06:00 a 10:00 UTC, durante las cuales el precio se multiplica por dos: $1,32 de entrada y $3,96 de salida. Ambas caen dentro de la jornada laboral de los equipos europeos y asiáticos, por lo que un pipeline que funcione en horario europeo pasará parte del día a tarifa doble sin que nada falle.

Las lecturas de caché a $0,022 por millón de tokens son la otra mitad del panorama, y la más grande. Eso representa un descuento de treinta a uno sobre la tarifa de entrada y, para las cargas de trabajo de documentos largos y conversaciones largas para las que está diseñado DeepSeek V4 Pro —1.048.576 tokens de contexto, 384.000 tokens de salida—, el coste efectivo de una sesión que relee un prefijo estable queda muy por debajo de la cifra titular. Cualquier comparación que multiplique el volumen por $0,66 sin modelar la reutilización de caché sobreestima gravemente lo que cuesta ejecutar este modelo.

Beam no tiene equivalente para nada de eso. Sin tarifa de lista, sin nivel de caché, sin ventana temporal, sin compromiso publicado sobre si se venderá por token siquiera. La comparación no es 0,66 $ frente a algo más barato; es un modelo con precio frente a uno sin precio, y hasta que Reflection publique una tabla de precios no hay punto de equilibrio que calcular.

Benchmarks: los dos modelos nunca se han comparado cara a cara.

Esta es la parte en la que el cuidado importa, porque hay una trampa obvia disponible y vale la pena nombrarla explícitamente.

Las tablas de lanzamiento de Reflection comparan a Beam con Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max y DeepSeek V4.1 Flash — el hermano, no el V4 Pro. Así que el modelo DeepSeek que aparece en las propias tablas de Beam es otro: el miembro barato y rápido de la familia, a $0.20 y $0.60, que, según la tabla del proveedor, registra un Terminal-Bench 2.1 de 90.0 frente al 90.1 de Beam, y un DeepSWE v1.1 de 74.2 frente al 74.4 de Beam. Leer una cifra del V4 Pro en una columna del V4.1 es el error más común que cometerá cualquiera que escriba esta comparación.

Lo que sí existe para V4 Pro, de Artificial Analysis a través de nuestro catálogo, se asienta de nuevo sobre harnesses distintos, así que son orientativos, no controlados.

• tau-squared Bench — DeepSeek V4 Pro registra 96,2 frente a una cifra del proveedor de 78,7 para Beam en MCP Atlas y 38,0 en tau3 banking. Evaluaciones distintas dentro de la misma familia de medición del uso de herramientas agénticas, y los dos conjuntos no son intercambiables.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro se sitúa en 36,0, clasificado en el puesto 41 de 147 en su ejecución; Beam no tiene ninguna fila en el índice, con las páginas del modelo devolviendo 404 y ninguna entrada de Beam en la carga útil de la tabla de clasificación a fecha de esta mañana.

• GPQA Diamond — DeepSeek V4 Pro con 92,8 según Artificial Analysis, frente al 90,5 reportado por el proveedor de Beam.

• Humanity's Last Exam — DeepSeek V4 Pro con 41,0 según Artificial Analysis frente al 36,2 reportado por el proveedor de Beam, este último explícitamente sin herramientas.

• SciCode — DeepSeek V4 Pro con 51.0 según Artificial Analysis frente al 49.7 reportado por el proveedor de Beam.

• Terminal-Bench V4 Pro con 78.1 frente al 80.1 reportado por el proveedor de Beam. El único en el que Beam va por delante, y el margen es de menos de dos puntos.

• Recuperación de contexto largo — DeepSeek V4 Pro con 80,3 según Artificial Analysis frente al 79,3 reportado por el proveedor Beam en AA-LCR.

El patrón es consistente y debería resultar incómodo para el posicionamiento de Beam. En cada fila en la que ambos modelos tienen una cifra, DeepSeek V4 Pro va por delante excepto en Terminal-Bench v2.1, donde está por detrás por menos de dos puntos, y cada cifra de DeepSeek proviene de un arnés de terceros, mientras que cada cifra de Beam es la del propio proveedor. Un modelo que ya está en lanzamiento general, a un precio publicado de menos de un dólar por entrada, no está perdiendo de forma evidente frente a uno sin lanzar en los benchmarks que comparten.

Qué tiene que ver la afirmación de eficiencia de Beam con todo esto

La afirmación real de Reflection no es una afirmación de benchmark, y repetir las tablas como si lo fuera pasa por alto el punto. La afirmación es que Beam obtiene puntuaciones comparables a GLM 5.2 en razonamiento avanzado mientras usa entre 3 y 4 veces menos cómputo de inferencia, y que la brecha se amplía frente a modelos de 2 billones de parámetros como Qwen 3.8-Max. El gráfico de apoyo estima los FLOPs generados como el doble del número de parámetros activos multiplicado por el número medio de tokens generados por intento, en DeepSWE, HLE y Terminal-Bench 2.1, y su propio pie de foto admite que se excluyen el prefill del prompt, la atención dependiente del contexto y la sobrecarga de servicio.

Contrasta eso con las cifras de V4 Pro y el argumento se vuelve más interesante de lo que sugieren las tablas principales. V4 Pro activa 49 mil millones de parámetros por token frente a los 23 de Beam —aproximadamente el doble—, así que, según la fórmula que usa Reflection, Beam debería estar por delante por un factor de aproximadamente dos en el cómputo de generación por token antes de cualquier diferencia en el número de tokens. Esa es una ventaja real y clara, y es la que tiene Beam.

En contra: el ratio de activación del V4 Pro es más agresivo, su contexto es cuatro veces mayor y su salida máxima es tres veces mayor, lo que significa que una sesión de V4 Pro que resuelve una tarea en menos turnos y más largos puede acabar siendo más barata en total incluso con una estimación por token más alta. Los FLOPs por token no son FLOPs por tarea, y el gráfico es por token.

La medición independiente aún no existe. La única declaración de terceros que consta es la de Artificial Analysis, que el 5 de octubre dijo que Reflection le había dado acceso y que estaba evaluando Beam, con indicadores tempranos que sugieren que Beam será uno de los modelos abiertos más eficientes en tokens que haya visto para su nivel de inteligencia. No ha seguido ninguna cifra.

Donde el contexto de V4 Pro realmente importa

Hay una dimensión en esta comparación en la que la brecha es lo suficientemente grande como para ser decisiva en lugar de incremental, y no es un benchmark.

DeepSeek V4 Pro ofrece 1.048.576 tokens de contexto y 384.000 tokens de salida máxima. Beam ofrece 256.000 y 128.000, con una nota al pie en la cifra de contexto que advierte que puede cambiar durante la beta. Para la revisión de un contrato legal, un refactor de todo el repositorio o una tarea de síntesis sobre miles de páginas, esa diferencia no es un delta de rendimiento: es la diferencia entre una sola llamada y un pipeline de fragmentación que tienes que escribir y validar. Según se informa, la etapa de midtraining de Beam extiende su contexto efectivo a 1 millón de tokens, lo cual es una capacidad del lado del entrenamiento, mientras que el límite de servicio se mantiene en 256.000; estas dos cifras se confunden con frecuencia y no son lo mismo.

El techo de salida lo agrava. Una salida máxima de 384.000 tokens permite que una sola llamada produzca un artefacto estructurado grande; 128.000 no, y ninguno de los dos modelos ofrece un endpoint por lotes ni una ruta de embeddings a través de las superficies descritas en el lanzamiento.

La elección, y dónde encaja el enrutamiento

Para las cargas de trabajo específicas en las que un millón de tokens de contexto y una salida de 384.000 tokens son importantes, DeepSeek V4 Pro no compite con Beam — no compite con nada más en esta página, y Beam no puede entrar en la comparación a ningún precio hasta que su ventana cambie.

Para el trabajo de gran volumen que cabe dentro de 256.000 tokens, la decisión se reduce a apostar por si la eficiencia que Beam afirma tener sobrevive a un arnés de terceros, con un precio que se compara con una tarifa de V4 Pro que ya está un orden de magnitud por debajo de la frontera y que además se abarata con lecturas de caché a $0.022. Frente a eso, el hermano más barato de la propia DeepSeek está en el mismo catálogo a $0.15 y $0.60 — y es el modelo ante el cual las propias tablas de lanzamiento de Beam sitúan a Beam por detrás en DeepSWE y Terminal-Bench. El piso para un nuevo entrante aquí es más bajo de lo que parece.

Aquí es donde una capa de enrutamiento se gana su lugar en vez de quedarse en un eslogan. DeepSeek V4 Pro está en nuestro catálogo, con la tarifa de lista del proveedor aplicada tal cual y sin añadir nada, detrás de una única clave compatible con OpenAI en api.orcarouter.ai/v1 junto a más de 200 modelos adicionales. El DSL de enrutamiento te permite expresar la decisión en lugar de codificarla de forma rígida: fija las solicitudes de contexto largo al modelo con la ventana de un millón de tokens, fija las solicitudes cortas de gran volumen al modelo barato que esté superando tu evaluación, y combina ambos en una sola llamada cuando la tarea necesite los dos. Como el enrutamiento gestiona la conmutación por error entre proveedores, es seguro asignar el nivel barato a una parte del tráfico en lugar de a todo él, que es exactamente la postura que conviene adoptar hacia un modelo como Beam, cuyos benchmarks nadie fuera de Reflection ha reproducido.

El veredicto, y las dos fechas que podrían moverlo

Reflection Beam está perdiendo esta comparación en todo lo que hoy se puede saber. Es más pequeño, menos disperso, tiene una cuarta parte del contexto, no tiene puntuación independiente y —decisivamente para un modelo que se vende por su coste— no tiene precio. DeepSeek V4 Pro publica un mejor índice de Artificial Analysis, un mejor HLE, un mejor GPQA Diamond, un mejor SciCode y una mejor cifra de recuperación de contexto largo, todo medido por alguien distinto de su proveedor, y todo mientras activa el doble de parámetros por token a una tarifa publicada por debajo de un dólar.

Lo que Beam tiene es una única afirmación legible: 23 mil millones de parámetros activos son un tercio de los de V4 Pro, así que una comparación de cómputo del lado de la generación debería favorecerlo por un margen de aproximadamente dos a uno. Esa afirmación es plausible, es la razón para tomarse a Beam en serio, y nadie fuera del laboratorio que la hizo la ha medido.

Dos fechas lo resuelven. Los pesos, prometidos bajo Apache 2.0 para finales de este mes, que permitirían a cualquiera contar los FLOPs por su cuenta. Y la fila de Artificial Analysis, que reemplazaría la leyenda de un proveedor con un número. Hasta que una de ellas se materialice, el modelo que puedes tarificar, almacenar en caché e invocar con un millón de tokens de contexto es sobre el que conviene construir.