
Qwen4-Max מול Reflection Beam: פלט של $1.20 לעומת $4.50, והמשקלים שמכריעים בכך
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 90 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 133 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 219 tok/s
Reflection Beam 1.0 יפיק מיליון טוקני פלט תמורת 1.20 דולר דרך ה-API שלה. Qwen4-Max גובה 4.50 דולר עבור אותו מיליון בסינגפור, 4.24 דולר בפרנקפורט, וירג'יניה, טוקיו, הונג קונג ובייג'ינג. זהו פער של פי 3.75 לטובת המודל בעל המשקולות הפתוחות, וזה מסוג המספרים שמסיימים את רוב ההשוואות לפני שהן מתחילות. הוא לא מסיים את ההשוואה הזו, מפני ששני המודלים אינם אותו סוג מוצר: Reflection Beam 1.0 הוא מודל תערובת-מומחים דליל עם 501 מיליארד פרמטרים ומשקולות Apache 2.0 שאפשר להוריד ולהריץ על ארבעה כרטיסי GPU, ואילו Qwen4-Max הוא דגם דגל סגור של Alibaba שהפך לזמין באופן כללי עם מחירון מפורסם ב-16 בנובמבר 2026 ואינו מפרסם משקולות כלל. האחד הוא מודל שאפשר להחזיק בבעלותך. האחר הוא מודל שאפשר לשכור, במחיר שקונה לך חלון הקשר גדול בהרבה, קלט וידאו ילידי וספק עם חוזה תמיכה.
יש גם שאלת מדידה, והיא פועלת לרעת המודל הזול יותר בעוצמה. Beam 1.0 מקבל ציון 17.7 במדד הבינה הנוכחי של Artificial Analysis. ל-Qwen4-Max אין ציון כלל. לכן הניסוח הכנה אינו "מודל פתוח זול מול מודל סגור יקר" — אלא "מודל שנמדד, שהוא זול ולא חזק במיוחד, מול מודל שלא נמדד, שהוא יקר וטוען להרבה מאוד."

מהו Beam 1.0 למעשה
{{1}}Reflection{{/1}}, המעבדה ב{{2}}ניו יורק{{/2}} שנוסדה ב-{{3}}2024{{/3}} על ידי שני חוקרים לשעבר מ-Google DeepMind, הכריזה על {{4}}Beam{{/4}} ב-{{5}}5 באוקטובר 2026{{/5}} והפיצה את המשקלים ב-{{6}}16 באוקטובר{{/6}}. המודל הוא {{7}}Beam 1.0-501B-A23B{{/7}}: {{8}}501.3 מיליארד{{/8}} פרמטרים בסך הכול, {{9}}23 מיליארד{{/9}} פעילים לכל טוקן, יחס אקטיבציה של כ-{{10}}4.6%{{/10}}. {{11}}Reflection{{/11}} מציינת שהיא אינה מגבילה זיקוק, כיוונון עדין, קוונטיזציה או מיזוג.
השחרור יוצא דופן בשלמותו עבור מודל ראשון. BF16 ב-188 שברי safetensors, FP8 ב-E4M3 בנפח 468.72 GiB, וגרסת NVFP4 בנפח 273 GiB שאותה מדריכי ההגשה של Reflection עצמה ממליצים להוריד. מנסח פענוח ספקולטיבי נפרד בן 1.93 מיליארד פרמטרים, DFlash2, שפורסם כמאגר משלו. תמיכה מיום הראשון ב-Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed ו-NVIDIA Dynamo, עם מדריכים שלב אחר שלב ל-SGLang, vLLM ו-TokenSpeed וכן Helm chart. חבילת בדיקות תאימות, beam-verifier, שרצה מול כל נקודת קצה חיה של Beam. ודרישת אירוח עצמי לדוגמה של ארבעה GPUs מסוג NVIDIA B300 SXM על NVLink — מארז אחד, לא אשכול, סף נמוך בהרבה ממה שמודל 500B מרמז בדרך כלל, ונובע ישירות מיחס האקטיבציה של 23B.
ההקשר הוא 1,048,576 טוקנים. המודל מוכוון טקסט ומיועד לקידוד, הסקה ועבודה סוכנית.
מהו למעשה Qwen4-Max
דגם הדגל מהדור הרביעי של Alibaba, זמין באופן כללי מאז 16 בנובמבר 2026 תחת מזהה המודל qwen4-max. הקשר של 1,000,000 טוקנים, פלט מרבי של 131,072 טוקנים מחוץ למצב חשיבה, תקציב משותף של 262,144 טוקנים לחשיבה יחד עם התשובה, וקלט טקסט, תמונה ווידאו עם פלט טקסט. החשיבה מופעלת כברירת מחדל עם תקציב של 131,072 טוקנים ומאמץ חשיבה ברמה גבוהה. שישה אזורים. פרוטוקולי תקשורת של OpenAI, Anthropic ו-DashScope. כוונון עדין ופריסת מודלים מתועדים כלא נתמכים, ואין משקלים מפורסמים.

זה לצד זה, בממדים שמכריעים אם לשכור או להחזיק בבעלות:
• מחיר קלט — Qwen4-Max $1.50 ל-1M בסינגפור ו-$1.413 במקומות אחרים, לעומת Beam 1.0 $0.40
• מחיר פלט — Qwen4-Max $4.50 בסינגפור, $4.24 במקומות אחרים, לעומת Beam 1.0 $1.20
• הקשר — Qwen4-Max 1,000,000 אסימונים לעומת Beam 1.0 1,048,576 אסימונים
• פלט מרבי — Qwen4-Max: 131,072 ללא חשיבה, 262,144 משותף עם חשיבה, לעומת התקרה של Beam 1.0, שאותה החומר הפומבי של Reflection אינו מפרט בנפרד מההקשר
• מודאליות — Qwen4-Max עם טקסט, תמונה ווידאו כקלט, לעומת Beam 1.0 עם טקסט כקלט
• משקלים — Qwen4-Max ללא, לעומת Beam 1.0 Apache 2.0, ניתנים להורדה בשלוש רמות דיוק
• אירוח עצמי — Qwen4-Max אינו מותר ואינו אפשרי, לעומת Beam 1.0 על ארבעה כרטיסי GPU B300 SXM לפי בניית הייחוס של הספק עצמו
• ציון עצמאי — ל-Qwen4-Max לא פורסם ציון, לעומת Beam 1.0 עם 17.7 ב-Artificial Analysis Intelligence Index v5.0.1
מלכודת גרסת האינדקס בניקוד של Beam
כאשר Beam יצא באוקטובר, המספר העצמאי הראשון שהוצמד לו היה 30, בגרסת האינדקס v4.3.2, כשהוא מדורג במקום ה-19 מתוך 120 מודלים. לוח הדירוג הנוכחי מציג 17.7 בגרסה v5.0.1. אף אחד מהמספרים אינו שגוי; הם אינם ניתנים להשוואה, מפני ש-Artificial Analysis שינתה את בסיס האינדקס בין אותן מהדורות, וכל מודל בלוח זז. כל מי שמצטט היום "Beam קיבל 30" מצטט מהדורה שהוצאה משימוש, וכל מי שמצטט "17.7" בלי הגרסה מזמין את אותה טעות בכיוון ההפוך.

מה ששורד את הבסיס-מחדש הוא התמונה היחסית. ב-v5.0.1, 17.7 של Beam 1.0 נמצא הרבה מתחת ל-Qwen3.8-Max עם 33.7, Grok 4.7 עם 35.5 ו-Kimi K3.1 Pro עם 46.5. זהו מודל עובד שאינו תחרותי עם החזית הנוכחית ביכולת כללית, וזה בדיוק מה שהמחיר שלו מרמז ובדיוק מה שחומר ההשקה של Reflection לא אמר בפשטות. הטענה של הספק בעת ההכרזה הייתה מודל חשיבה סמוך לחזית; המדידה העצמאית אומרת אחרת.
ול-Qwen4-Max אין מספר באף אחד משני הדורות. עמוד המודל הייעודי שלו ב-Artificial Analysis מחזיר 404, ולא מופיעה רשומת Qwen4 באינדקס. התיעוד של Alibaba מפרט את המכניקה לפרטי פרטים — טמפרטורות ברירת מחדל של 1.0 עם חשיבה ו-0.7 בלי, top-p של 0.95 ו-0.8, top-k של 20, תקרות קלט לכל מצב של 991,808 ו-983,616 טוקנים — ואינו מפרסם טבלת בנצ'מרקים מכל סוג.
כמה באמת עולה אירוח עצמי של Beam
המספרים $0.40 ו-$1.20 הם תעריפי ה-API של Reflection עצמה. הם לא מה ש-Beam עולה לך אם אתה מפעיל אותו בעצמך, וההבדל הוא כל הסיבה לכך שמשקלים פתוחים חשובים כאן.
ארבעה מעבדי GPU מדגם B300 SXM על גבי NVLink הם רכישה, חכירה או הזמנת ענן, ואף אחד מאלה אינו בחינם. המשמעות של בעלות אינה שעלות לכל טוקן נמוכה יותר — אלא שלאחר שהחומרה מופחתת, עלות האינפרנס השולית מתקרבת לחשבון החשמל, ושום דבר מהנתונים שלך לא יוצא מהבניין. עבור צוות שכבר מפעיל קיבולת B300 לעבודה אחרת, העלות השולית של Beam 1.0 קרובה לאפס והציון שלו 17.7 הוא מציאה. עבור צוות שיצטרך לקנות את הקופסה, אותו מודל הוא התחייבות הונית שנעשתה על סמך ציון בינוני בטבלה.
Qwen4-Max הוא העסקה ההפוכה מכל בחינה. אין עלות הון, אין תכנון קיבולת ואין נטל תפעולי, ובתמורה אתה משלם 3.75× מתעריף ה-API של Beam, אינך יכול לבצע כיוונון עדין, אינך יכול להפעיל אותו בתוך הסביבה שלך, ואתה חשוף לכל מה ש-Alibaba תעשה למחירון התעריפים הזה ברבעון הבא. המבנה האזורי של המחירון הוא החלק המעניין: הפער בין סינגפור, במחיר $1.50 ו-$4.50, לבין $1.413 ו-$4.24 בחמשת האזורים האחרים הוא 6% עבור אותו מודל — קטן מספיק כדי להיות פרט חשבונאי וגדול מספיק כדי להשפיע בהיקפים גדולים.
היכן שכל אחד מהם מצדיק את מקומו
Beam 1.0 היא התשובה הנכונה כאשר אחד משלושה דברים מתקיים. הנתונים שלך לא יכולים לצאת מהתשתית שלך — שום API תחת חוזה לא עומד ברף הזה, ומשקלים ברישיון Apache 2.0 כן עומדים בו. אתה רוצה לבצע fine-tuning על נתוני תחום — התיעוד של Qwen4-Max מסמן במפורש ש-fine-tuning אינו נתמך, בעוד ש-Reflection מאפשר זיקוק, fine-tuning, קוונטיזציה ומיזוג ללא הגבלה. או שעומס העבודה שלך הוא קידוד סוכני שבו מודל עם 23B פרמטרים פעילים בזמן תגובה אינטראקטיבי מהיר מספיק וזול מספיק עד שציון כללי בינוני בטבלה אינו האילוץ המכריע.
Qwen4-Max היא התשובה הנכונה כאשר הקלט אינו טקסט. Beam מקבל טקסט; Qwen4-Max מקבל טקסט, תמונות ווידאו. אם צינור העיבוד שלך קולט צילומי מסך, מסמכים סרוקים, פריימים ממצלמה או הקלטת מסך, ההשוואה מוגמרת עוד לפני שהמחיר נכנס לתמונה, כי אחד מהמודלים האלה אינו יכול לקבל את הבקשה. אותו דבר חל על כל מה שדורש פריסה באירופה, ביפן או ב-US-East: שישה אזורי Alibaba מול API יחיד של צד ראשון הם שאלת זכאות, לא שאלת עלות.
לכל השאר — יצירת טקסט כללית בנפח מתון, ללא כוונון עדין, ללא אילוץ מיקום נתונים — ההחלטה מצטמצמת לשאלה עד כמה אתם סומכים על מודל שלא נמדד לעומת מודל בינוני שנמדד, והתשובה היא שאסור לסמוך על אף אחד מהם עד שתעבירו מאה פרומפטים משלכם דרך שניהם. במחיר של $4.50 ו-$1.20 למיליון טוקני פלט, ההערכה הזו עולה סנטים.
ניתוב, והטיעון בעד אפשרות שלישית
OrcaRouter אינו מנתב כיום את Beam 1.0 או Qwen4-Max; ניתן להגיע לשניהם דרך ממשקי ה-API של הספקים שלהם בתעריפים שלמעלה. מה שהקטלוג כן מציע הוא אמצע השוק במפתח אחד וכתובת בסיס אחת — GLM-5.3 ב-$1.40 ו-$4.40 למיליון עם משקלים פתוחים וציון אינדקס של 31.7, Qwen3.8-Max ב-$2.00 ו-$6.00 עם 33.7, Kimi K3.1 Pro ב-$2.00 ו-$10.00 עם 46.5 — כולם מועברים במחיר המחירון של הספק ללא תוספת.
זהו הפתרון המעשי לעימות הספציפי הזה. Beam 1.0 מבקש ממך להסתפק ב־17.7 בתמורה לבעלות ולמחיר נמוך; Qwen4-Max מבקש ממך להסתפק בבלתי־ידוע בתמורה למודאליות ואזורים. מודל עם ציון מפורסם, משקלים מפורסמים ומחיר שבין השניים מבקש ממך לא להסתפק באף אחד מהשניים. ניתוב שתי האפשרויות המעניינות אך הלא מוכחות לצד קו בסיס מדוד הוא הדרך לגלות אם מי מהן ראויה לתעבורת ייצור — ומעבר אוטומטי לגיבוי פירושו שהניסוי לא יכול להפיל את השירות בזמן שאתם מריצים אותו.
מה יפתור את זה
מספר אחד: רשומה של Qwen4-Max בלוח דירוג עצמאי, במהדורת האינדקס הנוכחית, לצד ה-17.7 של Beam 1.0. כל השאר בעמוד הזה כבר ידוע — המחירים, חלונות ההקשר, הרישיונות, מספר ה-GPU. אם Qwen4-Max מגיע אי-שם לאזור ה-30, תוספת המחיר שלו פי 3.75 קלה להצדקה עבור כל מי שצריך קלט וידאו או נקודת קצה בפרנקפורט. אם הוא מגיע קרוב ל-Beam, תוספת המחיר קונה מודאליות וציות רגולטורי ולא דבר אחר, והתשובה הנכונה היא לנתב לפי דרישה ולא לפי בנצ'מרק. עד שהמספר הזה יהיה קיים, ההשוואה היא בין מודל שנמדד ונמצא בינוני לבין מודל שלא נמדד כלל — ורק אחד משני המצבים האלה הוא סיבה להתחייב לתקציב.
