Una card del titolo 16:9 generata con il testo «Qwen4-Max vs Reflection Beam», sottotitolo «$1.20 di output contro $4.50, e i pesi che lo decidono», con tre card dagli angoli arrotondati: $1.20 contro $4.50 per milione di token di output, pesi Apache 2.0 contro nessuno, e un punteggio indipendente di 17,7 contro un valore vuoto non pubblicato. Logo OrcaRouter in basso a destra.
Guides & Insights

Qwen4-Max vs Reflection Beam: output da $1,20 contro $4,50, e i pesi che lo decidono

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Reflection Beam 1.0 genererà un milione di token di output per 1,20 $ sulla propria API. Qwen4-Max fa pagare 4,50 $ per lo stesso milione a Singapore, 4,24 $ a Francoforte, Virginia, Tokyo, Hong Kong e Pechino. Si tratta di un divario di 3,75× a favore del modello a pesi aperti, ed è il tipo di numero che chiude la maggior parte dei confronti prima ancora che inizino. Non chiude questo, perché i due modelli non sono lo stesso tipo di prodotto: Reflection Beam 1.0 è un modello sparse mixture-of-experts da 501 miliardi di parametri con pesi Apache 2.0 che puoi scaricare ed eseguire su quattro GPU, mentre Qwen4-Max è un modello di punta chiuso di Alibaba, diventato disponibile a livello generale con un listino prezzi pubblicato il 16 novembre 2026 e che non pubblica affatto i pesi. Uno è un modello che puoi possedere. L'altro è un modello che puoi noleggiare, a un prezzo che ti offre una finestra di contesto molto più ampia, input video nativo e un fornitore con un contratto di supporto.

C’è anche una questione di misurazione, e penalizza duramente il modello più economico. Beam 1.0 ottiene 17,7 sull’attuale Artificial Analysis Intelligence Index. Qwen4-Max non ha alcun punteggio. Quindi l’inquadramento onesto non è "modello aperto economico contro modello chiuso costoso" — è "un modello misurato che è economico e non molto forte, contro un modello non misurato che è costoso e promette molto".

A generated two-column scoreboard titled 'Qwen4-Max vs Reflection Beam 1.0 - the scoreboard', comparing $1.50 against $0.40 input, $4.50 against $1.20 output, a 1,000,000-token context against 1,048,576, text, image and video input against text only, no weights against Apache 2.0, and no independent score against 17.7, over a footer reading 'Beam score per Artificial Analysis Index v5.0.1; Qwen4-Max unpublished.' OrcaRouter logo bottom-right.

Che cos'è realmente Beam 1.0

Reflection, il laboratorio di New York fondato nel 2024 da due ex ricercatori di Google DeepMind, ha annunciato Beam il 5 ottobre 2026 e ha rilasciato i pesi il 16 ottobre. Il modello è Beam 1.0-501B-A23B: 501,3 miliardi di parametri totali, 23 miliardi attivi per token, un rapporto di attivazione di circa il 4,6%. Reflection dichiara di non limitare la distillazione, il fine-tuning, la quantizzazione o il merging.

Il rilascio è insolitamente completo per un primo modello. BF16 su 188 shard safetensors, FP8 in E4M3 a 468,72 GiB e una build NVFP4 da 273 GiB che le guide di serving di Reflection consigliano di scaricare. Un drafter separato per il decoding speculativo da 1,93 miliardi di parametri, DFlash2, pubblicato come repository a sé stante. Supporto day-zero in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e NVIDIA Dynamo, con guide passo passo per SGLang, vLLM e TokenSpeed più un chart Helm. Una suite di conformità, beam-verifier, che può essere eseguita su qualsiasi endpoint Beam attivo. E un requisito di self-hosting di riferimento di quattro GPU NVIDIA B300 SXM su NVLink — una sola macchina, non un cluster, una soglia molto più bassa di quanto normalmente implichi un modello da 500B e che deriva direttamente dal rapporto di attivazione di 23B.

Il contesto è di 1.048.576 token. Il modello è orientato al testo ed è concepito per la programmazione, il ragionamento e il lavoro agentico.

Che cos'è realmente Qwen4-Max

Il modello di punta di quarta generazione di Alibaba, disponibile in generale dal 16 novembre 2026 con l'ID modello qwen4-max. Una finestra di contesto di 1.000.000 di token, un output massimo di 131.072 token al di fuori della modalità di pensiero, un budget condiviso di 262.144 token per pensiero e risposta, e input di testo, immagini e video con output testuale. Il pensiero è attivo per impostazione predefinita con un budget di 131.072 token e uno sforzo di ragionamento impostato su alto. Sei regioni. Protocolli wire OpenAI, Anthropic e DashScope. Il fine-tuning e il deployment dei modelli sono documentati come non supportati, e nessun peso è pubblicato.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry visible below it.

A confronto, sulle dimensioni che determinano se affittare o acquistare:

• Prezzo di input — Qwen4-Max $1.50 per 1M a Singapore e $1.413 altrove, rispetto a Beam 1.0 $0.40

• Prezzo di output — Qwen4-Max 4,50 $ a Singapore, 4,24 $ altrove, rispetto a Beam 1.0 1,20 $

• Contesto — Qwen4-Max 1.000.000 di token rispetto a Beam 1.0 1.048.576 di token

• Output massimo — Qwen4-Max 131.072 non-thinking, 262.144 condivisi con thinking, rispetto al tetto di Beam 1.0, che il materiale pubblico di Reflection non scorpora separatamente dal contesto

• Modalità — Qwen4-Max con input testo, immagine e video, rispetto a Beam 1.0 con input testo

• Pesi — Qwen4-Max nessuno, rispetto a Beam 1.0 Apache 2.0, scaricabili in tre precisioni

• Self-hosting — Qwen4-Max non è consentito né possibile, rispetto a Beam 1.0 su quattro GPU B300 SXM secondo la build di riferimento del fornitore stesso

• Punteggio indipendente — per Qwen4-Max non ne è stato pubblicato alcuno, rispetto a Beam 1.0 a 17,7 sull'Artificial Analysis Intelligence Index v5.0.1

La trappola della versione dell'indice nello score di Beam

Quando Beam è uscito in ottobre, il primo numero indipendente associato ad esso è stato 30, sulla versione v4.3.2 dell'indice, al diciannovesimo posto su 120 modelli. La classifica attuale riporta 17.7 sulla versione v5.0.1. Nessuno dei due numeri è sbagliato; non sono confrontabili, perché Artificial Analysis ha ricalcolato la base dell'indice tra quelle versioni e tutti i modelli della classifica si sono mossi. Chi oggi cita «Beam ha ottenuto 30» sta citando una versione ritirata, e chi cita «17.7» senza la versione invita lo stesso errore al contrario.

A screenshot of the Artificial Analysis model page for Reflection Beam, showing the model's intelligence index score of 17.7 on index version v5.0.1, its 501-billion-parameter size with 23 billion active, its Apache 2.0 licence and its 1,048,576-token context window.

Ciò che resta dopo il rebasing è il quadro relativo. Su v5.0.1, il 17,7 di Beam 1.0 si colloca ben al di sotto di Qwen3.8-Max a 33,7, Grok 4.7 a 35,5 e Kimi K3.1 Pro a 46,5. È un modello funzionante che non è competitivo con la frontiera attuale in termini di capacità generale, che è esattamente ciò che implica il suo prezzo e esattamente ciò che il materiale di lancio di Reflection non diceva chiaramente. La dichiarazione del venditore al momento dell'annuncio era quella di un modello di ragionamento adiacente alla frontiera; la misurazione indipendente dice il contrario.

E Qwen4-Max non ha alcun numero su nessuna delle due versioni. La sua pagina per modello su Artificial Analysis restituisce un 404 e nessuna voce Qwen4 compare nell'indice. La documentazione di Alibaba specifica i meccanismi in dettaglio — temperature predefinite di 1,0 con il thinking e 0,7 senza, top-p 0,95 e 0,8, top-k 20, limiti massimi di input per modalità di 991.808 e 983.616 token — e non pubblica alcuna tabella di benchmark di alcun tipo.

Quanto costa davvero il self-hosting di Beam

Le cifre di $0.40 e $1.20 sono le tariffe API di Reflection stessa. Non sono quanto ti costa Beam se lo esegui da solo, e la differenza è l'intera ragione per cui i pesi aperti contano qui.

Quattro GPU B300 SXM su NVLink sono un acquisto, un leasing o una prenotazione cloud, e nessuna di queste opzioni è gratuita. Il punto di possedere l’hardware non è che il costo per token sia inferiore — è che, una volta ammortizzato l’hardware, il costo marginale dell’inferenza si avvicina alla bolletta elettrica, e che nulla dei tuoi dati esce dall’edificio. Per un team che utilizza già capacità B300 per altri lavori, il costo marginale di Beam 1.0 è vicino a zero e il suo punteggio di 17,7 è un affare. Per un team che dovrebbe invece comprare la macchina, lo stesso modello rappresenta un impegno di capitale preso sulla base di un punteggio di metà classifica.

Qwen4-Max è la scelta opposta sotto ogni aspetto. Non ci sono costi di capitale, né pianificazione della capacità, né oneri operativi e, in cambio, paghi una tariffa API 3,75× quella di Beam, non puoi fare fine-tuning, non puoi eseguirlo all'interno del tuo perimetro e sei esposto a qualunque modifica Alibaba apporti a quel listino il prossimo trimestre. La struttura regionale del listino è la parte interessante: Singapore a 1,50 $ e 4,50 $ contro 1,413 $ e 4,24 $ nelle altre cinque regioni è una differenza del 6% per lo stesso modello, abbastanza piccola da essere un dettaglio contabile e abbastanza grande da contare sui volumi.

Dove ognuno si guadagna il suo posto

Beam 1.0 è la risposta giusta quando è vera una qualsiasi di tre cose. I tuoi dati non possono lasciare la tua infrastruttura — nessuna API contrattualizzata supera questa soglia, e i pesi Apache 2.0 sì. Vuoi fare fine-tuning su dati di dominio — la documentazione di Qwen4-Max indica esplicitamente che il fine-tuning non è supportato, mentre Reflection consente distillazione, fine-tuning, quantizzazione e merging senza restrizioni. Oppure il tuo carico di lavoro è coding agentico, dove un modello con 23B attivi a latenza interattiva è abbastanza veloce ed economico che un punteggio generale di fascia media non è il vincolo determinante.

Qwen4-Max è la risposta giusta quando l'input non è testo. Beam accetta testo; Qwen4-Max accetta testo, immagini e video. Se la tua pipeline acquisisce screenshot, documenti scansionati, fotogrammi da una telecamera o da una registrazione dello schermo, il confronto è già finito prima che entri in gioco il prezzo, perché uno di questi modelli non può accettare la richiesta. Lo stesso vale per qualsiasi cosa che richieda un deployment europeo, giapponese o US-East: sei regioni Alibaba contro una singola API proprietaria è una questione di idoneità, non di costo.

Per tutto il resto — generazione di testo generica a volume moderato, senza fine-tuning, senza vincoli di residenza — la decisione dipende da quanto ti fidi di un modello non misurato rispetto a uno mediocre misurato, e la risposta è che non dovresti fidarti di nessuno dei due finché non hai eseguito un centinaio di tuoi prompt su entrambi. A $4,50 e $1,20 per milione di token di output, quella valutazione costa centesimi.

Routing, e le ragioni a favore di una terza opzione

OrcaRouter al momento non instrada Beam 1.0 né Qwen4-Max; entrambi sono raggiungibili tramite le API dei rispettivi fornitori alle tariffe sopra indicate. Ciò che il catalogo offre è la fascia media del mercato su un'unica chiave e un unico URL di base — GLM-5.3 a 1,40 $ e 4,40 $ per milione, con pesi aperti e un punteggio di indice di 31,7, Qwen3.8-Max a 2,00 $ e 6,00 $ con 33,7, Kimi K3.1 Pro a 2,00 $ e 10,00 $ con 46,5 — tutti passati a prezzo di listino del fornitore senza ricarico.

Questa è la soluzione pratica per questo specifico confronto. Beam 1.0 ti chiede di accettare un 17.7 in cambio della proprietà e di un prezzo basso; Qwen4-Max ti chiede di accettare un'incognita in cambio di modalità e regioni. Un modello con un punteggio pubblicato, pesi pubblicati e un prezzo compreso tra i due ti chiede di non accettare nessuno dei due. Instradare entrambe le opzioni interessanti ma non comprovate accanto a una baseline misurata è il modo per scoprire se una delle due merita traffico di produzione — e il failover automaticosignifica che l'esperimento non può interrompere il servizio mentre lo esegui.

Cosa lo risolverebbe

Un solo numero: una voce Qwen4-Max in una classifica indipendente, nell'attuale versione dell'indice, accanto al 17,7 di Beam 1.0. Tutto il resto di questa pagina è già noto: i prezzi, le finestre di contesto, le licenze, il numero di GPU. Se Qwen4-Max si colloca più o meno intorno ai 30, il suo premio di 3,75× è facile da giustificare per chiunque abbia bisogno di input video o di un endpoint a Francoforte. Se si colloca vicino a Beam, il premio serve ad acquistare modalità e conformità e nient'altro, e la risposta giusta è instradare in base ai requisiti anziché al benchmark. Finché quel numero non esiste, il confronto è tra un modello che è stato misurato e giudicato ordinario e un modello che non è stato misurato affatto, e solo una di queste due posizioni è una ragione per impegnare budget.