Reflection Beam מול DeepSeek V4 Pro: שליש מהגודל, כפול יחס ההפעלה

הדרך המפתה לנסח את Reflection Beam מול DeepSeek V4 Pro היא שחקן חדש וזול מול דגל מבוסס. המסגור הזה שגוי באופן שכדאי לפרט לפני כל דבר אחר, מפני ששני המודלים בנויים על פרשנויות מנוגדות של אותו רעיון. DeepSeek V4 Pro הוא מודל תערובת מומחים בעל 1.6 טריליון פרמטרים, שמפעיל 49 מיליארד פרמטרים לכל טוקן — כ-3.1 אחוז מעצמו. Reflection Beam, שהוכרז ב-5 באוקטובר 2026, הוא מודל תערובת מומחים בעל 501 מיליארד פרמטרים, שמפעיל 23 מיליארד לכל טוקן — כ-4.6 אחוז מעצמו. Beam הוא שליש מהגודל, ולכל טוקן הוא עיצוב *פחות* דליל. התזה כולה של Reflection היא יעילות הסקה, והמודל שאיתו הוא מושווה כאן נמצא לפניו במדד הדלילות שעליו נשענת התזה הזו.

זה לא הפרכה. זו ההכנה, מפני ששני המודלים נמצאים בנקודות שונות מאוד בכל הנוגע למחיר ולזמינות, וההשוואה ההוגנת היא בשאלה על איזה מהם אפשר באמת לבנות. DeepSeek V4 Pro נמצא בקטלוג במחיר של $0.66 למיליון טוקני קלט ו-$1.98 למיליון טוקני פלט, עם הקשר של 1,048,576 טוקנים ופלט מקסימלי של 384,000 טוקנים. ל-Beam אין מחיר מפורסם כלל, אפשר להגיע אליו רק דרך רשימת המתנה, והמשקלים שלו מובטחים להמשך החודש הזה תחת Apache 2.0.

אותו רעיון, יחס שונה

דלילות היא הנחת היסוד המשותפת. שני המודלים משאירים כמעט את כל הפרמטרים שלהם רדומים בכל טוקן נתון, ומשלמים רק עבור החלק הקטן שפועל. מה ששונה הוא עד כמה כל מעבדה דוחפת את זה ומה זה מניב.

DeepSeek V4 Pro מריץ 49 מיליארד פרמטרים פעילים מתוך סך של כ-1.6 טריליון. זהו יחס אגרסיבי במיוחד, והוא זה שמאפשר ל-DeepSeek למכור מודל ברמת דגל ב-0.66 דולר וב-1.98 דולר — תעריף שהיה בלתי מתקבל על הדעת עבור מודל צפוף בעל יכולת כזו. הפשרה היא שסך מספר הפרמטרים עצום: המודל גדול מבחינת אחסון והגשה, ולכן אירוח שלו הוא עסק של מומחים ולא משהו שרוב הצוותים עושים בעצמם.

Reflection Beam מפעיל 23 מיליארד פרמטרים פעילים מתוך 501 מיליארד. קטן יותר בכל ממד: שליש מסך הפרמטרים, פחות ממחצית מהפעילים, ויחס הפעלה פחות אגרסיבי. הטיעון של Reflection אינו ש-Beam הוא המודל הדליל ביותר הזמין — היא במכוון אינה טוענת זאת — אלא ש-23 מיליארד פרמטרים פעילים הוא גודל שאפשר לשרת על מספר קטן יחסית של GPUs, מה שמשנה את כלכלת הפריסה ולא את החשבון לכל טוקן.

• סך הפרמטרים — DeepSeek V4 Pro כ-1.6 טריליון לעומת Reflection Beam עם 501 מיליארד.

• פעיל לכל טוקן — 49 מיליארד לעומת 23 מיליארד.

• יחס הפעלה — כ-3.1 אחוז עבור DeepSeek V4 Pro, כ-4.6 אחוז עבור Reflection Beam. Beam הוא הפחות דליל מבין השניים.

• קלט מודאלי — DeepSeek V4 Pro הוא טקסט בלבד; Reflection Beam הוא טקסט בלבד. אף אחד מהם לא מקבל תמונות, אודיו או וידאו, וזהו מקרה נדיר של שני מודלים בקטגוריה הזו שמסכימים.

• הקשר ופלט — 1,048,576 טוקנים בקלט ו-384,000 בפלט עבור DeepSeek V4 Pro, לעומת 256,000 בקלט ו-128,000 בפלט עבור Beam, כאשר נתון ההקשר של Beam מלווה בהערת שוליים על בטא.

• מחיר — $0.66 ו-$1.00 למיליון טוקנים עבור DeepSeek V4 Pro, עם קריאות מטמון ב-$0.10, לעומת דבר לא מפורסם עבור Claude.

• זמינות — DeepSeek V4 Pro נמצאת בשחרור כללי מאז 24 באפריל 2026; Beam היא בטא ברשימת המתנה שהוכרזה ב-5 באוקטובר 2026, עם משקולות שהובטחו החודש.

המחיר, כולל החלק שאף אחד לא מזכיר

המחירים $0.66 ו-$1.98 של DeepSeek V4 Pro הם תעריף המחירון של הספק, המועברים בקטלוג שלנו ללא תוספת. עם זאת, יש נקודה עדינה שכדאי לתקצב עבורה, וקל להחמיץ אותה: כרטיס התעריפים כולל שני חלונות זמן, 01:00 עד 04:00 UTC ו-06:00 עד 10:00 UTC, שבמהלכם המחיר מוכפל פי שניים — $1.32 בקלט ו-$3.96 בפלט. שניהם חלים בתוך יום העבודה של צוותים באירופה ובאסיה, לכן פייפליין שרץ בשעות אירופיות יוציא חלק מיומו בתעריף כפול בלי ששום דבר ייכשל.

קריאות מטמון במחיר $0.022 למיליון אסימונים הן החצי השני של התמונה — והגדול מבין השניים. מדובר בהנחה של 30 ל־1 על תעריף הקלט, ועבור עומסי העבודה של מסמכים ארוכים ושיחות ארוכות שעבורם נבנה DeepSeek V4 Pro — 1,048,576 אסימונים של, 384,000 אסימונים של פלט — העלות האפקטיבית של סשן שקורא מחדש קידומת יציבה נמוכה בהרבה מהמחיר המפורסם. כל השוואה שמכפילה נפח ב-$0.66 בלי למדל שימוש חוזר במטמון תפריז מאוד בעלות ההרצה של המודל הזה.

ל-Beam אין מקבילה לאף אחד מהדברים האלה. אין מחיר מחירון, אין שכבת מטמון, אין חלון זמן, ואין התחייבות מפורסמת לגבי אם בכלל יימכר לפי טוקן. ההשוואה אינה $0.66 מול משהו זול יותר; מדובר במודל מתומחר מול מודל שאינו מתומחר, ועד ש-Reflection תפרסם מחירון, אין נקודת איזון שאפשר לחשב.

בנצ'מרקים: שני המודלים מעולם לא הורצו ראש בראש

זה הקטע שבו הזהירות חשובה, כי יש מלכודת ברורה שזמינה וכדאי לנקוב בה במפורש.

טבלאות ההשקה של Reflection משוות את Beam מול Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max ו-DeepSeek V4.1 Flash — האח, לא V4 Pro. לכן מודל ה-DeepSeek שמופיע בטבלאות של Beam עצמו הוא אחר: החבר הזול והמהיר במשפחה, במחירים של $0.15 ו-$0.60, שמציג בטבלת היצרן Terminal-Bench v2.1 ציון של 90.6 מול 80.1 של Beam, וב-DeepSWE v1.1 ציון של 74.2 מול 44.4 של Beam. קריאת נתון של V4 Pro מתוך עמודת V4.1 Flash היא הטעות הסבירה ביותר שכל מי שכותב את ההשוואה הזו יעשה.

מה שכן קיים עבור V4 Pro, מ-Artificial Analysis דרך הקטלוג שלנו, יושב שוב על הרנסים שונים — אז אלה כיווניים, לא מבוקרים.

• tau-squared Bench — DeepSeek V4 Pro משיג 96.2 לעומת נתון ספק של 78.7 עבור Beam ב-MCP Atlas ו-38.0 ב-tau3 banking. הערכות שונות באותה משפחה של מדידת שימוש בכלים סוכניים, ושתי הקבוצות אינן ניתנות להחלפה.

• מדד האינטליגנציה של Artificial Analysis — DeepSeek V4 Pro עומד על 36.0, מדורג במקום ה-41 מתוך 147 בהרצה שלו; ל-Beam אין שורת מדד כלל, כאשר דפי המודל מחזירים 404 ואין רשומת Beam במטען הנתונים של לוח הדירוג נכון להבוקר.

• GPQA Diamond — DeepSeek V4 Pro ב-92.8 לפי Artificial Analysis לעומת 90.5 כפי שדווח על ידי הספק של Beam.

• Humanity's Last Exam — DeepSeek V4 Pro עם 41.0 לפי Artificial Analysis לעומת 36.2 שדווח על ידי הספק של Beam, כאשר האחרון במפורש ללא כלים.

• SciCode — DeepSeek V4 Pro עם 51.0 לפי Artificial Analysis, לעומת 49.7 כפי שדווח על ידי הספק של Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro ב-78.7 לפי Artificial Analysis לעומת 80.1 שדווח על ידי הספק של Beam. השורה היחידה ברשימה הזו שבה Beam מובילה, והפער קטן משתי נקודות.

• שליפה בהקשר ארוך — DeepSeek V4 Pro עם 80.3 לפי Artificial Analysis לעומת 79.3 שדווחו על ידי הספק של Beam ב-AA-LCR.

התבנית עקבית, והיא אמורה להיות לא נוחה למיצוב של Beam. בכל שורה שבה לשני המודלים יש מספר, DeepSeek V4 Pro מוביל, פרט ל-Terminal-Bench v2.1, שבו הוא מפגר בפחות משתי נקודות — וכל נתון של DeepSeek מגיע מהרנס של צד שלישי, בעוד שכל נתון של Beam הוא של הספק עצמו. מודל שכבר משוחרר לשימוש כללי, במחיר מפורסם של פחות מדולר לקלט, לא מפסיד באופן מובהק למודל שטרם שוחרר בבנצ'מרקים המשותפים להם.

מה הקשר בין טענת היעילות של Beam לכל זה

הטענה האמיתית של Reflection אינה טענת בנצ'מרק, וחזרה על הטבלאות כאילו היא כזו מחמיצה את הנקודה. הטענה היא ש-Beam משיגה תוצאות דומות ל-GLM 5.2 בהסקה מתקדמת, תוך שימוש ב-3 עד 4× פחות כוח חישוב להסקה, כשהפער מתרחב מול מודלים בעלי 2 טריליון פרמטרים כמו Qwen 3.8-Max. התרשים התומך אומד את ה-FLOPs המיוצרים כ-2 כפול מספר הפרמטרים הפעילים כפול מספר האסימונים הממוצע שנוצרו בכל ניסיון, על פני DeepSWE, HLE ו-Terminal-Bench 2.1, והכיתוב של התרשים עצמו מודה ש-prefill של הפרומפט, attention תלוי הקשר ותקורת שירות אינם נכללים.

הצב את זה מול המספרים של V4 Pro והטיעון נעשה מעניין יותר ממה שטבלאות הכותרת מרמזות. V4 Pro מפעיל 49 מיליארד פרמטרים לכל טוקן לעומת 23 של Beam — בערך פי שניים — כך שלפי הנוסחה שבה משתמשת Reflection, Beam אמורה להוביל בפקטור של בערך שניים בחישוב היצירה לכל טוקן לפני כל הבדל במספר הטוקנים. זה יתרון אמיתי וברור, והוא היתרון היחיד שיש ל-Beam.

מנגד: יחס ההפעלה של V4 Pro אגרסיבי יותר, חלון ההקשר שלו גדול פי ארבעה, והפלט המקסימלי שלו גדול פי שלושה, מה שאומר שסשן של V4 Pro שפותר משימה בפחות תורות ארוכים יותר עשוי לעלות פחות בסך הכול, גם לפי אומדן גבוה יותר לכל טוקן. FLOPs לכל טוקן אינו FLOPs לכל משימה, והתרשים הוא לפי טוקן.

המדידה הבלתי תלויה עדיין אינה קיימת. ההצהרה היחידה של צד שלישי שתועדה היא של Artificial Analysis, שאמרה ב-5 באוקטובר ש-Reflection נתנה לה גישה, ושהיא בחנה את Beam, כאשר אינדיקטורים מוקדמים מרמזים ש-Beam יהיה אחד המודלים הפתוחים היעילים ביותר מבחינת טוקנים שהיא ראתה ברמת האינטליגנציה שלו. שום מספר לא הופיע מאז.

היכן שההקשר של V4 Pro באמת משנה

יש מימד אחד בהתמודדות הזו שבו הפער גדול מספיק כדי להיות מכריע ולא הדרגתי, והוא אינו מדד ביצועים.

DeepSeek V4 Pro מספק 1,048,576 טוקנים של הקשר ו-384,000 טוקנים של פלט מקסימלי. Beam מספק 256,000 ו-128,000, עם הערת שוליים על נתון ההקשר שמזהירה שהוא עשוי להשתנות במהלך הבטא. עבור סקירת חוזה משפטית, ריפקטור של מאגר קוד שלם או משימת סינתזה על פני אלפי עמודים, ההבדל הזה אינו דלתא בביצועים — הוא ההבדל בין קריאה אחת לבין צינור חלוקה למקטעים (chunking pipeline) שעליך לכתוב ולתקף. שלב ה-midtraining של Beam, על פי הדיווחים, מאריך את ההקשר האפקטיבי שלו למיליון טוקנים, וזו יכולת בצד האימון, בעוד שמגבלת ה-serving נשארת על 256,000; שני הנתונים האלה מבולבלים לעתים קרובות והם אינם אותו דבר.

תקרת הפלט מחריפה זאת. פלט מקסימלי של 384,000 טוקנים מאפשר לקריאה בודדת להפיק ארטיפקט מובנה גדול; 128,000 לא, ואף אחד מהמודלים אינו מציע נקודת קצה לאצווה או נתיב embeddings דרך המשטחים שתוארו בהשקה.

בחירה, והיכן שהניתוב משתלב

עבור עומסי העבודה הספציפיים שבהם מיליון טוקנים של הקשר ופלט של 384,000 טוקנים חשובים, DeepSeek V4 Pro לא מתחרה ב-Beam — הוא לא מתחרה באף דבר אחר בעמוד הזה, ו-Beam לא יכולה להיכנס להשוואה בשום מחיר עד שהחלון שלה ישתנה.

לעבודה בנפח גבוה שנכנסת בתוך 256,000 טוקנים, ההחלטה מצטמצמת להימור בשאלה אם היעילות המוצהרת של Beam תשרוד הרנס (harness) של צד שלישי, כשהמחיר נבחן מול תעריף V4 Pro שכבר נמוך בסדר גודל מהחזית ומקבל הנחה נוספת מקריאות מטמון ב-$0.022. מנגד, האח הזול יותר של DeepSeek עצמה יושב באותו קטלוג ב-$0.15 ו-$0.60 — והוא המודל שטבלאות ההשקה של Beam עצמה ממקמות את Beam מאחוריו ב-DeepSWE וב-Terminal-Bench. הרף לכניסה חדשה כאן נמוך ממה שזה נראה.

כאן שכבת ניתוב מצדיקה את מקומה ולא נשארת סיסמה. DeepSeek V4 Pro נמצאת בקטלוג שלנו, כאשר תעריף המחיר של הספק מועבר כמו שהוא בלי שום תוספת, מאחורי מפתח אחד תואם OpenAI בכתובת api.orcarouter.ai/v1 לצד יותר מ-200 מודלים אחרים. ה-DSL של הניתוב מאפשר לך לבטא את ההחלטה במקום לקודד אותה קשיח: להצמיד בקשות עם הקשר ארוך למודל עם חלון מיליון הטוקנים, להצמיד בקשות קצרות בנפח גבוה למודל הזול שעובר את ההערכה שלך, ולשלב את השניים לקריאה אחת כשהמשימה דורשת את שניהם. מכיוון שהניתוב מטפל במעבר לגיבוי בין ספקים, בטוח להפנות לשכבה הזולה חלק מהתעבורה ולא את כולה — וזו בדיוק הגישה הרצויה כלפי מודל כמו Beam, שאת מדדי הביצועים שלו איש מחוץ ל-Reflection לא הצליח לשחזר.

פסק הדין, ושני התאריכים שישנו אותו

Reflection Beam מפסיד בהשוואה הזו בכל מה שניתן לדעת היום. הוא קטן יותר, פחות דליל, יש לו רבע מההקשר, אין לו ציון בלתי תלוי, ובאופן מכריע עבור מודל שנמכר על בסיס עלות — אין לו מחיר. DeepSeek V4 Pro מציג מדד Artificial Analysis טוב יותר, HLE טוב יותר, GPQA Diamond טוב יותר, SciCode טוב יותר ונתון אחזור בהקשר ארוך טוב יותר, כולם נמדדו על ידי מישהו שאינו הספק שלו, והכל תוך הפעלה של פי שניים פרמטרים לכל טוקן בתעריף מפורסם של פחות מדולר.

מה שיש ל-Beam הוא טענה אחת קריאה וברורה: 23 מיליארד פרמטרים פעילים הם שליש משל V4 Pro, ולכן השוואת מחשוב בצד היצירה אמורה להעדיף אותו בפער של בערך שניים לאחד. הטענה הזו סבירה, היא הסיבה להתייחס ל-Beam ברצינות, והיא לא נמדדה על ידי אף אחד מחוץ למעבדה שיצרה אותה.

שני תאריכים יכריעו את העניין. המשקלים, שהובטחו תחת Apache 2.0 בהמשך החודש, שיאפשרו לכל אחד לספור את ה-FLOPs בעצמו. והשורה של Artificial Analysis, שתחליף כיתוב של ספק במספר. עד שאחד מהם יתממש, המודל שאפשר לתמחר, לשמור במטמון ולקרוא לו עם מיליון טוקנים של הקשר הוא זה שעליו כדאי לבנות.