Beam 1.0 לעומת Gemma 4 12B: 501 מיליארד פרמטרים מול 12, ומה הפער הזה באמת קונה

אחד מהמודלים האלה נכנס על מחשב נייד. האחר צריך ארון שרתים, והפער ביניהם הוא פי ארבעים. Reflection Beam 1.0 הוא מודל דליל של תערובת מומחים עם 501.3 מיליארד פרמטרים בסך הכול, שמעיר 23.4 מיליארד מהם לכל אסימון — הוכרז על ידי Reflection ב-5 באוקטובר 2026 כתצוגה מקדימה ברשימת המתנה, ולמעשה שוחרר כמשקולות להורדה ב-16 באוקטובר 2026 תחת Apache 2.0 במבני BF16, FP8 ו-NVFP4, עם דראפטר קטן ל-speculative decoding בשם DFlash2 לצידם. G​emma 4 12B הוא המודל הצפוף ללא מקודד של G​oogle DeepMind, עם 11.95 מיליארד פרמטרים, שיצא ב-3 ביוני 2026, שקורא טקסט, תמונות, אודיו ופריימים של וידאו, כותב טקסט, ומכווץ בקוונטיזציה למשהו שמכונה עם 16GB יכולה להכיל. שני הרישיונות מתירניים, שני הפלטים הם טקסט, ושניהם נמצאים ב-Hugging Face ממש עכשיו. כמעט שום דבר אחר בהם אינו זהה, והשאלה המועילה אינה איזה מהם חכם יותר — אלא איזה מהשניים פותר את הבעיה שלך בלי הזמנת רכש.

זה חשוב יותר מכפי שזה היה בדרך כלל, מפני שבמשך אחד עשר ימים Beam 1.0 היה מודל שאפשר היה לקרוא עליו ולא להשיג אותו. ההכרזה של Reflection מ-5 באוקטובר הבטיחה משקלים תחת Apache 2.0 "בהמשך החודש", והמאגר עמד ריק. נכון ל-16 באוקטובר 2026 האוסף פעיל עם ארבעה מאגרים, וכרטיס המודל כולל טבלת הערכה מלאה. השחרור הזה הוא הסיבה לכך שאפשר לכתוב את ההשוואה הזו כהשוואה בכלל, ולא כהערה על כותרת.

היכן ששניהם עומדים, במעבר אחד

כל מה שלהלן הוא או תיעוד של הספק עצמו או של Artificial Analysis. כאשר מספר הוא של הספק ואיש לא שחזר אותו, העמוד הזה אומר זאת במקום שבו הוא מופיע ולא בהצהרת פטור בתחתית.

• סה״כ פרמטרים — Beam 1.0 501.3B לעומת G​emma 4 12B 11.95B. היחס הוא בערך 42 ל־1.

• פרמטרים פעילים לכל טוקן — 23.4B לעומת 11.95B. היחס מצטמצם לכ-2 ל-1, וזה כל הטריק: מודל דליל משלם רק על החלק של עצמו שבו הוא משתמש.

• ארכיטקטורה — Beam 1.0 הוא MoE בעל 52 שכבות עם 256 מומחים, שלוש שכבות צפופות ו-49 שכבות מומחים, קשב מקומי וגלובלי משתלבים לסירוגין, וקשב grouped-query עם שער, תוך שימוש בקשב חלון הזזה; Gemma 4 12B הוא צפוף, 48 שכבות, וללא מקודדים מולטימודליים כלל — הטיפול בראייה ובאודיו מאומן בתוך המודל ולא נוסף בדיעבד.

• חלון הקשר — Beam 1.0 1,000,000 טוקנים בכרטיס המודל; G​emma 4 12B 262,144 טוקנים. שניהם מהווים את הנתון הגדול ביותר שמציעות המשפחות שלהם בהתאמה.

• מודאליות — Beam 1.0 הוא קלט טקסט ופלט טקסט, והכרטיס שלו אומר זאת בפשטות; Gemma 4 12B מקבל כקלט טקסט, תמונה, אודיו ופריימים של וידאו ומחזיר טקסט.

רישיון — Apache 2.0 בשניהם, ניתן לשימוש מסחרי, ללא הגבלת מספר משתמשים. זו הנקודה שבה שני המודלים הכי קרובים להיות אותו דבר.

• הערכה שפורסמה — Beam 1.0 מספק טבלת הערכה עבור נקודות ביקורת BF16, FP8 ו-NVFP4; הכרטיס של Gemma 4 12B מציג נתונים של Google עצמה והוא מדורג באופן עצמאי מאז יוני.

• ציון עצמאי — Artificial Analysis Intelligence Index v4.3.2 מציב את Beam 1.0 בציון 30, במקום ה-19 מתוך 120 מודלים בקטגוריית ההשוואה שלו, ואת G​emma 4 12B בציון 14, במקום ה-20 מתוך 141 — פער של 16 נקודות לטובת המודל הגדול יותר, כשהנתון של G​emma נושא הערת שוליים "משוער" מפני שההערכה העצמאית של ה-12B עדיין הייתה בהמתנה.

מה זה Beam 1.0 באמת, עכשיו כשהמשקלים קיימים

כרטיס המודל מציין: 501.3 מיליארד פרמטרים בסך הכל, 23.4 מיליארד פעילים, 52 שכבות שמתוכן שלוש צפופות ו-49 הן MoE, 256 מומחים, אוצר מילים של 152,000 טוקנים, נקודת חיתוך ידע של 30 ביוני 2026, ומודאליות טקסט בלבד. תבנית הצ'אט היא פורמט Harmony מותאם עם שני ערוצים — analysis ו-final — והגדרת reasoning_effort שמקבלת מספר שלם או אחד מהערכים minimal, low, medium, high, xhigh ו-max, כשהם ממופים ל-8, 32, 64, 128, 256 ו-512. ברירת המחדל המוגשת כאשר הפרמטר אינו מוגדר היא 512. התיעוד של התבנית עצמה מציין ש-minimal, שהוא 8, הוא המאמץ הקטן ביותר שנתוני האימון דגמו אי פעם, כך שתקציב קטן יותר אינו מכובד.

שלושה דברים במפרט הזה ראויים להצפה, מפני שהם החלקים שמכריעים אם תוכל להשתמש בו.

הראשון הוא שלהגדרת המאמץ אין מתג כיבוי. Beam תמיד מבצעת הנמקה; אתה בוחר כמה. עבור לולאת סוכן זה אומר שכל תור נושא קידומת של שיקול דעת שמחויבת בעלות, ואם אתה משחזר את ההיסטוריה, היא מחויבת מחדש. התבנית אף מעלה שגיאה כאשר allow_missing_thinking מוגדר כ-false ותור עוזר קודם השמיט את ההנמקה שלו, בדיוק משום שהסרתה פוגעת בפלט. זו עלות מתועדת, לא באג.

השני הוא הבילדים המקוונטים. Reflection פרסמה צ'קפוינטים FP8 ו-NVFP4 באותו יום שבו יצא מודל ה-BF16, לצד דרפטר DFlash2. מאגר ה-NVFP4 מוצג כ-255B לעומת 501B של ה-BF16, והכרטיס מייחס את הקוונטיזציה ל-llm-compressor, עם קרדיט לאנשי צוות NVIDIA על ההכוונה. קיומו של בילד של ארבעה ביטים כבר ביום אפס משנה מי בכלל יכול להריץ את זה — 501B ב-bfloat16 הם בערך טרה-בייט של משקלים, וזו שיחת רכישה אחרת מ-255B בארבעה ביטים.

השלישי הוא מה שחסר. אין המלצת הגשה על הכרטיס, אין דרישות חומרה מינימליות מפורסמות, ואין מחיר API מפורסם בשום מקום בנכסים של Reflection עצמה. העמוד של Artificial Analysis עבור המודל רושם את שדות המחיר כלא זמינים ומציין "אין API זמין לציבור" — וזה, עבור מודל שכל המסר השיווקי שלו הוא שהוא זול להרצה, הוא השורה שהייתם רוצים שתתמלא.

מהו Gemma 4 12B, ולמה הגודל הוא הטיעון

הכרטיס של Google מציין עבור Gemma 4 12B 11.95 מיליארד פרמטרים על פני 48 שכבות, הקשר של 262,144 טוקנים, אוצר מילים משותף של 262,000 טוקנים בכל המשפחה, וחלון מחליק של 1,024 טוקנים — כפול ממה שהגדלים הקטנים יותר E2B ו-E4B משתמשים בו. מנגנון הקשב משזור קשב מקומי בחלון מחליק עם קשב גלובלי מלא, והשכבה האחרונה היא תמיד גלובלית. הוא מאומן מראש על יותר מ-140 שפות, עם תמיכה מובנית (out-of-the-box) הנטענת ל-35 שפות או יותר.

ההחלטה ההנדסית המעניינת היא ארכיטקטונית: למודל אין מקודדים נפרדים. התפיסה של Google היא שהטיפול המולטימודלי אומן כחלק מהמודל ולא הוצמד לו, ולכן אותו צ'קפוינט משרת גם ראייה וגם שמע בלי סט משקלים נוסף שיש לטעון. במכשיר, זה ההבדל בין מודל שאפשר לפרוס לבין צינור עיבוד.

Google גם סיפקה אימון מודע לקוונטיזציה במקום להסתמך על מכמת בדיעבד, ומפרסמת QAT GGUF בנפח של כ-6.98GB עבור המשקלים בתוספת מקרן מולטימודלי קטן. קוונטיזציות קהילתיות ממשיכות לרדת: בניית Unsloth המשוכפלת באופן נרחב נעה מכ-4.2GB ב-2-bit האגרסיבי ביותר, דרך 7.12GB ב-Q4_K_M ועד 12.67GB ב-Q8_0. בניות MLX ל-Apple silicon מתמקמות סביב 12.7GB ב-8-bit. הצ'קפוינט המכוונן להוראות בדיוק מלא, לעומת זאת, הוא קובץ safetensors יחיד בנפח 23.92GB — טביעת הרגל הגולמית ב-bfloat16 לפני כל KV cache, וזה המספר שאומר לך שמכונה עם 16GB לא יכולה להחזיק אותו ללא קוונטיזציה, וכרטיס עם 24GB יכול.

ניקוד עצמאי זמין מאז זמן קצר לאחר ההשקה, וזו האסימטריה שעוברת דרך כל העמוד הזה. Artificial Analysis מודדת את ה-12B בציון 14 במדד Intelligence Index v4.3.2, 117.6 אסימוני פלט לשנייה, 2.43 שניות לאסימון הראשון, ו-$0.10 למיליון אסימוני קלט לעומת $0.30 למיליון אסימוני פלט. הכרטיס של Google עצמה מדווח 78.2 ב-MMLU Pro, 77.8 ב-GPQA Diamond, 77.5 ב-AIME 2026 ללא כלים, 72.0 ב-LiveCodeBench v6 עם Codeforces ELO של 1659, 69.1 ב-MMMU Pro ו-43.4 ב-MRCR v2 ב-128K עם שמונה מחטים.

ההשוואה שלא קיימת

הכרטיס של Beam 1.0 מדווח על SWE-bench Verified ב-81.6% בצ'קפוינט BF16, 80.2% ב-FP8 ו-80.7% ב-NVFP4; Terminal Bench v2.1 ב-80.1, 78.9 ו-78.4; SWE Bench Pro v1 ב-66.1, 65.9 ו-65.6; DeepSWE v1.1 ב-43.3, 43.0 ו-42.7; GPQA Diamond ב-90.6, 90.3 ו-89.3; AIME 2026 ב-97.7, 98.0 ו-97.5; LiveCodeBench ב-88.3, 88.1 ו-87.4; MCP Atlas ב-80.8, 81.5 ו-80.5, ו-IFBench ב-79.6, 80.7 ו-79.2. ההערכות השתמשו בטמפרטורה 0.7 וב-top-p 0.99. כל זה הוא דיווח של Reflection עצמה, ואף לא אחד מהנתונים הללו שוחזר על ידי צד שלישי.

הכרטיס של G​emma 4 12B מדווח על המספרים של עצמו, שגם הם לא שוחזרו ברמת כל מבחן בנפרד, ו-Artificial Analysis נתנה למודל ציון באופן בלתי תלוי. עכשיו העמידו את השניים זה לצד זה ונסו לחסר. אי אפשר. הטבלה של Beam היא טבלה של מודלי חזית של מבחני קידוד סוכני ושימוש בכלים. זו של G​emma היא טבלה של מבחני הבנה והסקה מולטימודליים. במקום שבו השניים חופפים — GPQA Diamond ו-AIME, בעיקרון — מערכות ההרצה, הגדרות מאמץ החשיבה ופרמטרי הדגימה אינם מתועדים בצד אחד ואינם ידועים בצד האחר. ציון 90.6 לעומת 77.8 ב-GPQA נראה כמו פער של 13 נקודות, וזו השוואה בין המערך של מעבדה אחת לזה של מעבדה אחרת.

המספר היחיד בעמוד הזה שבו ארגון אחד מדד את שני המודלים הוא ה-Intelligence Index, ושם הפער הוא 30 מול 14. זו מדידה אמיתית של צד שלישי לפי מדד משולב מתועד. זה גם פער של 16 נקודות עבור מודל עם פי 42 ממספר הפרמטרים, ולפי הראיות הזמינות, סוג פריסה שונה לחלוטין. אף אחד לא צריך להיות מופתע מכך.

מה העלות של הפעלה בפועל של כל אחד מהם

לא Beam 1.0 ולא G​emma 4 12B נמצאים בקטלוג שלנו. מה ש-OrcaRouter מנתב ממשפחת G​emma 4 הוא שני הגדלים שאנו מציעים: Gemma 4 26B A4B במחיר $0.06 למיליון טוקני קלט ו-$0.33 למיליון טוקני פלט עם חלון הקשר של 262,144 טוקנים, ו-G​emma 4 31B ב-$0.13 ו-$0.38 — מחיר המחירון של הספק מועבר ללא תוספת, כפי שנלקח מרשימת המודלים שלנו ב-16 באוקטובר 2026. Beam 1.0 אינו שירות שאנו מספקים, והדף הזה לא מתיימר אחרת; הדרך להשתמש בו היום היא להוריד אותו מאוסף ה-Hugging Face של Reflection או לפנות ל-API של Reflection עצמה.

זה משאיר את השוואת העלויות הכנה כהשוואת חומרה, וזו הגרסה שלה שבאמת משנה כאן. אם המכונה כבר בבעלותך, G​emma 4 12B בארבעה ביטים הוא הורדה ועניין של אחר צהריים. אם לא, המקבילה המדודה של ה-12B היא בערך הדבר הזול ביותר ברשימה שלנו — שלושים סנט למיליון טוקני פלט — בעוד שמודל 501B עם 23B פעילים הוא השכרת GPU שלא תומחרה עבורך בשום מקום, כי Reflection לא פרסמה תעריף.

איזה מהשניים הוא המודל שלך?

בחר G​emma 4 12Bאם העבודה היא מולטימודלית, אם היא צריכה לרוץ על חומרה שכבר בבעלותך או על מכשיר שאתה מספק ללקוחות, אם השהיה של מאות בודדות של מילישניות עד הטוקן הראשון היא מקובלת, ואם הקשר של 256K מכסה את המסמכים שלך. העיצוב נטול-המקודד והאימון מודע-הכימות מכוונים שניהם היישר אל הקורא הזה, ורישיון Apache 2.0 אומר שתוכל להפיץ נגזרת בלי שיחה עם G​oogle. המחיר של הבחירה הוא היכולת: 14 במדד העצמאי הוא רחוק מאוד מהחזית, וקבוצת הבנצ'מרקים שהכי חשובה לך — קידוד סוכני, הסקה בהיקף מאגר קוד — היא לא הקבוצה ש-G​oogle פרסמה.

בחר Beam 1.0 אם העבודה היא קידוד, שימוש בכלים וביצוע סוכני לטווח ארוך, אם יש לך גישה לאשכול או שותף אירוח, ואם אתה יכול לספוג API ללא תמחור ותקציב חשיבה פעיל תמיד. מדדי הבנצ'מרק שפורסמו מכוונים בדיוק לעומס העבודה הזה, בניית ארבעת הביטים הופכת את השיחה על חומרה לקלה ממשית יותר ממה שמספר הפרמטרים מרמז, והרישיון אינו כולל הגבלה שתמנע כיוונון עדין מסחרי.

אל תבחר באף אחד מהשניים אם מה שאתה באמת צריך הוא תשובה השבוע. שניהם מודלים שעליך להריץ. ההשוואות שהן חשובות להחלטה הזאת — מודל מוגש בתעריף מפורסם, באמצעות מפתח שכבר יש לך — הן עמוד אחר, והעמוד הזה עוסק בשני הקצוות של ספקטרום המשקלים הפתוחים ולא באמצע, שבו מתקיימת רוב תעבורת הייצור.

מה היה משנה את הדף הזה

שני דברים. בנצ'מרק עצמאי שמעמיד את Beam 1.0 ואת G​emma 4 12B על אותה מערכת בדיקה ובאותה מידת מאמץ יחליף את ההשוואה מבוססת Index בלבד שלעיל במשהו שניתן להחסיר, והעובדה שהמשקלות של Beam ציבוריים כעת משמעה שכל אחד יכול להריץ אותו. מחיר מפורסם ל-API של Beam — או לפריסה מתארחת של FP8 או NVFP4 — יהפוך את פרק העלויות מטיעון חומרה למחירון. עד שאחד מאלה יתממש, הסיכום המדויק הוא זה: פער הפרמטרים של 40 ל-1 קונה כ-16 נקודות של אינטליגנציה שנמדדה באופן בלתי־תלוי וקבוצה שונה של בנצ'מרקים, והוא עולה לך מקום לשים אותו.

תוצאה כמו זו היא גם תזכורת לכך שטעויות של מודלים כבר מתועדות: תקריות AI וכשלי סוכנים מאחורי מודלים בקטגוריה הזו נאספים בה-OrcaRouter AI Incident Archive, שבו כל רשומה נושאת את המקורות, חומרת האירוע, דירוג הביטחון ודגל המחלוקת שלה.