
Qwen4-Max vs Reflection Beam: Output $1,20 versus $4,50, dan Bobot yang Menentukannya
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 219 tok/s
Reflection Beam 1.0 akan menghasilkan satu juta token output seharga $1,20 melalui API-nya sendiri. Qwen4-Max mengenakan $4,50 untuk satu juta token yang sama di Singapura, $4,24 di Frankfurt, Virginia, Tokyo, Hong Kong, dan Beijing. Itu selisih 3,75× yang menguntungkan model open-weight, dan angka semacam itu biasanya mengakhiri sebagian besar perbandingan sebelum dimulai. Namun tidak demikian dengan perbandingan ini, karena kedua model bukan jenis produk yang sama: Reflection Beam 1.0 adalah model sparse mixture-of-experts 501 miliar parameter dengan bobot Apache 2.0 yang dapat Anda unduh dan jalankan di empat GPU, sedangkan Qwen4-Max adalah produk unggulan tertutup Alibaba yang tersedia secara umum dengan daftar harga resmi pada 16 November 2026 dan sama sekali tidak menerbitkan bobot. Yang satu adalah model yang dapat Anda miliki. Yang lain adalah model yang dapat Anda sewa, dengan harga yang memberi Anda jendela konteks jauh lebih besar, input video native, dan vendor dengan kontrak dukungan.
Ada juga pertanyaan pengukuran, dan itu sangat merugikan model yang lebih murah. Beam 1.0 mendapat skor 17,7 pada Artificial Analysis Intelligence Index saat ini. Qwen4-Max tidak memiliki skor sama sekali. Jadi kerangka yang jujur bukanlah "model terbuka murah versus model tertutup mahal" — melainkan "model yang telah diukur yang murah dan tidak terlalu kuat, dibandingkan model yang belum diukur yang mahal dan mengklaim banyak hal."

Apa sebenarnya Beam 1.0
Reflection, laboratorium New York yang didirikan pada 2024 oleh dua mantan peneliti Google DeepMind, mengumumkan Beam pada 5 Oktober 2026 dan merilis bobotnya pada 16 Oktober. Model ini adalah Beam 1.0-501B-A23B: total 501,3 miliar parameter, 23 miliar aktif per token, rasio aktivasi sekitar 4,6%. Reflection menyatakan tidak membatasi distilasi, fine-tuning, kuantisasi, atau merging.
Rilis ini luar biasa lengkap untuk model pertama. BF16 dengan 188 shard safetensors, FP8 dalam E4M3 sebesar 468,72 GiB, dan build NVFP4 sebesar 273 GiB yang direkomendasikan untuk diunduh oleh panduan serving Reflection sendiri. Sebuah drafter speculative decoding terpisah berparameter 1,93 miliar, DFlash2, diterbitkan sebagai repositori tersendiri. Dukungan hari pertama di Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed, dan NVIDIA Dynamo, dengan panduan langkah demi langkah untuk SGLang, vLLM, dan TokenSpeed plus Helm chart. Sebuah suite conformance, beam-verifier, yang berjalan terhadap endpoint Beam aktif mana pun. Dan persyaratan self-hosting referensi berupa empat GPU NVIDIA B300 SXM pada NVLink — satu mesin, bukan klaster, yang merupakan ambang jauh lebih rendah daripada yang biasanya tersirat oleh model 500B dan mengikuti langsung dari rasio aktivasi 23B.
Konteksnya adalah 1,048,576 token. Model ini berorientasi pada teks dan ditujukan untuk pekerjaan pengodean, penalaran, dan agentik.
Apa sebenarnya Qwen4-Max
Produk unggulan generasi keempat Alibaba, tersedia secara umum sejak 16 November 2026 dengan ID model qwen4-max. Konteks 1.000.000 token, keluaran maksimum 131.072 token di luar mode berpikir, anggaran bersama 262.144 token untuk berpikir plus jawaban, serta input teks, gambar, dan video dengan keluaran teks. Berpikir aktif secara bawaan dengan anggaran 131.072 token dan upaya penalaran pada tingkat tinggi. Enam region. Protokol wire OpenAI, Anthropic, dan DashScope. Fine-tuning dan penerapan model didokumentasikan sebagai tidak didukung, dan tidak ada bobot yang dipublikasikan.

Berdampingan, pada dimensi yang menentukan apakah Anda menyewa atau memiliki:
• Harga input — Qwen4-Max $1,50 per 1 juta di Singapura dan $1,413 di tempat lain, versus Beam 1.0 $0,40
• Harga output — Qwen4-Max $4,50 di Singapura, $4,24 di tempat lain, dibandingkan Beam 1.0 $1,20
• Konteks — Qwen4-Max 1.000.000 token versus Beam 1.0 1.048.576 token
• Keluaran maksimum — Qwen4-Max 131,072 non-thinking, 262,144 dibagi dengan thinking, dibandingkan dengan batas atas Beam 1.0, yang tidak diuraikan secara terpisah dari konteks dalam materi publik Reflection
• Modalitas — Qwen4-Max menerima teks, gambar, dan video, versus Beam 1.0 menerima teks
• Bobot — Qwen4-Max tidak ada, dibandingkan dengan Beam 1.0 Apache 2.0, dapat diunduh dalam tiga presisi
• Self-hosting — Qwen4-Max tidak diizinkan dan tidak mungkin, dibandingkan dengan Beam 1.0 pada empat GPU B300 SXM menurut build referensi milik vendor sendiri
• Skor independen — Qwen4-Max tidak ada yang dipublikasikan, dibandingkan dengan Beam 1.0 sebesar 17.7 pada Artificial Analysis Intelligence Index v5.0.1
Jebakan versi indeks dalam skor Beam
Ketika Beam diluncurkan pada Oktober, angka independen pertama yang dikaitkan dengannya adalah 30, pada versi indeks v4.3.2, dengan peringkat kesembilan belas dari 120 model. Papan peringkat saat ini menunjukkan 17.7 pada versi v5.0.1. Kedua angka itu tidak salah; keduanya tidak dapat dibandingkan, karena Artificial Analysis mengubah basis indeks di antara kedua versi tersebut dan setiap model di papan peringkat ikut bergeser. Siapa pun yang hari ini mengutip "Beam scored 30" sedang mengutip versi yang sudah tidak berlaku, dan siapa pun yang mengutip "17.7" tanpa versinya mengundang kesalahan yang sama dalam arah sebaliknya.

Yang tetap bertahan setelah basis perhitungan diubah adalah gambaran relatifnya. Pada v5.0.1, skor 17,7 milik Beam 1.0 berada jauh di bawah Qwen3.8-Max pada 33,7, Grok 4.7 pada 35,5, dan Kimi K3.1 Pro pada 46,5. Ini adalah model yang berfungsi tetapi tidak kompetitif dengan frontier saat ini dalam hal kemampuan umum, yang persis seperti yang tersirat dari harganya dan persis seperti yang tidak dinyatakan secara gamblang dalam materi peluncuran Reflection. Klaim vendor saat pengumuman adalah model penalaran yang mendekati frontier; pengukuran independen mengatakan sebaliknya.
Dan Qwen4-Max tidak memiliki angka pada kedua versi. Halaman per modelnya di Artificial Analysis mengembalikan 404 dan tidak ada entri Qwen4 yang muncul di indeks. Dokumentasi Alibaba merinci mekanismenya secara detail — suhu default 1,0 dengan thinking dan 0,7 tanpa thinking, top-p 0,95 dan 0,8, top-k 20, batas maksimum input per mode 991.808 dan 983.616 token — dan tidak menerbitkan tabel benchmark apa pun.
Berapa biaya sebenarnya untuk self-hosting Beam
Angka $0,40 dan $1,20 adalah tarif API milik Reflection sendiri. Itu bukan biaya Beam bagi Anda jika Anda menjalankannya sendiri, dan perbedaan inilah alasan utama mengapa bobot terbuka penting di sini.
Empat GPU B300 SXM dengan NVLink merupakan pembelian, sewa, atau reservasi cloud, dan tidak ada satu pun yang gratis. Inti dari memiliki bukanlah bahwa biaya per token lebih rendah — melainkan bahwa setelah perangkat keras diamortisasi, biaya inferensi marginal mendekati tagihan listrik, dan bahwa tidak ada data Anda yang keluar dari gedung. Bagi tim yang sudah menjalankan kapasitas B300 untuk pekerjaan lain, biaya marginal Beam 1.0 mendekati nol dan skor 17,7-nya merupakan nilai yang sangat menguntungkan. Bagi tim yang harus membeli kotaknya, model yang sama merupakan komitmen modal yang diambil dengan mengandalkan skor papan tengah.
Qwen4-Max adalah trade-off yang berlawanan dalam segala hal. Tidak ada biaya modal, tidak ada perencanaan kapasitas, dan tidak ada beban operasional; sebagai gantinya, Anda membayar 3,75× tarif API Beam, Anda tidak dapat melakukan fine-tuning, Anda tidak dapat menjalankannya di dalam perimeter Anda sendiri, dan Anda terpapar pada apa pun yang dilakukan Alibaba terhadap kartu tarif itu kuartal depan. Bagian yang menarik adalah struktur regional kartu tarif tersebut: Singapura pada $1,50 dan $4,50 dibandingkan dengan $1,413 dan $4,24 di lima wilayah lainnya merupakan perbedaan 6% untuk model yang sama, yang cukup kecil untuk menjadi detail akuntansi dan cukup besar untuk berpengaruh pada volume.
Di mana masing-masing membuktikan tempatnya
Beam 1.0 adalah jawaban yang tepat ketika salah satu dari tiga hal berikut benar. Data Anda tidak dapat meninggalkan infrastruktur Anda — tidak ada API yang dikontrak yang memenuhi standar itu, dan bobot Apache 2.0 memenuhinya. Anda ingin melakukan fine-tuning pada data domain — dokumentasi Qwen4-Max secara eksplisit menandai fine-tuning tidak didukung, sedangkan Reflection mengizinkan distilasi, fine-tuning, kuantisasi, dan penggabungan tanpa batasan. Atau beban kerja Anda adalah pengodean agentik di mana model aktif 23B pada latensi interaktif cukup cepat dan cukup murah sehingga skor umum kelas menengah bukanlah kendala yang mengikat.
Qwen4-Max adalah jawaban yang tepat ketika input-nya bukan teks. Beam menerima teks; Qwen4-Max menerima teks, gambar, dan video. Jika pipeline Anda menyerap tangkapan layar, dokumen hasil pindai, frame dari kamera, atau rekaman layar, perbandingannya sudah selesai sebelum harga ikut diperhitungkan, karena salah satu model ini tidak dapat menerima permintaan tersebut. Hal yang sama berlaku untuk apa pun yang membutuhkan deployment di Eropa, Jepang, atau US-East: enam region Alibaba dibandingkan satu API first-party adalah pertanyaan kelayakan, bukan pertanyaan biaya.
Untuk semua hal lainnya — pembuatan teks umum pada volume sedang, tanpa fine-tuning, tanpa kendala residensi — keputusannya bergantung pada seberapa besar Anda memercayai model yang belum terukur dibandingkan model terukur yang biasa-biasa saja, dan jawabannya adalah Anda tidak boleh memercayai keduanya sampai Anda menjalankan seratus prompt milik Anda sendiri melalui keduanya. Dengan biaya $4.50 dan $1.20 per juta token keluaran, evaluasi itu hanya memakan biaya beberapa sen.
Perutean, dan argumen untuk opsi ketiga
OrcaRouter saat ini tidak merutekan Beam 1.0 atau Qwen4-Max; keduanya dapat diakses melalui API milik vendor masing-masing dengan tarif di atas. Yang ditawarkan katalog adalah segmen menengah pasar pada satu kunci dan satu URL dasar — GLM-5.3 seharga $1,40 dan $4,40 per juta dengan bobot terbuka dan skor indeks 31,7, Qwen3.8-Max seharga $2,00 dan $6,00 dengan skor 33,7, Kimi K3.1 Pro seharga $2,00 dan $10,00 dengan skor 46,5 — semuanya diteruskan pada harga daftar penyedia tanpa markup.
Itulah resolusi praktis dari matchup khusus ini. Beam 1.0 meminta Anda menerima 17.7 sebagai ganti kepemilikan dan harga rendah; Qwen4-Max meminta Anda menerima sesuatu yang tidak diketahui sebagai ganti modalitas dan region. Model dengan skor terpublikasi, bobot terpublikasi, dan harga di antara keduanya meminta Anda untuk tidak menerima salah satu pun. Merutekan kedua opsi yang menarik tetapi belum terbukti bersama baseline terukur adalah cara Anda mengetahui apakah salah satunya layak mendapat traffic produksi — dan failover otomatis berarti eksperimen tidak dapat menjatuhkan layanan saat Anda menjalankannya.
Apa yang bisa menyelesaikannya
Satu angka: entri Qwen4-Max di papan peringkat independen, pada versi indeks saat ini, di samping 17.7 milik Beam 1.0. Semua hal lain di halaman ini sudah diketahui — harga, konteks, lisensi, jumlah GPU. Jika Qwen4-Max berada di kisaran 30-an, premi 3.75×-nya mudah dibenarkan bagi siapa pun yang membutuhkan input video atau endpoint Frankfurt. Jika posisinya dekat dengan Beam, premi itu hanya membeli modalitas dan kepatuhan, bukan yang lain, dan jawaban yang tepat adalah merutekan berdasarkan kebutuhan, bukan berdasarkan benchmark. Sampai angka itu ada, perbandingannya adalah antara model yang telah diukur dan ternyata biasa saja dan model yang sama sekali belum diukur — dan hanya satu dari dua posisi itu yang menjadi alasan untuk mengalokasikan anggaran.
