Reflection Beam vs DeepSeek V4 Pro: Sepertiga Ukurannya, Dua Kali Rasio Aktivasi

Cara yang menggoda untuk membingkai Reflection Beam terhadap DeepSeek V4 Pro adalah pendatang baru murah versus andalan mapan. Pembingkaian itu salah dalam cara yang layak diuraikan sebelum hal lain, karena kedua model dibangun atas pembacaan yang berlawanan terhadap gagasan yang sama. DeepSeek V4 Pro adalah model mixture-of-experts 1,6 triliun parameter yang mengaktifkan 49 miliar parameter per token — sekitar 3,1 persen dari dirinya sendiri. Reflection Beam, yang diumumkan pada 5 Oktober 2026, adalah model mixture-of-experts 501 miliar parameter yang mengaktifkan 23 miliar per token — sekitar 4,6 persen dari dirinya sendiri. Beam hanya sepertiga ukurannya dan, per token, merupakan desain yang *kurang* sparse. Seluruh tesis Reflection adalah efisiensi inferensi, dan model yang dibandingkan dengannya di sini justru lebih unggul dalam metrik sparsitas yang menjadi landasan tesis itu.

Itu bukan bantahan. Itu justru persiapannya, karena kedua model berada pada titik yang sangat berbeda dalam hal harga dan ketersediaan, dan perbandingan yang jujur adalah tentang mana yang benar-benar bisa Anda bangun di atasnya. DeepSeek V4 Pro ada di katalog dengan harga $0,66 per juta token masukan dan $1,98 per juta token keluaran, dengan konteks 1.048.576 token dan keluaran maksimum 384.000 token. Beam sama sekali tidak memiliki harga yang dipublikasikan, hanya dapat diakses melalui daftar tunggu, dan bobotnya dijanjikan untuk belakangan bulan ini di bawah lisensi Apache 2.0.

Ide yang sama, rasio yang berbeda

Sparsitas adalah premis bersama. Kedua model menjaga hampir semua parameternya tidak aktif pada token mana pun dan hanya membayar untuk bagian kecil yang berjalan. Yang berbeda adalah seberapa jauh setiap lab mendorongnya dan apa yang diperoleh darinya.

DeepSeek V4 Pro menjalankan 49 miliar parameter aktif dari total sekitar 1,6 triliun. Itu rasio yang sangat agresif, dan itulah yang memungkinkan DeepSeek menjual model kelas flagship dengan harga $0,66 dan $1,98 — tarif yang tak terbayangkan untuk model dense dengan kemampuan seperti itu. Konsekuensinya, jumlah parameter totalnya sangat besar: model ini besar untuk disimpan dan untuk dilayani sekalipun, itulah sebabnya menghostingnya adalah bisnis spesialis, bukan sesuatu yang dilakukan sendiri oleh sebagian besar tim.

Reflection Beam beroperasi dengan 23 miliar parameter aktif dari 501 miliar. Lebih kecil dalam setiap dimensi: sepertiga dari total parameter, kurang dari setengah parameter aktif, dan rasio aktivasi yang tidak terlalu agresif. Argumen Reflection bukanlah bahwa Beam adalah model paling sparse yang tersedia — dengan sengaja tidak mengklaim hal itu — melainkan bahwa 23 miliar parameter aktif adalah ukuran yang dapat Anda layani pada jumlah GPU yang relatif kecil, yang mengubah ekonomi penerapan daripada aritmetika per token.

• Total parameter — DeepSeek V4 Pro sekitar 1,6 triliun dibandingkan Reflection Beam 501 miliar.

• Aktif per token — 49 miliar berbanding 23 miliar.

• Rasio aktivasi — sekitar 3,1 persen untuk DeepSeek V4 Pro, sekitar 4,6 persen untuk Reflection Beam. Beam adalah yang kurang sparse di antara keduanya.

• Input modal — DeepSeek V4 Pro hanya teks; Reflection Beam hanya teks. Keduanya tidak menerima gambar, audio, atau video, yang merupakan kasus langka ketika dua model di kelas ini sepakat.

• Konteks dan keluaran — 1.048.576 token masuk dan 384.000 keluar untuk DeepSeek V4 Pro, dibandingkan 256.000 masuk dan 128.000 keluar untuk Beam, yang angka konteksnya menyertakan catatan kaki beta.

• Harga — $0.66 dan $1.98 per juta token untuk DeepSeek V4 Pro, dengan pembacaan cache sebesar $0.022, sementara untuk Beam tidak ada yang dipublikasikan.

• Ketersediaan — DeepSeek V4 Pro telah dirilis secara umum sejak 24 April 2026; Beam adalah beta dengan daftar tunggu yang diumumkan pada 5 Oktober 2026 dan bobotnya dijanjikan bulan ini.

Harga, termasuk bagian yang tidak disebutkan siapa pun

$0,66 dan $1,98 untuk DeepSeek V4 Pro adalah tarif daftar dari penyedia, diteruskan apa adanya di katalog kami tanpa tambahan apa pun. Namun, ada satu hal yang perlu dianggarkan dan mudah terlewat: kartu tarif memiliki dua jendela waktu, 01:00 hingga 04:00 UTC dan 06:00 hingga 10:00 UTC, yang selama periode itu harganya dikalikan dua — $1,32 masuk dan $3,96 keluar. Keduanya berada dalam jam kerja tim Eropa dan Asia, jadi pipeline yang berjalan pada jam Eropa akan menghabiskan sebagian harinya dengan tarif ganda tanpa ada yang gagal.

Pembacaan cache sebesar $0.022 per juta token adalah separuh lainnya dari gambaran ini dan bagian yang lebih besar. Itu adalah diskon 30 banding 1 terhadap tarif input, dan untuk beban kerja dokumen panjang serta percakapan panjang yang memang dirancang untuk ditangani DeepSeek V4 Pro — 1.048.576 token konteks, 384.000 token keluaran — biaya efektif dari sesi yang membaca ulang prefiks stabil jauh di bawah angka utamanya. Perbandingan apa pun yang mengalikan volume dengan $0.66 tanpa memodelkan penggunaan ulang cache akan sangat melebih-lebihkan biaya menjalankan model ini.

Beam tidak memiliki padanan untuk semua itu. Tidak ada tarif daftar, tidak ada tier cache, tidak ada jendela berwaktu, tidak ada komitmen yang dipublikasikan tentang apakah ia akan dijual per token sama sekali. Perbandingannya bukan $0.66 melawan sesuatu yang lebih murah; ini adalah model berharga melawan model yang belum diberi harga, dan sampai Reflection menerbitkan kartu tarif, tidak ada titik impas yang bisa dihitung.

Tolok ukur: kedua model tersebut belum pernah diadu secara langsung

Inilah bagian di mana kehati-hatian penting, karena ada jebakan yang jelas tersedia dan layak disebutkan secara eksplisit.

Tabel peluncuran Reflection membandingkan Beam dengan Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max dan DeepSeek V4.1 Flash — yang merupakan saudaranya, bukan V4 Pro. Jadi model DeepSeek yang muncul di tabel milik Beam sendiri adalah model yang berbeda: anggota keluarga yang murah dan cepat, dengan harga $0.15 dan $0.60, yang mencatatkan Terminal-Bench v2.1 versi tabel vendor sebesar 90.6 dibandingkan 80.1 milik Beam dan DeepSWE v1.1 sebesar 74.2 dibandingkan 44.4 milik Beam. Membaca angka V4 Pro dari kolom V4.1 Flash adalah kesalahan yang paling mungkin dilakukan oleh siapa pun yang menulis perbandingan ini.

Apa yang memang ada untuk V4 Pro, dari Artificial Analysis melalui katalog kami, kembali berada pada harness yang berbeda — jadi ini bersifat indikatif, bukan terkontrol.

• tau-squared Bench — DeepSeek V4 Pro mencatat 96,2 dibandingkan angka vendor 78,7 untuk Beam pada MCP Atlas dan 38,0 pada tau3 banking. Evaluasi yang berbeda dalam keluarga pengukuran penggunaan alat agentik yang sama, dan kedua set tersebut tidak dapat dipertukarkan.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro berada di 36,0, peringkat ke-41 dari 147 dalam run-nya; Beam sama sekali tidak memiliki baris indeks, dengan halaman model mengembalikan 404 dan tidak ada entri Beam dalam payload papan peringkat per pagi ini.

• GPQA Diamond — DeepSeek V4 Pro pada 92,8 menurut Artificial Analysis dibandingkan dengan 90,5 yang dilaporkan vendor Beam.

• Humanity's Last Exam — DeepSeek V4 Pro pada 41,0 menurut Artificial Analysis dibandingkan dengan 36,2 yang dilaporkan vendor Beam, yang terakhir secara eksplisit tanpa alat.

• SciCode — DeepSeek V4 Pro pada 51,0 menurut Artificial Analysis dibandingkan 49,7 yang dilaporkan oleh vendor Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro pada 78,7 menurut Artificial Analysis, dibandingkan dengan 80,1 yang dilaporkan vendor Beam. Satu-satunya baris dalam daftar ini di mana Beam unggul, dan selisihnya kurang dari dua poin.

• Recall konteks panjang — DeepSeek V4 Pro pada 80,3 menurut Artificial Analysis, dibandingkan 79,3 yang dilaporkan vendor Beam pada AA-LCR.

Polanya konsisten dan seharusnya membuat posisi Beam tidak nyaman. Pada setiap baris ketika kedua model memiliki angka, DeepSeek V4 Pro unggul kecuali pada Terminal-Bench v2.1, di mana ia tertinggal kurang dari dua poin — dan setiap angka DeepSeek berasal dari harness pihak ketiga, sedangkan setiap angka Beam berasal dari vendor sendiri. Model yang sudah rilis umum, dengan harga yang dipublikasikan di bawah satu dolar untuk input, tidak secara jelas kalah dari model yang belum dirilis pada benchmark yang sama-sama mereka ikuti.

Apa hubungan klaim efisiensi Beam dengan semua ini

Klaim Reflection yang sebenarnya bukanlah klaim benchmark, dan mengulang tabel-tabel seolah-olah demikian berarti melewatkan intinya. Klaimnya adalah bahwa Beam memperoleh skor yang sebanding dengan GLM 5.2 dalam penalaran tingkat lanjut sambil menggunakan komputasi inferensi 3 hingga 4× lebih sedikit, dengan kesenjangan yang melebar terhadap model berparameter 2 triliun seperti Qwen 3.8-Max. Bagan pendukungnya memperkirakan FLOPs yang dihasilkan sebagai dua kali jumlah parameter aktif dikalikan rata-rata token yang dihasilkan per percobaan, di seluruh DeepSWE, HLE dan Terminal-Bench 2.1, dan keterangannya sendiri mengakui bahwa prapengisian prompt, atensi yang bergantung pada konteks, dan overhead penyajian dikecualikan.

Bandingkan itu dengan angka-angka V4 Pro, dan argumennya menjadi lebih menarik daripada yang terlihat dari tabel-tabel utama. V4 Pro mengaktifkan 49 miliar parameter per token, sedangkan Beam 23 — kira-kira dua kali lipat — jadi berdasarkan formula yang digunakan Reflection, Beam seharusnya unggul dengan faktor sekitar dua dalam komputasi generasi per token sebelum adanya perbedaan dalam jumlah token. Itu adalah keunggulan yang nyata dan jelas, dan itulah satu-satunya keunggulan yang dimiliki Beam.

Menentangnya: rasio aktivasi V4 Pro lebih agresif, konteksnya empat kali lebih besar, dan output maksimumnya tiga kali lebih besar, yang berarti sesi V4 Pro yang menyelesaikan tugas dalam lebih sedikit giliran yang lebih panjang bisa menjadi lebih murah secara total bahkan dengan estimasi per token yang lebih tinggi. FLOPs per token bukanlah FLOPs per tugas, dan bagan tersebut adalah per token.

Pengukuran independennya belum ada. Satu-satunya pernyataan pihak ketiga yang tercatat adalah Artificial Analysis yang mengatakan pada 5 Oktober bahwa Reflection telah memberinya akses dan bahwa mereka sedang melakukan benchmark terhadap Beam, dengan indikator awal yang menunjukkan bahwa Beam akan menjadi salah satu model terbuka paling hemat token yang pernah mereka lihat untuk tingkat kecerdasannya. Belum ada angka yang menyusul.

Di mana konteks V4 Pro benar-benar penting

Ada satu dimensi dalam pertarungan ini yang kesenjangannya cukup besar untuk bersifat menentukan, bukan bertahap, dan itu bukan tolok ukur.

DeepSeek V4 Pro menyediakan 1.048.576 token konteks dan 384.000 token keluaran maksimum. Beam menyediakan 256.000 dan 128.000, dengan catatan kaki pada angka konteks yang memperingatkan bahwa angka itu dapat berubah selama beta. Untuk peninjauan kontrak hukum, refaktor seluruh repositori, atau tugas sintesis atas ribuan halaman, perbedaan itu bukanlah selisih performa — melainkan perbedaan antara satu panggilan dan pipeline chunking yang harus Anda tulis dan validasi. Tahap midtraining Beam dilaporkan memperluas konteks efektifnya hingga 1 juta token, yang merupakan kemampuan di sisi pelatihan, sementara batas penyajiannya tetap 256.000; kedua angka itu sering dikacaukan dan keduanya bukan hal yang sama.

Batas keluaran memperparah hal itu. Keluaran maksimum 384.000 token memungkinkan satu panggilan menghasilkan artefak terstruktur yang besar; 128.000 tidak, dan tidak satu pun model menawarkan endpoint batch atau rute embeddings melalui antarmuka yang dijelaskan saat peluncuran.

Memilih, dan di mana routing cocok

Untuk beban kerja spesifik di mana konteks satu juta token dan keluaran 384.000 token menjadi penting, DeepSeek V4 Pro tidak bersaing dengan Beam — ia tidak bersaing dengan apa pun yang lain di halaman ini, dan Beam tidak dapat masuk ke dalam perbandingan pada harga berapa pun sampai jendelanya berubah.

Untuk pekerjaan bervolume tinggi yang muat dalam 256.000 token, keputusannya bermuara pada taruhan apakah efisiensi yang diklaim Beam bertahan di harness pihak ketiga, dengan harga yang diukur relatif terhadap tarif V4 Pro yang sudah satu orde besaran di bawah frontier dan semakin didiskon oleh pembacaan cache sebesar $0.022. Sebaliknya, saudara DeepSeek sendiri yang lebih murah berada di katalog yang sama dengan harga $0.15 dan $0.60 — dan itulah model yang, menurut tabel peluncuran Beam sendiri, menempatkan Beam di belakang pada DeepSWE dan Terminal-Bench. Batas bawah bagi pendatang baru di sini lebih rendah daripada yang terlihat.

Di sinilah lapisan routing membuktikan nilainya, bukan sekadar menjadi slogan. DeepSeek V4 Pro ada di katalog kami, dengan tarif daftar penyedia diteruskan apa adanya dan tanpa tambahan apa pun, di balik satu kunci yang kompatibel dengan OpenAI di api.orcarouter.ai/v1 bersama lebih dari 200 model lainnya. DSL routing memungkinkan Anda mengungkapkan keputusan alih-alih meng-hard-code-nya: sematkan permintaan konteks panjang ke model dengan jendela satu juta token, sematkan permintaan pendek bervolume tinggi ke model murah mana pun yang lulus eval Anda, dan gabungkan keduanya menjadi satu panggilan saat tugas membutuhkan keduanya. Karena routing menangani failover antar penyedia, tier murah aman untuk diberi sebagian trafik, bukan seluruhnya — yang justru merupakan sikap yang Anda inginkan terhadap model seperti Beam, yang benchmark-nya belum direproduksi oleh siapa pun di luar Reflection.

Putusan itu, dan dua tanggal yang akan mengubahnya

Reflection Beam kalah dalam perbandingan ini pada semua hal yang dapat diketahui saat ini. Model ini lebih kecil, kurang sparse, hanya memiliki seperempat konteks, tidak memiliki skor independen, dan — secara menentukan untuk model yang dijual berdasarkan biaya — tidak memiliki harga. DeepSeek V4 Pro mencatat indeks Artificial Analysis yang lebih baik, HLE yang lebih baik, GPQA Diamond yang lebih baik, SciCode yang lebih baik, dan angka recall konteks panjang yang lebih baik, semuanya diukur oleh pihak selain vendornya, dan semuanya sambil mengaktifkan dua kali lebih banyak parameter per token pada tarif yang dipublikasikan di bawah satu dolar.

Yang dimiliki Beam adalah satu klaim yang jelas: 23 miliar parameter aktif adalah sepertiga dari V4 Pro, jadi perbandingan komputasi di sisi generasi seharusnya menguntungkannya kira-kira dua banding satu. Klaim itu masuk akal, itulah alasan untuk menganggap Beam serius, dan klaim itu belum diukur oleh siapa pun di luar lab yang membuatnya.

Dua tanggal menjadi penentu. Bobotnya, yang dijanjikan dengan lisensi Apache 2.0 akhir bulan ini, yang akan memungkinkan siapa pun menghitung FLOPs sendiri. Dan baris Artificial Analysis, yang akan menggantikan keterangan vendor dengan sebuah angka. Sampai salah satunya terwujud, model yang bisa Anda beri harga, simpan dalam cache, dan panggil pada konteks satu juta token adalah model yang tepat untuk dijadikan fondasi.