Reflection Beam vs DeepSeek V4 Pro : un tiers de la taille, deux fois le ratio d’activation

La manière tentante de présenter Reflection Beam face à DeepSeek V4 Pro est celle d'un nouveau venu bon marché contre un fleuron établi. Ce cadrage est faux d'une manière qui vaut la peine d'être explicitée avant toute chose, car les deux modèles reposent sur des lectures opposées de la même idée. DeepSeek V4 Pro est un modèle à mélange d'experts de 1 600 milliards de paramètres qui active 49 milliards de paramètres par token — environ 3,1 % de lui-même. Reflection Beam, annoncé le 5 octobre 2026, est un modèle à mélange d'experts de 501 milliards de paramètres qui active 23 milliards de paramètres par token — environ 4,6 % de lui-même. Beam fait un tiers de sa taille et, par token, une conception *moins* parcimonieuse. Toute la thèse de Reflection est l'efficacité d'inférence, et le modèle auquel il est comparé ici est en avance sur lui sur la métrique de parcimonie sur laquelle repose cette thèse.

Ce n'est pas une réfutation. C'est la mise en contexte, car les deux modèles se situent à des points très différents en matière de prix et de disponibilité, et la comparaison honnête consiste à déterminer sur lequel on peut réellement bâtir. DeepSeek V4 Pro est au catalogue à 0,66 $ par million de tokens d'entrée et 1,98 $ par million de tokens de sortie, avec un contexte de 1 048 576 tokens et une sortie maximale de 384 000 tokens. Beam n'a aucun prix publié, n'est accessible que via une liste d'attente, et la publication de ses poids est promise pour la fin de ce mois sous Apache 2.0.

Même idée, ratio différent

La parcimonie est la prémisse commune. Les deux modèles gardent presque tous leurs paramètres en veille à chaque token donné et ne paient que pour la petite portion qui s’exécute. Ce qui diffère, c’est jusqu’où chaque laboratoire la pousse et ce que cela lui rapporte.

DeepSeek V4 Pro utilise 49 milliards de paramètres actifs sur un total d'environ 1 600 milliards. C'est un ratio extrêmement agressif, et c'est ce qui permet à DeepSeek de vendre un modèle de gamme phare à 0,66 $ et 1,98 $ — un tarif inimaginable pour un modèle dense doté de telles capacités. La contrepartie, c'est que le nombre total de paramètres est énorme : le modèle est volumineux à stocker et à servir tout court, ce qui explique pourquoi son hébergement relève d'une activité de spécialiste plutôt que de quelque chose que la plupart des équipes font elles-mêmes.

Reflection Beam fonctionne avec 23 milliards de paramètres actifs sur 501 milliards. Plus petit dans toutes les dimensions : un tiers des paramètres totaux, moins de la moitié des paramètres actifs, et un ratio d'activation moins agressif. L'argument de Reflection n'est pas que Beam est le modèle le plus épars disponible — il ne le prétend délibérément pas — mais que 23 milliards de paramètres actifs est une taille que l'on peut servir sur un nombre relativement petit de GPU, ce qui change l'économie du déploiement plutôt que l'arithmétique par token.

• Nombre total de paramètres — DeepSeek V4 Pro environ 1,6 billion contre 501 milliards pour Reflection Beam.

• Actifs par jeton — 49 milliards contre 23 milliards.

• Taux d'activation — environ 3,1 % pour DeepSeek V4 Pro, environ 4,6 % pour Reflection Beam. Beam est le moins creux des deux.

• Entrée modale — DeepSeek V4 Pro est uniquement textuel ; Reflection Beam est uniquement textuel. Ni l'un ni l'autre n'accepte les images, l'audio ou la vidéo, ce qui est un cas rare où deux modèles de cette catégorie s'accordent.

• Contexte et sortie — 1 048 576 jetons en entrée et 384 000 en sortie pour DeepSeek V4 Pro, contre 256 000 en entrée et 128 000 en sortie pour Beam, dont le chiffre de contexte est accompagné d'une note de bas de page bêta.

• Prix — 0,66 $ et 1,98 $ par million de jetons pour DeepSeek V4 Pro, avec des lectures de cache à 0,022 $, contre aucune donnée publiée pour Beam.

• Disponibilité — DeepSeek V4 Pro est disponible en version générale depuis le 24 avril 2026 ; Beam est une bêta à accès sur liste d'attente, annoncée le 5 octobre 2026, avec des poids promis ce mois-ci.

Le prix, y compris la part que personne ne mentionne

Les tarifs de 0,66 $ et 1,98 $ de DeepSeek V4 Pro correspondent au tarif catalogue du fournisseur, repris tel quel dans notre catalogue sans aucune marge ajoutée. Il existe toutefois un détail qu'il vaut mieux anticiper, et qui est facile à manquer : la grille tarifaire comporte deux plages horaires, de 01:00 à 04:00 UTC et de 06:00 à 10:00 UTC, durant lesquelles le prix est multiplié par deux — 1,32 $ en entrée et 3,96 $ en sortie. Ces deux plages tombent pendant la journée de travail des équipes européennes et asiatiques, si bien qu'un pipeline fonctionnant aux horaires européens passera une partie de sa journée au tarif double sans qu'aucune défaillance ne se produise.

Les lectures de cache à 0,022 $ par million de tokens constituent l'autre moitié du tableau, et la plus grande. Cela représente une réduction de trente pour un sur le tarif d'entrée, et pour les charges de travail de longs documents et de longues conversations pour lesquelles DeepSeek V4 Pro est conçu — 1 048 576 tokens de contexte, 384 000 tokens de sortie —, le coût effectif d'une session qui relit un préfixe stable est bien inférieur au tarif affiché. Toute comparaison qui multiplie le volume par 0,66 $ sans modéliser la réutilisation du cache surestimera largement ce que coûte l'exploitation de ce modèle.

Beam n’a d’équivalent à rien de tout cela. Aucun tarif catalogue, aucun palier de cache, aucune fenêtre temporelle, aucun engagement publié quant à savoir s’il sera vendu au token, tout simplement. La comparaison n’oppose pas 0,66 $ à quelque chose de moins cher ; elle oppose un modèle tarifé à un modèle non tarifé, et tant que Reflection ne publie pas de grille tarifaire, il n’y a aucun seuil de rentabilité à calculer.

Benchmarks : les deux modèles n'ont jamais été comparés directement

C'est le moment où la prudence est de mise, car il existe un piège évident dans lequel on peut tomber et il vaut la peine d'être nommé explicitement.

Les tableaux de lancement de Reflection comparent Beam à Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max et DeepSeek V4.1 Flash — la variante sœur, et non V4 Pro. Ainsi, le modèle DeepSeek qui apparaît dans les propres tableaux de Beam est un autre : le membre bon marché et rapide de la famille, à 0,15 $ et 0,60 $, qui affiche, selon le tableau du fournisseur, un Terminal-Bench v2.1 de 90,6 contre les 80,1 de Beam et un DeepSWE v1.1 de 74,2 contre les 44,4 de Beam. Lire un chiffre de V4 Pro dans une colonne V4.1 Flash est, de loin, l'erreur la plus probable que commettra quiconque rédigera cette comparaison.

Ce qui existe pour V4 Pro, d’Artificial Analysis via notre catalogue, repose là encore sur des harnais différents — ces résultats sont donc directionnels, et non contrôlés.

• tau-squared Bench — DeepSeek V4 Pro enregistre 96,2 contre une valeur fournisseur de 78,7 pour Beam sur MCP Atlas et de 38,0 sur tau3 banking. Des évaluations différentes au sein de la même famille de mesure de l’utilisation d’outils agentiques, et les deux ensembles ne sont pas interchangeables.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro se situe à 36,0, classé 41e sur 147 dans sa session ; Beam n'a aucune ligne d'index du tout, les pages du modèle renvoyant une erreur 404 et aucune entrée Beam dans les données du classement en date de ce matin.

• GPQA Diamond — DeepSeek V4 Pro à 92,8 selon Artificial Analysis, contre le 90,5 rapporté par le fournisseur Beam.

• Humanity's Last Exam — DeepSeek V4 Pro à 41,0 selon Artificial Analysis, contre le 36,2 rapporté par l’éditeur de Beam, ce dernier étant explicitement sans outils.

• SciCode — DeepSeek V4 Pro à 51,0 selon Artificial Analysis, contre 49,7 rapporté par Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro à 78,7 selon Artificial Analysis contre 80,1 déclaré par le fournisseur pour Beam. La seule ligne de cette liste où Beam est en tête, et l’écart est inférieur à deux points.

• Rappel de contexte long — DeepSeek V4 Pro à 80,3 selon Artificial Analysis, contre les 79,3 rapportés par le fournisseur Beam sur AA-LCR.

Le schéma est cohérent et il devrait être inconfortable pour le positionnement de Beam. Sur chaque ligne où les deux modèles ont un chiffre, DeepSeek V4 Pro est devant, sauf Terminal-Bench v2.1, où il est derrière de moins de deux points — et chaque chiffre de DeepSeek provient d'un harnais tiers, tandis que chaque chiffre de Beam provient du fournisseur lui-même. Un modèle déjà en disponibilité générale, à un prix publié inférieur à un dollar en entrée, n'est manifestement pas en train de perdre face à un modèle non commercialisé sur les benchmarks qu'ils partagent.

Quel rapport l'allégation d'efficacité de Beam vient-elle faire là-dedans

La véritable affirmation de Reflection n’est pas une affirmation de benchmark, et répéter les tableaux comme s’il s’agissait de cela passe à côté de l’essentiel. L’affirmation est que Beam obtient des scores comparables à GLM 5.2 en raisonnement avancé tout en utilisant 3 à 4× moins de calcul d’inférence, l’écart se creusant face à des modèles à 2 000 milliards de paramètres comme Qwen 3.8-Max. Le graphique à l’appui estime les FLOPs générés comme deux fois le nombre de paramètres actifs multiplié par le nombre moyen de jetons générés par tentative, sur DeepSWE, HLE et Terminal-Bench 2.1, et sa propre légende admet que le préremplissage du prompt, l’attention dépendante du contexte et les surcoûts de service sont exclus.

Mettez cela en regard des chiffres de V4 Pro, et l’argument devient plus intéressant que ne le suggèrent les tableaux principaux. V4 Pro active 49 milliards de paramètres par token, contre 23 pour Beam — environ deux fois plus — donc, selon la formule qu’utilise Reflection, Beam devrait être en avance d’un facteur d’environ deux sur le calcul de génération par token, avant même toute différence dans le nombre de tokens. C’est un avantage réel et lisible, et c’est le seul que Beam possède.

Contre : le ratio d'activation du V4 Pro est plus agressif, son contexte est quatre fois plus grand et sa sortie maximale est trois fois plus grande, ce qui signifie qu'une session V4 Pro qui résout une tâche en moins de tours, mais plus longs, peut au final coûter moins cher, même avec une estimation par token plus élevée. Les FLOPs par token ne sont pas les FLOPs par tâche, et le graphique est par token.

La mesure indépendante n’existe pas encore. La seule déclaration publique d’un tiers est celle d’Artificial Analysis, qui a indiqué le 5 octobre que Reflection lui avait donné accès et qu’il évaluait Beam, les premiers indicateurs suggérant que Beam sera l’un des modèles ouverts les plus économes en tokens qu’il ait vus pour son niveau d’intelligence. Aucun chiffre n’a suivi.

Où le contexte de V4 Pro compte vraiment

Il existe une dimension dans cette confrontation où l'écart est suffisamment grand pour être décisif plutôt qu'incrémental, et ce n'est pas un benchmark.

DeepSeek V4 Pro prend en charge 1 048 576 tokens de contexte et 384 000 tokens en sortie maximale. Beam prend en charge 256 000 et 128 000, avec une note de bas de page sur le chiffre du contexte qui avertit qu’il pourrait évoluer pendant la bêta. Pour une revue de contrat juridique, une refactorisation de dépôt entier ou une tâche de synthèse sur des milliers de pages, cette différence n’est pas un écart de performance — c’est la différence entre un seul appel et un pipeline de découpage que vous devez écrire et valider. L’étape de midtraining de Beam étendrait son contexte effectif à 1 million de tokens, une capacité côté entraînement, tandis que la limite de service reste à 256 000 ; les deux chiffres sont souvent confondus et ne désignent pas la même chose.

Le plafond de sortie ne fait qu’aggraver la situation. Une sortie maximale de 384 000 tokens permet à un seul appel de produire un artefact structuré volumineux ; ce n’est pas le cas avec 128 000, et aucun des deux modèles ne propose de point de terminaison par lots ni de route d’embeddings via les surfaces décrites au lancement.

Choisir, et où le routage s’inscrit

Pour les charges de travail spécifiques où un million de tokens de contexte et une sortie de 384 000 tokens comptent, DeepSeek V4 Pro n’est pas en concurrence avec Beam — il n’est en concurrence avec rien d’autre sur cette page, et Beam ne peut entrer dans la comparaison à aucun prix tant que sa fenêtre ne change pas.

Pour les charges de travail à volume élevé qui tiennent dans 256 000 tokens, la décision se résume à un pari : l'efficacité revendiquée par Beam résiste-t-elle à un harnais tiers, comparée à un tarif V4 Pro déjà inférieur d'un ordre de grandeur à celui de la frontière et encore réduit par des lectures de cache à 0,022 $ ? En face, le frère moins cher de DeepSeek figure dans le même catalogue à 0,15 $ et 0,60 $ — et c'est le modèle sur lequel les propres tableaux de lancement de Beam placent Beam derrière sur DeepSWE et Terminal-Bench. Le plancher pour un nouvel entrant ici est plus bas qu'il n'y paraît.

C'est ici qu'une couche de routage justifie sa place plutôt que de rester un slogan. DeepSeek V4 Pro est dans notre catalogue, avec le tarif catalogue du fournisseur répercuté tel quel, sans rien ajouter, via une unique clé compatible OpenAI à l'adresse api.orcarouter.ai/v1, aux côtés de plus de 200 autres modèles. Le DSL de routage vous permet d'exprimer la décision au lieu de la coder en dur : épingler les requêtes à long contexte sur le modèle à fenêtre d'un million de tokens, épingler les requêtes courtes à fort volume sur le modèle bon marché qui réussit votre évaluation, et combiner les deux en un seul appel lorsque la tâche a besoin des deux. Comme le routage gère le basculement entre fournisseurs, le palier économique peut être appliqué sans risque à une partie du trafic plutôt qu'à la totalité — ce qui est exactement la posture à adopter face à un modèle comme Beam, dont personne en dehors de Reflection n'a reproduit les benchmarks.

Le verdict, et les deux dates qui pourraient le faire basculer

Reflection Beam perd cette comparaison sur tout ce qui est connaissable aujourd'hui. Il est plus petit, moins clairsemé, dispose d'un quart du contexte, n'a pas de score indépendant et — de manière décisive pour un modèle vendu sur son coût — n'a pas de prix. DeepSeek V4 Pro affiche un meilleur indice Artificial Analysis, un meilleur score HLE, un meilleur score GPQA Diamond, un meilleur score SciCode et un meilleur chiffre de rappel en contexte long, tous mesurés par quelqu'un d'autre que son fournisseur, et tout cela en activant deux fois plus de paramètres par token à un tarif publié inférieur à un dollar.

Ce que Beam a, c’est une seule affirmation claire : 23 milliards de paramètres actifs représentent un tiers de ceux de V4 Pro, donc une comparaison des calculs côté génération devrait lui être favorable dans un rapport d’environ deux pour un. Cette affirmation est plausible, c’est la raison de prendre Beam au sérieux, et elle n’a été mesurée par personne en dehors du laboratoire qui l’a formulée.

Deux dates tranchent la question. Les poids, promis sous Apache 2.0 plus tard ce mois-ci, qui permettraient à n’importe qui de compter les FLOPs soi-même. Et la ligne Artificial Analysis, qui remplacerait une légende de fournisseur par un chiffre. Jusqu’à ce que l’une des deux se concrétise, le modèle que vous pouvez tarifer, mettre en cache et appeler avec un million de tokens de contexte est celui sur lequel construire.