Beam 1.0 contre Gemma 4 12B : 501 milliards de paramètres contre 12, et ce que cet écart permet réellement d'acheter

L'un de ces modèles tient sur un ordinateur portable. L'autre nécessite une armoire, et l'écart entre les deux est d'un facteur quarante. Reflection Beam 1.0 est un modèle à mélange d'experts creux comptant 501,3 milliards de paramètres au total, dont 23,4 milliards sont activés par token — annoncé par Reflection le 5 octobre 2026 sous forme d'aperçu avec liste d'attente, puis effectivement livré sous forme de poids téléchargeables le 16 octobre 2026 sous licence Apache 2.0 en versions BF16, FP8 et NVFP4, accompagnés d'un petit modèle de décodage spéculatif DFlash2. G​emma 4 12B est le modèle dense sans encodeur de 11,95 milliards de paramètres de G​oogle DeepMind, publié le 3 juin 2026, qui lit du texte, des images, de l'audio et des images vidéo, écrit du texte, et se quantifie jusqu'à tenir sur une machine de 16 Go. Les deux licences sont permissives, les deux produisent du texte, et les deux sont sur Hugging Face en ce moment. Presque rien d'autre n'est identique entre eux, et la question utile n'est pas de savoir lequel est le plus intelligent — mais lequel des deux répond à votre problème sans bon de commande.

Cela compte plus que cela ne le ferait d’ordinaire, car pendant onze jours, Beam 1.0 a été un modèle dont on pouvait lire des articles sans pouvoir l’obtenir. L’annonce faite par Reflection le 5 octobre promettait des poids Apache 2.0 « plus tard ce mois-ci », et le dépôt est resté vide. À compter du 16 octobre 2026, la collection est en ligne avec quatre dépôts et la fiche du modèle comporte un tableau d’évaluation complet. C’est cette publication qui permet d’écrire cette comparaison comme une comparaison, plutôt que comme une note à propos d’un gros titre.

Là où en sont les deux, en une seule passe

Tout ce qui suit provient soit de la documentation propre du fournisseur, soit d’Artificial Analysis. Lorsqu’un chiffre provient du fournisseur et que personne ne l’a reproduit, cette page l’indique là où il figure plutôt que dans un avertissement en bas de page.

• Paramètres totaux — Beam 1.0 501,3B contre Gemma 4 12B 11,95B. Le rapport est d'environ 42 pour 1.

• Paramètres actifs par token — 23,4 Md contre 11,95 Md. Le ratio tombe à environ 2 pour 1, ce qui est toute l’astuce : un modèle parcimonieux ne paie que pour la partie de lui-même qu’il utilise.

• Architecture — Beam 1.0 est un MoE à 52 couches avec 256 experts, trois couches denses et 49 couches d'experts, une alternance d'attention locale et globale, et une attention groupée par requêtes à portes, avec attention à fenêtre glissante ; G​emma 4 12B est dense, avec 48 couches, sans aucun encodeur multimodal — la prise en charge de la vision et de l'audio est intégrée au modèle lors de l'entraînement plutôt qu'ajoutée après coup.

• Fenêtre de contexte — Beam 1.0 : 1 000 000 de tokens sur la fiche du modèle ; G​emma 4 12B : 262 144 tokens. Ces deux valeurs sont les plus élevées proposées par leurs familles respectives.

• Modalité — Beam 1.0 est du texte en entrée, du texte en sortie, et sa fiche le dit clairement ; G​emma 4 12B prend en entrée du texte, des images, de l’audio et des trames vidéo et renvoie du texte.

• Licence — Apache 2.0 sur les deux, utilisable commercialement, aucune limite d'utilisateurs. C'est là que les deux modèles se rapprochent le plus de l'identité.

• Évaluation publiée — Beam 1.0 fournit un tableau d’évaluation pour les checkpoints BF16, FP8 et NVFP4 ; la fiche de Gemma 4 12B contient les propres chiffres de Google et fait l’objet d’une évaluation indépendante depuis juin.

• Score indépendant — Artificial Analysis Intelligence Index v4.3.2 place Beam 1.0 à 30, classé 19e sur 120 modèles dans sa catégorie de comparaison, et G​emma 4 12B à 14, classé 20e sur 141 — un écart de 16 points en faveur du modèle le plus grand, le chiffre de G​emma étant assorti d'une note de bas de page « estimé », car l'évaluation indépendante du 12B était encore en attente.

Ce qu'est réellement Beam 1.0, maintenant que les poids existent

La fiche de modèle indique : 501,3 milliards de paramètres au total, 23,4 milliards actifs, 52 couches dont trois denses et 49 MoE, 256 experts, un vocabulaire de 152 000 jetons, une date de coupure des connaissances au 30 juin 2026, et une modalité texte uniquement. Le gabarit de chat est un format Harmony modifié avec deux canaux — analyse et final — et un paramètre reasoning_effort qui accepte soit un entier, soit l’une des valeurs minimal, low, medium, high, xhigh et max, correspondant à 8, 32, 64, 128, 256 et 512. La valeur par défaut servie lorsque le paramètre n’est pas défini est 512. La documentation du gabarit lui-même note que minimal, à 8, est l’effort le plus faible que les données d’entraînement aient jamais échantillonné, donc un budget inférieur n’est pas respecté.

Trois choses au sujet de cette spécification méritent d’être relevées, car ce sont les éléments qui déterminent si vous pouvez l’utiliser.

Le premier point est que le réglage d'effort n'a pas d'interrupteur d'arrêt. Beam raisonne toujours ; vous choisissez dans quelle mesure. Pour une boucle d'agent, cela signifie que chaque tour porte un préfixe de délibération qui est facturé et, si vous rejouez l'historique, facturé à nouveau. Le gabarit déclenche même une erreur lorsque allow_missing_thinking est défini sur false et qu'un tour précédent de l'assistant a supprimé son raisonnement, précisément parce que le retirer dégrade la sortie. C'est un coût documenté, pas un bug.

Le second, ce sont les versions quantifiées. Reflection a publié des checkpoints FP8 et NVFP4 le même jour que le modèle BF16, aux côtés du drafter DFlash2. Le dépôt NVFP4 est annoncé à 255B contre 501B pour le BF16, et la fiche attribue la quantification à llm-compressor, avec des remerciements au personnel de NVIDIA pour son accompagnement. Le fait de disposer d’une version quatre bits dès le jour zéro change qui peut faire tourner ce modèle, tout court — 501B en bfloat16 représente environ un téraoctet de poids, ce qui est une conversation d’achat différente de 255B en quatre bits.

Le troisième est ce qui manque. Il n'y a aucune recommandation de service sur la fiche, aucun minimum matériel publié, et aucun prix d'API publié nulle part sur les propres propriétés de Reflection. La page d'Artificial Analysis consacrée au modèle indique les champs de prix comme indisponibles et note « No publicly available API » — ce qui, pour un modèle dont tout l'argument est qu'il est économique à exécuter, est la ligne que vous auriez voulu voir remplie.

What G​emma 4 12B is, and why the size is the argument → French: « Ce qu'est G​emma 4 12B, et pourquoi la taille est l'argument » Since no span markers were present, here is the translation: Ce qu'est G​emma 4 12B, et pourquoi la taille est l'argument

La fiche technique de Google indique que Gemma 4 12B compte 11,95 milliards de paramètres répartis sur 48 couches, un contexte de 262 144 jetons, un vocabulaire partagé de 262 000 jetons pour toute la famille, et une fenêtre glissante de 1 024 jetons — soit le double de ce qu'utilisent les tailles E2B et E4B plus petites. L'attention entrelace l'attention locale à fenêtre glissante avec l'attention globale complète, et la dernière couche est toujours globale. Il est pré-entraîné sur plus de 140 langues, avec une prise en charge prête à l'emploi annoncée pour 35 langues ou plus.

La décision d’ingénierie intéressante est architecturale : le modèle n’a pas d’encodeurs séparés. La formulation de Google est que la gestion multimodale a été intégrée à l’entraînement plutôt qu’ajoutée après coup, c’est pourquoi le même checkpoint sert à la vision et à l’audio sans un second ensemble de poids à charger. Sur un appareil, c’est la différence entre un modèle déployable et un pipeline.

Google a également proposé un entraînement conscient de la quantification plutôt que de s’appuyer sur un quantificateur a posteriori, et publie un GGUF QAT d’environ 6,98 GB pour les poids, plus un petit projecteur multimodal. Les quantifications communautaires descendent encore plus bas : la version Unsloth largement relayée va d’environ 4,2 GB pour le 2 bits le plus agressif à 7,12 GB en Q4_K_M et 12,67 GB en Q8_0. Les versions MLX pour Apple silicon se situent près de 12,7 GB en 8 bits. Le checkpoint en pleine précision affiné sur instructions, en revanche, est un unique fichier safetensors de 23,92 GB — l’empreinte brute en bfloat16 avant tout cache KV, le chiffre qui indique qu’une machine de 16 GB ne peut pas le contenir sans quantification, alors qu’une carte de 24 GB le peut.

Une notation indépendante est disponible peu après la sortie, et c'est là l'asymétrie qui parcourt toute cette page. Artificial Analysis mesure le 12B à 14 sur l'Intelligence Index v4.3.2, 117,6 jetons de sortie par seconde, 2,43 secondes jusqu'au premier jeton, et 0,10 $ par million de jetons d'entrée contre 0,30 $ par million de jetons de sortie. La fiche officielle de G​oogle rapporte 78,2 sur MMLU Pro, 77,8 sur GPQA Diamond, 77,5 sur AIME 2026 sans outils, 72,0 sur LiveCodeBench v6 avec un ELO Codeforces de 1659, 69,1 sur MMMU Pro et 43,4 sur MRCR v2 à 128K avec huit aiguilles.

La comparaison qui n'existe pas

La fiche de Beam 1.0 rapporte SWE-bench Verified à 81,6 % sur le checkpoint BF16, 80,2 % sur FP8 et 80,7 % sur NVFP4 ; Terminal Bench v2.1 à 80,1, 78,9 et 78,4 ; SWE Bench Pro v1 à 66,1, 65,9 et 65,6 ; DeepSWE v1.1 à 43,3, 43,0 et 42,7 ; GPQA Diamond à 90,6, 90,3 et 89,3 ; AIME 2026 à 97,7, 98,0 et 97,5 ; LiveCodeBench à 88,3, 88,1 et 87,4 ; MCP Atlas à 80,8, 81,5 et 80,5 et IFBench à 79,6, 80,7 et 79,2. Les évaluations ont utilisé une température de 0,7 et un top-p de 0,99. Tout cela relève des propres déclarations de Reflection et rien de tout cela n'a été reproduit par un tiers.

La fiche de Gemma 4 12B rapporte ses propres chiffres, également non reproduits au niveau de chaque benchmark, et Artificial Analysis a évalué le modèle de manière indépendante. Maintenant, mettez les deux côte à côte et essayez de soustraire. Vous ne pouvez pas. Le tableau de Beam est un tableau de modèles de pointe pour les benchmarks de codage agentique et d'utilisation d'outils. Celui de Gemma est un tableau de benchmarks de compréhension et de raisonnement multimodaux. Là où les deux se recoupent — GPQA Diamond et AIME, essentiellement — les harnais, les paramètres d'effort de raisonnement et les paramètres d'échantillonnage ne sont pas documentés d'un côté et inconnus de l'autre. Un 90,6 contre un 77,8 sur GPQA ressemble à un écart de 13 points, et c'est une comparaison de la configuration d'un laboratoire avec celle d'un autre laboratoire.

Le seul chiffre sur cette page pour lequel une seule organisation a mesuré les deux modèles est l'Intelligence Index, et l'écart y est de 30 contre 14. Il s'agit d'une véritable mesure réalisée par un tiers selon un composite documenté. C'est aussi un écart de 16 points pour un modèle doté de 42 fois plus de paramètres et, d'après les éléments disponibles, d'une catégorie de déploiement tout à fait différente. Personne ne devrait s'en étonner.

Ce que chacun coûte réellement à exploiter

Ni Beam 1.0 ni Gemma 4 12B ne figurent dans notre catalogue. Ce qu'OrcaRouter route depuis la famille Gemma 4, ce sont les deux tailles que nous proposons : Gemma 4 26B A4B à 0,06 $ par million de tokens d'entrée et 0,33 $ par million de tokens de sortie avec un contexte de 262 144 tokens, et Gemma 4 31B à 0,13 $ et 0,38 $ — prix catalogue du fournisseur répercuté sans marge, relevés dans notre propre liste de modèles le 16 octobre 2026. Beam 1.0 ne fait pas partie de ce que nous servons, et cette page ne prétend pas le contraire ; la façon de l'utiliser aujourd'hui est de le télécharger depuis la collection Hugging Face de Reflection ou d'appeler l'API propre de Reflection.

Cela fait de la comparaison honnête des coûts une comparaison matérielle, qui est la version qui compte réellement ici. Si vous possédez déjà la machine, Gemma 4 12B en quatre bits, c'est un téléchargement et un après-midi. Si vous ne l'avez pas, l'équivalent au compteur du 12B est à peu près l'élément le moins cher de notre liste — trente cents par million de tokens de sortie — tandis qu'un modèle 501B avec 23B actifs est une location de GPU qui n'a été chiffrée pour vous nulle part, parce que Reflection n'a pas publié de tarif.

Lequel des deux est votre modèle ?

Choisissez G​emma 4 12B si le travail est multimodal, s'il doit tourner sur du matériel que vous possédez déjà ou sur un appareil que vous livrez, si une latence de l'ordre de quelques centaines de millisecondes jusqu'au premier token est acceptable, et si un contexte de 256K couvre vos documents. La conception sans encodeur et l'entraînement tenant compte de la quantification visent tous deux précisément ce lecteur, et la licence Apache 2.0 signifie que vous pouvez livrer un dérivé sans avoir à discuter avec G​oogle. Le coût de ce choix, c'est la capacité : 14 sur l'indice indépendant, c'est très loin de la frontière, et le jeu de benchmarks qui compte le plus pour vous — le codage agentique, le raisonnement à l'échelle d'un dépôt — n'est pas celui que G​oogle a publié.

Choisissez Beam 1.0 si le travail consiste en codage, en utilisation d’outils et en exécution agentique à long horizon, si vous disposez d’un accès à un cluster ou d’un partenaire de service, et si vous pouvez absorber une API non tarifée et un budget de raisonnement toujours actif. Les benchmarks publiés visent exactement cette charge de travail, la version quatre bits rend le volet matériel nettement plus simple que ne le suggère le nombre de paramètres, et la licence n’impose aucune restriction qui empêcherait un fine-tuning commercial.

Ne choisissez ni l’un ni l’autre si ce dont vous avez réellement besoin, c’est d’une réponse cette semaine. Ces deux-là sont des modèles que vous devez exécuter vous-même. Les comparaisons qui comptent pour cette décision — un modèle servi à un tarif publié, avec une clé que vous détenez déjà — se trouvent sur une autre page, et celle-ci porte sur les deux extrémités du spectre des poids ouverts plutôt que sur le milieu, là où vit l’essentiel du trafic de production.

Qu’est-ce qui changerait cette page ?

Deux choses. Un benchmark indépendant qui place Beam 1.0 et Gemma 4 12B sur le même banc d’essai, à effort égal, remplacerait la comparaison ci-dessus limitée à Index par quelque chose que l’on peut soustraire, et le fait que les poids de Beam soient désormais publics signifie que n’importe qui peut l’exécuter. Un prix publié pour l’API de Beam — ou pour un déploiement hébergé FP8 ou NVFP4 — transformerait la section sur les coûts d’un argument matériel en une grille tarifaire. Tant que l’un de ces éléments ne se concrétise pas, le résumé exact est le suivant : l’écart de paramètres de 40 pour 1 achète environ 16 points d’intelligence mesurée indépendamment et un ensemble différent de benchmarks, et il vous coûte un endroit où le mettre.

Un résultat comme celui-ci rappelle aussi que les erreurs de modèle sont déjà documentées : les incidents d'IA et les défaillances d'agents liés aux modèles de cette catégorie sont recensés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son degré de gravité, sa note de confiance et son indicateur de contestation.