生成された16:9のタイトルカードには「Qwen4-Max vs Reflection Beam」と表示され、サブタイトルは「$1.20の出力 対 $4.50、そしてそれを決める重み」。3枚の角丸カードは、出力100万トークンあたり$1.20 対 $4.50、Apache 2.0の重み 対 なし、独立スコア17.7 対 未公開の空欄。右下にOrcaRouterのロゴ。
Guides & Insights

Qwen4-Max vs Reflection Beam:出力$1.20 対 $4.50、そしてそれを決める重み

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Reflection Beam 1.0 は、独自APIで100万出力トークンを1.20ドルで生成する。Qwen4-Max は同じ100万トークンに対して、シンガポールでは4.50ドル、フランクフルト、バージニア、東京、香港、北京では4.24ドルを請求する。これはオープンウェイトモデルに有利な3.75倍の差であり、ほとんどの比較を始まる前に終わらせてしまう類の数字だ。しかしこの比較は終わらない。両モデルは同じ種類の製品ではないからだ。Reflection Beam 1.0 は5010億パラメータのスパース混合エキスパートモデルで、Apache 2.0 のウェイトをダウンロードして4基のGPUで実行できる。Qwen4-Max はクローズドなAlibabaのフラッグシップで、2026年11月16日に公開料金表とともに一般提供され、ウェイトは一切公開していない。一方は所有できるモデル。もう一方はレンタルできるモデルで、その価格でよりはるかに大きなコンテキストウィンドウ、ネイティブの動画入力、サポート契約のあるベンダーを得られる。

測定に関する問題もあり、それは安価なモデルに厳しく不利に働く。Beam 1.0 は現在の Artificial Analysis Intelligence Index で 17.7 を記録している。Qwen4-Max にはスコアがまったくない。したがって、正直な捉え方は「安価なオープンモデル対高価なクローズドモデル」ではなく、「安価でそれほど強くないと測定されたモデル対高価で大げさな主張をする未測定のモデル」である。

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no independent score against 17.7, over a footer reading 'Beam score per Artificial Analysis Index v5.0.1; Qwen4-Max unpublished.'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.

Beam 1.0 とは実際に何なのか

2024年に元Google DeepMind研究者2名によって設立されたニューヨークのラボであるReflectionは、2026年10月5日にBeamを発表し、10月16日に重みを公開した。モデルはBeam 1.0-501B-A23Bで、総パラメータ数5013億、トークンあたり230億がアクティブ、アクティベーション率は約4.6%である。Reflectionは、蒸留、ファインチューニング、量子化、マージを制限しないと述べている。

最初のモデルとしては異例なほどリリースが充実している。BF16は188個のsafetensorsシャード、FP8はE4M3で468.72 GiB、そして273 GiBのNVFP4ビルドはReflection自身のサービングガイドがダウンロードを推奨している。別リポジトリとして公開された、19.3億パラメータの独立した投機的デコーディング用ドラフターDFlash2もある。Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed、NVIDIA Dynamoでのデイワンサポートに加え、SGLang、vLLM、TokenSpeed向けのステップバイステップガイドとHelmチャートを提供。任意の稼働中のBeamエンドポイントに対して実行できる適合性テストスイートbeam-verifierも含まれる。さらに、リファレンスのセルフホスティング要件はNVLink接続のNVIDIA B300 SXM GPU 4基——クラスタではなく1台のマシンであり、これは500Bモデルとしては通常想定されるよりもはるかに低いハードルで、23Bのアクティベーション比率から直接導かれるものだ。

コンテキストは1,048,576トークンです。このモデルはテキスト指向で、コーディング、推論、エージェント的な作業向けに設計されています。

Qwen4-Maxとは実際何なのか

アリババの第4世代フラッグシップで、2026年11月16日からモデルID qwen4-maxとして一般提供中です。コンテキストは1,000,000トークン、思考モード外の最大出力は131,072トークン、思考と回答で共有される予算は262,144トークン、入力はテキスト・画像・動画で出力はテキストです。思考はデフォルトで有効で、予算は131,072トークン、推論エフォートは高です。6つのリージョン。OpenAI、Anthropic、DashScopeのワイヤプロトコル。ファインチューニングとモデルデプロイメントは未対応と記載され、重みは公開されていません。

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.

賃貸か購入かを決める要素について、並べて比較すると:

• 入力価格 — Qwen4-Max はシンガポールで100万トークンあたり1.50ドル、その他の地域では1.413ドルであるのに対し、Beam 1.0 は0.40ドル

• 出力価格 — Qwen4-Max はシンガポール $4.50、その他地域 $4.24、対して Beam 1.0 は $1.20

• コンテキスト — Qwen4-Max 1,000,000トークン 対 Beam 1.0 1,048,576トークン

• 最大出力 — Qwen4-Max:非思考で131,072、思考と共有で262,144。これに対し{{1}}Beam 1.0{{/1}}の上限は、Reflectionの公開資料ではコンテキストとは別に明示されていない

• モダリティ — Qwen4-Max はテキスト・画像・動画を入力できるのに対し、Beam 1.0 はテキスト入力

• 重み — Qwen4-Max はなし、それに対し Beam 1.0 は Apache 2.0 で、3 つの精度でダウンロード可能

• セルフホスティング — Qwen4-Max は許可されておらず不可能であるのに対し、Beam 1.0 はベンダー自身のリファレンスビルドにより 4 基の B300 SXM GPU 上で動作する

• 独立スコア — Qwen4-Max は未公開、一方 Beam 1.0 は Artificial Analysis Intelligence Index v5.0.1 で 17.7

Beamのスコアにおけるインデックスバージョンの罠

Beamが10月にリリースされたとき、最初に公表された独立系のスコアは、インデックスバージョンv4.3.2で30、120モデル中19位だった。現在のボードでは、バージョンv5.0.1で17.7となっている。どちらの数値も間違いではないが、比較はできない。Artificial Analysisがそれらの中間でインデックスの基準を変更し、ボード上の全モデルが動いたからだ。今日「Beamは30を記録した」と引用する人は、廃止された世代を引用しており、「17.7」をバージョンなしで引用する人は、逆方向に同じ過ちを招いている。

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.

再基準化しても相対的な構図は変わらない。v5.0.1では、Beam 1.0の17.7は、Qwen3.8-Maxの33.7、Grok 4.7の35.5、Kimi K3.1 Proの46.5を大きく下回る。実用的に動作するモデルではあるが、汎用的な能力において現在のフロンティアとは競合できない。これは価格が示唆するとおりであり、Reflectionの発表資料が明確に述べなかったことでもある。発表時のベンダーの主張は「フロンティアに近い推論モデル」だったが、独立した測定結果はそうではないと示している。

Qwen4-Maxにはどちらの世代にも数値がありません。Artificial Analysisのモデル別ページは404を返し、インデックスにQwen4の項目も現れません。Alibabaのドキュメントは仕組みを詳細に規定しています——デフォルト温度は思考ありで1.0、なしで0.7、top-pは0.95と0.8、top-kは20、モード別の入力上限は991,808トークンと983,616トークン——が、どのようなベンチマーク表も公開していません。

Beamをセルフホスティングするのに実際いくらかかるのか

$0.40と$1.20という数字はReflection自身のAPI料金です。これはBeamを自分で運用した場合にあなたにかかるコストではなく、その差こそがここでオープンウェイトが重要である理由そのものです。

NVLinkで接続された4基のB300 SXM GPUは、購入であれリースであれクラウド予約であれ、どれも無料ではない。所有する意義は、トークン単価が下がることではなく、ハードウェアを償却した後は推論の限界費用が電気代に近づくこと、そしてデータが一切建物の外に出ないことにある。すでに別の業務でB300キャパシティを運用しているチームにとって、Beam 1.0の限界費用はほぼゼロであり、その17.7というスコアは破格だ。一方、そのマシンを購入しなければならないチームにとって、同じモデルは中位のスコアを根拠にした資本的コミットメントになる。

Qwen4-Maxは、あらゆる面で正反対のトレードオフです。設備投資はなく、キャパシティプランニングも運用負荷もありません。その代わりに、BeamのAPI料金の3.75倍を支払い、ファインチューニングはできず、自社の管理境界内で実行することもできず、来四半期にAlibabaがその料金表をどう変更するかというリスクにさらされます。この料金表の地域構造が興味深い点です。シンガポールの$1.50と$4.50は、他の5地域の$1.413と$4.24に対して、同じモデルで6%の差であり、会計上の細部といえるほど小さい一方、大量利用では重要になるほど大きいものです。

それぞれがその価値を発揮する場面

Beam 1.0 は、次の3つのうちいずれかが当てはまる場合に正しい選択です。データを自社インフラの外に出せない場合 — 契約ベースの API ではその基準を満たせず、Apache 2.0 の重みなら満たせます。ドメインデータでファインチューニングしたい場合 — Qwen4-Max のドキュメントではファインチューニングが明示的に非対応とされていますが、Reflection は蒸留、ファインチューニング、量子化、マージを制限なく許可しています。あるいは、ワークロードがエージェント型コーディングであり、インタラクティブなレイテンシで動作する23Bアクティブモデルが十分速く、十分安いため、中位の汎用スコアが律速要因にならない場合です。

Qwen4-Maxは、入力がテキストでない場合に正しい選択です。Beamはテキストのみを扱いますが、Qwen4-Maxはテキスト、画像、動画を扱えます。パイプラインがスクリーンショット、スキャンした文書、カメラのフレーム、画面録画を取り込む場合、これらのモデルの一方はリクエストを受け付けられないため、価格の話に入る前に比較は終わっています。ヨーロッパ、日本、またはUS-Eastへのデプロイが必要な場合も同様です。Alibabaの6つのリージョンと単一のファーストパーティAPIという対比は、コストの問題ではなく適格性の問題です。

それ以外すべて——中程度の量の一般テキスト生成、ファインチューニングなし、レジデンシー制約なし——については、判断は、未測定のモデルを、測定済みの凡庸なモデルと比べてどれだけ信頼するかにかかってくる。そして答えは、自分のプロンプトを100本、両方に通して試すまでは、どちらも信頼すべきではないというものだ。出力100万トークンあたり4.50ドルと1.20ドルなら、その評価にかかるのは数セントだ。

ルーティング、そして第3の選択肢を支持する理由

OrcaRouter は現在 Beam 1.0 や Qwen4-Max をルーティングしていません。どちらも上記の料金で各ベンダー独自の API を通じて利用できます。カタログが提供しているのは、市場の中間層を1 つのキーと 1 つのベース URL で利用できる形で — GLM-5.3 は 100 万トークンあたり $1.40 と $4.40、オープンウェイトでインデックススコア 31.7、Qwen3.8-Max は $2.00 と $6.00 で 33.7、Kimi K3.1 Pro は $2.00 と $10.00 で 46.5 — いずれもプロバイダー定価のまま、マークアップなしで提供されます。

これがこの特定の対決における実用的な解決策です。Beam 1.0 は、所有権と低価格と引き換えに 17.7 を受け入れるよう求めます。Qwen4-Max は、モダリティとリージョンと引き換えに未知のものを受け入れるよう求めます。公開されたスコア、公開された重み、そして両者の中間の価格を備えたモデルは、どちらも受け入れる必要はないと示しています。興味深いが実証されていない両方の選択肢を、測定済みのベースラインと並べてルーティングすることこそ、どちらかが本番トラフィックに値するかどうかを見極める方法です — そして自動フェイルオーバーにより、実験中にサービスが停止することはありません。

何がそれを決着させるのか

数字が一つ:独立系リーダーボード上のQwen4-Maxのエントリー、現在のインデックス版で、Beam 1.0の17.7の隣に。このページの他のすべてはすでに既知だ——価格、コンテキスト、ライセンス、GPU数。もしQwen4-Maxが30台のどこか近くに着地すれば、動画入力やFrankfurtエンドポイントを必要とする人にとって、その3.75×のプレミアムは正当化しやすい。もしBeamの近くに着地すれば、プレミアムで買っているのはモダリティとコンプライアンスだけであり、正解はベンチマークではなく要件でルーティングすることだ。その数字が存在するまでは、比較は、測定されて平凡だと判明したモデルと、まったく測定されていないモデルとの間のものだ——そしてその二つの立場のうち、予算をコミットする理由になるのは一つだけだ。