Reflection Beam vs DeepSeek V4 Pro: un terzo della dimensione, il doppio del rapporto di attivazione

Il modo allettante di inquadrare Reflection Beam contro DeepSeek V4 Pro è quello del nuovo arrivato economico contro il flagship consolidato. Quel modo di inquadrare è sbagliato in un modo che vale la pena chiarire prima di ogni altra cosa, perché i due modelli si basano su letture opposte della stessa idea. DeepSeek V4 Pro è un modello mixture-of-experts da 1,6 trilioni di parametri che attiva 49 miliardi di parametri per token — circa il 3,1 per cento di se stesso. Reflection Beam, annunciato il 5 ottobre 2026, è un modello mixture-of-experts da 501 miliardi di parametri che attiva 23 miliardi per token — circa il 4,6 per cento di se stesso. Beam ha un terzo della dimensione e, per token, un design *meno* sparso. L'intera tesi di Reflection è l'efficienza inferenziale, e il modello con cui viene confrontato qui è avanti rispetto a esso sulla metrica di sparsità su cui quella tesi si fonda.

Non è una smentita. È la premessa, perché i due modelli si collocano in punti molto diversi per prezzo e disponibilità, e il confronto onesto riguarda su quale dei due si possa effettivamente costruire. DeepSeek V4 Pro è a catalogo a 0,66 $ per milione di token in input e 1,98 $ per milione in output, con una finestra di contesto di 1.048.576 token e 384.000 token di output massimo. Beam non ha alcun prezzo pubblicato, è raggiungibile solo tramite una lista d'attesa e i suoi pesi sono promessi per la fine di questo mese sotto Apache 2.0.

Stessa idea, proporzioni diverse

La sparsità è la premessa condivisa. Entrambi i modelli mantengono quasi tutti i loro parametri dormienti per qualsiasi token dato e pagano solo per la piccola porzione che viene eseguita. La differenza sta in quanto lontano la spinge ciascun laboratorio e in ciò che ne ricava.

DeepSeek V4 Pro utilizza 49 miliardi di parametri attivi su un totale di circa 1.600 miliardi. È un rapporto estremamente aggressivo, ed è ciò che consente a DeepSeek di vendere un modello di livello flagship a 0,66 $ e 1,98 $ — una tariffa impensabile per un modello denso con quella capacità. Il compromesso è che il numero totale di parametri è enorme: il modello è grande da archiviare e persino da servire, ed è per questo che ospitarlo è un'attività da specialisti, più che qualcosa che la maggior parte dei team faccia per conto proprio.

Reflection Beam opera con 23 miliardi di parametri attivi su 501 miliardi. Più piccolo in ogni dimensione: un terzo dei parametri totali, meno della metà di quelli attivi e un rapporto di attivazione meno aggressivo. L'argomentazione di Reflection non è che Beam sia il modello più sparso disponibile — di proposito non lo sostiene — bensì che 23 miliardi di parametri attivi siano una dimensione che si può servire su un numero relativamente esiguo di GPU, il che cambia l'economia del deployment anziché l'aritmetica per token.

• Parametri totali — DeepSeek V4 Pro circa 1.600 miliardi contro i 501 miliardi di Reflection Beam.

• Attivi per token — 49 miliardi contro 23 miliardi.

• Rapporto di attivazione — circa 3,1 per cento per DeepSeek V4 Pro, circa 4,6 per cento per Reflection Beam. Beam è il meno sparso dei due.

• Input modale — DeepSeek V4 Pro è solo testo; Reflection Beam è solo testo. Nessuno dei due accetta immagini, audio o video, un raro caso in cui due modelli di questa classe concordano.

• Contesto e output — 1.048.576 token in ingresso e 384.000 in uscita per DeepSeek V4 Pro, contro 256.000 in ingresso e 128.000 in uscita per Beam, il cui dato sul contesto riporta una nota a piè di pagina in beta.

• Prezzo — 0,66 $ e 1,98 $ per milione di token per DeepSeek V4 Pro, con letture dalla cache a 0,022 $, mentre per Beam non è stato pubblicato nulla.

• Disponibilità — DeepSeek V4 Pro è in rilascio generale dal 24 aprile 2026; Beam è una beta con lista d'attesa annunciata il 5 ottobre 2026, con i pesi promessi questo mese.

Il prezzo, inclusa la parte che nessuno menziona

I $0,66 e $1,98 di DeepSeek V4 Pro sono la tariffa di listino del provider, riportata sul nostro catalogo senza alcun ricarico. C'è però una complicazione di cui tenere conto nel budget, ed è facile lasciarsela sfuggire: la scheda tariffaria prevede due finestre temporali, dalle 01:00 alle 04:00 UTC e dalle 06:00 alle 10:00 UTC, durante le quali il prezzo viene moltiplicato per due — $1,32 in input e $3,96 in output. Entrambe cadono nell'orario di lavoro per i team europei e asiatici, quindi una pipeline che gira su orari europei passerà parte della giornata a tariffa doppia senza che nulla fallisca.

Le letture dalla cache a $0,022 per milione di token sono l'altra metà del quadro, e quella più grande. Si tratta di uno sconto di trenta a uno sulla tariffa di input e, per i carichi di lavoro con documenti lunghi e conversazioni lunghe per cui è progettato DeepSeek V4 Pro — 1.048.576 token di contesto, 384.000 token di output —, il costo effettivo di una sessione che rilegge un prefisso stabile è molto al di sotto del prezzo di copertina. Qualsiasi confronto che moltiplichi il volume per $0,66 senza modellare il riutilizzo della cache sovrastimerà notevolmente quanto costa eseguire questo modello.

Beam non ha nulla di equivalente a tutto ciò. Nessuna tariffa di listino, nessun livello di cache, nessuna finestra temporale, nessun impegno pubblicato sul fatto che venga venduto per token o meno. Il confronto non è tra 0,66 $ e qualcosa di più economico; è un modello con un prezzo contro uno senza prezzo, e finché Reflection non pubblica un tariffario non c'è alcun punto di pareggio da calcolare.

Benchmark: i due modelli non sono mai stati messi a confronto diretto

Questa è la parte in cui la cura conta, perché c'è una trappola evidente disponibile e vale la pena nominarla esplicitamente.

Le tabelle di lancio di Reflection confrontano Beam con Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max e DeepSeek V4.1 Flash — il fratello, non V4 Pro. Quindi il modello DeepSeek che compare nelle tabelle di Beam stesso è un altro: il membro economico e veloce della famiglia, a $0,15 e $0,60, che riporta, in una tabella del fornitore, un Terminal-Bench v2.1 di 90,6 contro l'80,1 di Beam e un DeepSWE v1.1 di 74,2 contro il 44,4 di Beam. Leggere un valore di V4 Pro da una colonna di V4.1 Flash è l'errore più probabile in assoluto che chiunque scriva questo confronto possa commettere.

Ciò che esiste per V4 Pro, da Artificial Analysis tramite il nostro catalogo, si basa ancora su harness diversi — quindi sono indicativi, non controllati.

• tau-squared Bench — DeepSeek V4 Pro registra 96,2 rispetto a un dato del fornitore di 78,7 per Beam su MCP Atlas e di 38,0 su tau3 banking. Valutazioni diverse nella stessa famiglia di misurazione dell’uso di strumenti agentici, e i due set non sono intercambiabili.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro si colloca a 36,0, classificandosi 41º su 147 nella sua esecuzione; Beam non ha alcuna riga nell'indice, con le pagine del modello che restituiscono 404 e nessuna voce Beam nel payload della classifica a partire da questa mattina.

• GPQA Diamond — DeepSeek V4 Pro a 92,8 secondo Artificial Analysis contro il 90,5 dichiarato dal fornitore di Beam.

• Humanity's Last Exam — DeepSeek V4 Pro a 41,0 secondo Artificial Analysis contro il 36,2 riportato dal fornitore di Beam, quest'ultimo esplicitamente senza strumenti.

• SciCode — DeepSeek V4 Pro a 51,0 secondo Artificial Analysis contro il 49,7 dichiarato dal fornitore Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro a 78,7 secondo Artificial Analysis contro l'80,1 dichiarato dal fornitore di Beam. L'unica riga in questo elenco in cui Beam è in vantaggio, e il margine è inferiore a due punti.

• Recupero a contesto lungo — DeepSeek V4 Pro a 80,3 secondo Artificial Analysis contro il 79,3 riportato dal fornitore di Beam su AA-LCR.

Lo schema è coerente e non dovrebbe essere comodo per il posizionamento di Beam. Su ogni riga in cui entrambi i modelli hanno un numero, DeepSeek V4 Pro è in vantaggio, tranne che in Terminal-Bench v2.1, dove è indietro di meno di due punti — e ogni valore di DeepSeek proviene da un harness di terze parti, mentre ogni valore di Beam è del fornitore stesso. Un modello già in distribuzione generale, a un prezzo pubblicato sotto il dollaro in input, non è chiaramente in svantaggio rispetto a uno non ancora rilasciato sui benchmark che condividono.

Cosa c'entra l'affermazione di efficienza di Beam con tutto questo

L'affermazione effettiva di Reflection non è un'affermazione di benchmark, e ripetere le tabelle come se lo fosse significa fraintendere il punto. L'affermazione è che Beam ottiene punteggi comparabili a GLM 5.2 sul ragionamento avanzato usando da 3 a 4× meno calcolo di inferenza, con il divario che si allarga rispetto a modelli da 2 trilioni di parametri come Qwen 3.8-Max. Il grafico di supporto stima i FLOP generati come il doppio del numero di parametri attivi moltiplicato per il numero medio di token generati per tentativo, su DeepSWE, HLE e Terminal-Bench 2.1, e la sua stessa didascalia ammette che il prefill del prompt, l'attenzione dipendente dal contesto e l'overhead di serving sono esclusi.

Mettilo a confronto con i numeri di V4 Pro e l'argomentazione diventa più interessante di quanto suggeriscano le tabelle di sintesi. V4 Pro attiva 49 miliardi di parametri per token contro i 23 di Beam — circa il doppio — quindi, secondo la formula usata da Reflection, Beam dovrebbe essere avanti di un fattore di circa due sul calcolo di generazione per token prima di qualsiasi differenza nel numero di token. Questo è un vantaggio reale e leggibile, ed è quello che Beam possiede.

Contro: il rapporto di attivazione di V4 Pro è più aggressivo, il suo contesto è quattro volte più ampio e il suo output massimo è tre volte maggiore, il che significa che una sessione di V4 Pro che risolve un'attività in meno turni più lunghi può risultare più economica in totale anche con una stima per token più alta. I FLOP per token non sono FLOP per attività, e il grafico è per token.

La misurazione indipendente non esiste ancora. L'unica dichiarazione pubblica di terze parti è quella di Artificial Analysis, che il 5 ottobre ha affermato che Reflection le aveva concesso l'accesso e che stava eseguendo benchmark su Beam, con indicatori iniziali che suggeriscono che Beam sarà uno dei modelli aperti più efficienti in termini di token che abbia visto per il suo livello di intelligenza. Non è seguito alcun numero.

Dove il contesto di V4 Pro conta davvero

In questo confronto c'è una dimensione in cui il divario è abbastanza ampio da essere decisivo anziché incrementale, e non è un benchmark.

DeepSeek V4 Pro eroga 1.048.576 token di contesto e 384.000 token di output massimo. Beam ne eroga 256.000 e 128.000, con una nota a piè di pagina sul valore del contesto che avverte che potrebbe cambiare durante la beta. Per una revisione di contratti legali, un refactoring dell'intero repository o un'attività di sintesi su migliaia di pagine, questa differenza non è un delta di prestazioni — è la differenza tra una singola chiamata e una pipeline di chunking che devi scrivere e validare. Secondo quanto riportato, la fase di midtraining di Beam estende il suo contesto effettivo a 1 milione di token, che è una capacità lato addestramento, mentre il limite di servizio resta a 256.000; i due valori vengono spesso confusi tra loro e non sono la stessa cosa.

Il limite massimo di output aggrava il problema. Un output massimo di 384.000 token consente a una singola chiamata di produrre un grande artefatto strutturato; 128.000 no, e nessuno dei due modelli offre un endpoint batch o una route di embeddings attraverso le superfici descritte al lancio.

Scegliere, e dove si inserisce il routing

Per i carichi di lavoro specifici in cui contano un milione di token di contesto e un output di 384.000 token, DeepSeek V4 Pro non sta competendo con Beam — sta competendo con nient'altro in questa pagina, e Beam non può entrare nel confronto a nessun prezzo finché la sua finestra non cambia.

Per un lavoro ad alto volume che rientra in 256.000 token, la decisione si riduce a una scommessa sul fatto che l'efficienza dichiarata di Beam sopravviva a un harness di terze parti, confrontata con una tariffa V4 Pro che è già un ordine di grandezza al di sotto della frontiera e ulteriormente scontata dalle letture della cache a $0,022. In confronto, il fratello più economico di DeepSeek si trova nello stesso catalogo a $0,15 e $0,60 — ed è il modello su cui le tabelle di lancio di Beam stessa collocano Beam dietro su DeepSWE e Terminal-Bench. La soglia per un nuovo entrante qui è più bassa di quanto sembri.

È qui che un livello di routing si guadagna il suo posto anziché essere uno slogan. DeepSeek V4 Pro è nel nostro catalogo, con la tariffa di listino del provider passata così com'è e senza alcun ricarico, dietro un'unica chiave compatibile OpenAI su api.orcarouter.ai/v1 insieme ad altri oltre 200 modelli. Il DSL di routing ti permette di esprimere la decisione invece di codificarla a mano: fissa le richieste a contesto lungo sul modello con la finestra da un milione di token, fissa le richieste brevi ad alto volume sul modello economico che sta superando la tua eval, e combina i due in un'unica chiamata quando il task richiede entrambi. Poiché il routing gestisce il failover tra provider, il tier economico è sicuro da mettere su una quota di traffico anziché su tutto — che è esattamente l'atteggiamento che vuoi verso un modello come Beam, i cui benchmark nessuno fuori da Reflection ha riprodotto.

Il verdetto, e le due date che lo sposterebbero

Reflection Beam perde questo confronto su tutto ciò che è conoscibile oggi. È più piccolo, meno sparso, ha un quarto del contesto, non ha alcun punteggio indipendente e — in modo decisivo per un modello venduto sul costo — non ha alcun prezzo. DeepSeek V4 Pro registra un indice Artificial Analysis migliore, un HLE migliore, un GPQA Diamond migliore, un SciCode migliore e un valore di recall su contesto lungo migliore, tutti misurati da qualcuno diverso dal suo fornitore, e il tutto attivando il doppio dei parametri per token a una tariffa pubblicata inferiore a un dollaro.

Quello che Beam ha è un'unica affermazione leggibile: 23 miliardi di parametri attivi sono un terzo di quelli di V4 Pro, quindi un confronto della potenza di calcolo lato generazione dovrebbe favorire Beam con un rapporto di circa due a uno. Quell'affermazione è plausibile, è la ragione per prendere Beam sul serio, e non è stata misurata da nessuno al di fuori del laboratorio che l'ha formulata.

Due date lo decidono. I pesi, promessi con licenza Apache 2.0 più avanti questo mese, che permetterebbero a chiunque di contare i FLOPs in autonomia. E la riga di Artificial Analysis, che sostituirebbe la didascalia di un fornitore con un numero. Finché uno dei due non si concretizza, il modello che puoi prezzare, mettere in cache e chiamare con un milione di token di contesto è quello su cui costruire.