Reflection Beam vs DeepSeek V4 Pro：サイズは3分の1、アクティベーション比率は2倍

魅力的な捉え方は、Reflection BeamをDeepSeek V4 Proと対比して、安価な新興モデル対確立したフラッグシップと見なすことだ。その捉え方は、何よりも先に明言する価値のある形で誤っている。なぜなら、この2つのモデルは同じアイデアを正反対に解釈して作られているからだ。DeepSeek V4 Pro は1.6兆パラメータの混合エキスパートモデルで、トークンあたり490億パラメータを活性化する。これは自身の約3.1パーセントにあたる。2026年10月5日に発表された Reflection Beam は、5010億パラメータの混合エキスパートモデルで、トークンあたり230億パラメータを活性化する。これは自身の約4.6パーセントにあたる。Beam はサイズが3分の1で、トークンあたりでは*疎の度合いがより低い*設計だ。Reflection のテーゼの全体は推論効率にあり、ここで比較対象となっているモデルは、そのテーゼが依拠する疎性の指標で Reflection を上回っている。

それは反証ではない。それは設定だ。なぜなら、2つのモデルは価格と可用性において大きく異なる位置にあり、正直な比較は、実際にどちらを基盤に構築できるかということだからだ。DeepSeek V4 Proはカタログに掲載されており、100万入力トークンあたり$0.66、100万出力トークンあたり$1.98で、1,048,576トークンのコンテキストと最大384,000トークンの出力を備える。Beamは価格が一切公開されておらず、ウェイトリストを通じてのみアクセス可能で、その重みは今月中にApache 2.0の下で提供されることが約束されている。

同じアイデアで、比率が違う

スパース性は共通の前提だ。どちらのモデルも、任意のトークン時点でパラメータのほぼすべてを眠らせておき、実際に動くごく一部のスライスにしかコストを払わない。異なるのは、各ラボがそれをどこまで押し進めるか、そしてそれによって何を得るかだ。

DeepSeek V4 Proは、約1.6兆個の総パラメータのうち490億個のアクティブパラメータを稼働させる。これは極めて攻撃的な比率であり、だからこそDeepSeekは旗艦クラスのモデルを$0.66と$0.66で販売できるのだ。その代償は、総パラメータ数が膨大であることだ。モデルは保存にも、そもそも提供するにも大規模であり、そのためホスティングは専門業者の仕事であって、ほとんどのチームが自前で行うものではない。

Reflection Beam は 5010億のうち230億がアクティブで動作する。あらゆる次元でより小さい。総パラメータ数は3分の1、アクティブなパラメータは半分未満、そしてアクティベーション比率もより穏やかだ。Reflection の主張は、Beam が利用可能な中で最もスパースなモデルだということではない——それは意図的に主張していない——そうではなく、230億というアクティブパラメータは比較的少数の GPU でサービングできる規模であり、これがトークンあたりの計算量ではなくデプロイの経済性を変える、というものだ。

• 総パラメータ数 — DeepSeek V4 Proが約1.6兆に対し、Reflection Beamは5010億。

• トークンあたりのアクティブ — 490億 対 230億。

• 活性化率 — DeepSeek V4 Pro で約3.1パーセント、Reflection Beam で約4.6パーセント。Beam は両者の中でよりスパース性が低い。

• モーダル入力 — DeepSeek V4 Pro はテキスト専用、Reflection Beam もテキスト専用。どちらも画像、音声、動画を受け付けず、これはこのクラスの2つのモデルが一致する珍しい例だ。

• コンテキストと出力 — DeepSeek V4 Pro は入力 1,048,576 トークン、出力 384,000 トークン。これに対して Beam は入力 256,000 トークン、出力 128,000 トークンで、そのコンテキストの数値にはベータ版の脚注が付いている。

• 価格 — DeepSeek V4 Pro は100万トークンあたり$0.66と$1.98、キャッシュ読み取りは$0.022。一方、Beamについては何も公表されていない。

• 提供状況 — DeepSeek V4 Pro は2026年4月24日から一般公開されています。Beam は2026年10月5日に発表されたウェイトリスト制のベータ版で、モデルの重みは今月中に公開される予定です。

誰も口にしない部分も含めた代償

DeepSeek V4 Proの$0.66と$1.98はプロバイダーの定価であり、当社のカタログには上乗せなしでそのまま反映されています。ただし、予算に織り込む価値のある、見落としやすい注意点があります。料金表には2つの時間帯、UTC 01:00～04:00とUTC 06:00～10:00があり、その間は価格が2倍になります — 入力$1.32、出力$3.96です。どちらも欧州とアジアのチームの勤務時間内に当たるため、欧州時間で稼働するパイプラインは、何も障害が起きなくても、1日の一部を2倍の料金で過ごすことになります。

100万トークンあたり $0.022 のキャッシュ読み取りは、全体像のもう半分であり、しかもより大きな部分です。これは入力レートに対する30対1の割引であり、DeepSeek V4 Pro が想定して作られている長文書および長い会話のワークロード — コンテキスト 1,048,576 トークン、出力 384,000 トークン — では、安定したプレフィックスを再読み取りするセッションの実効コストは、見出し価格をはるかに下回ります。キャッシュの再利用をモデル化せずにボリュームに $0.66 を掛けるような比較は、このモデルの実行コストを大幅に過大評価することになります。

Beamにはこれらのいずれに相当するものもない。リスト料率も、キャッシュ階層も、時間制限付きウィンドウも、そもそもトークン単位で販売されるかどうかについての公表されたコミットメントもない。この比較は、$0.66 対 それより安価な何か、というものではない。それは、価格が設定されたモデル 対 価格が設定されていないモデルであり、Reflection が料金表を公開するまで、損益分岐点を計算することはできない。

ベンチマーク：この2つのモデルが直接対決したことは一度もない

ここは注意が重要な場面です。というのも、明らかな罠が待ち受けており、それを明示的に名指しする価値があるからです。

Reflectionのローンチ時のテーブルでは、BeamがInkling、Nemotron 3 Ultra、GLM 5.2、GLM 5.3、Kimi K3、Qwen 3.8-Max、そしてDeepSeek V4.1 Flashと比較されている——V4 Proではなく、その兄弟のほうだ。つまり、Beam自身のテーブルに登場するDeepSeekモデルは別物であり、このファミリーの安価で高速なほうで、価格は$0.15と$0.60、ベンダーテーブルではTerminal-Bench v2.1が90.6（Beamは80.1）、DeepSWE v1.1が74.2（Beamは44.4）を記録している。V4.1 Flashの列からV4 Proの数値を読み取ってしまうことこそ、この比較を書く誰もが犯す最も可能性の高い単一のミスである。

V4 Pro について存在するものは、私たちのカタログ経由で Artificial Analysis によるものですが、これまた別のハーネス上に位置しているため、これらは方向性を示すものであり、制御されたものではありません。

• tau-squared Bench — DeepSeek V4 Proは、MCP AtlasにおけるBeamのベンダー公称値78.7に対して96.2を記録し、tau3 bankingでは38.0を記録している。同じエージェント型ツール使用測定ファミリー内の異なる評価であり、両者に互換性はない。

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro は 36.0 で、その実行では 147 件中 41 位。Beam にはインデックスの行がまったくなく、今朝時点でモデルページは 404 を返し、リーダーボードのペイロードにも Beam のエントリは存在しない。

• GPQA Diamond — Artificial Analysis 調べで DeepSeek V4 Pro が 92.8、Beam のベンダー報告値 90.5 に対して。

• Humanity's Last Exam — Artificial Analysis によると DeepSeek V4 Pro は 41.0、Beam のベンダー報告値 36.2 に対して。後者は明示的にツールなし。

• SciCode — Artificial Analysisによると、DeepSeek V4 Proが51.0で、Beamのベンダー報告値49.7に対して優勢。

• Terminal-Bench v2.1 — Artificial Analysis調べでDeepSeek V4 Proが78.7、Beamのベンダー報告値80.1に対して。この一覧でBeamが優勢な唯一の行であり、その差は2ポイント未満。

• 長文コンテキスト想起 — Artificial AnalysisによるとDeepSeek V4 Proが80.3、AA-LCRにおけるBeamのベンダー報告値79.3に対して。

このパターンは一貫しており、Beamのポジショニングにとっては居心地の悪いものになるはずだ。両方のモデルに数値があるすべての行で、DeepSeek V4 Proが先行している。ただしTerminal-Bench v2.1を除き、そこでは2ポイント未満の差で後れを取っている。しかも、DeepSeekの数値はすべてサードパーティ製ハーネスによるもので、Beamの数値はすべてベンダー自身によるものだ。すでに一般リリースされ、公表価格が入力1ドル未満のモデルが、共通のベンチマークで未リリースのモデルに明らかに後れを取っているわけではない。

What does Beam's efficiency claim have to do with any of this?

Reflectionの実際の主張はベンチマークに関する主張ではなく、それをベンチマークの主張であるかのように表を繰り返し示しても要点を外している。主張の内容は、Beamが高度な推論においてGLM 5.2と遜色ないスコアを出しつつ、推論計算量は3～4分の1で済み、Qwen 3.8-Maxのような2兆パラメータ級モデルに対してはその差がさらに広がる、というものだ。裏付けとなるグラフは、生成FLOPsを「アクティブパラメータ数の2倍×試行あたりの平均生成トークン数」として推定しており、対象はDeepSWE、HLE、Terminal-Bench 2.1にわたる。そしてそのグラフ自身のキャプションも、プロンプトのプリフィル、コンテキスト依存のアテンション、サービングのオーバーヘッドは除外されていることを認めている。

それを V4 Pro の数値と突き合わせると、議論は見出しの表が示唆するよりも興味深いものになる。V4 Pro はトークンあたり 490 億個のパラメータを活性化するのに対し、Beam は 230 億個だ。ほぼ 2 倍である。したがって、Reflection が用いている式に従えば、トークン数に差が出る以前の時点で、トークンあたりの生成コンピュートにおいて Beam が約 2 倍先行しているはずだ。それは実質的で明確に読み取れる優位性であり、Beam が持っている唯一の優位性だ。

反対意見：V4 Pro のアクティベーション比率はよりアグレッシブで、コンテキストは4倍大きく、最大出力は3倍大きい。つまり、より少ないターン数で、より長いターンを使ってタスクを解く V4 Pro のセッションは、たとえトークンあたりの推定コストが高くても、トータルでは安く済む可能性がある。トークンあたりの FLOPs はタスクあたりの FLOPs ではないし、そのグラフはトークンあたりのものだ。

独立した測定はまだ存在しない。記録に残る唯一の第三者による発言は、Artificial Analysisが10月5日に、Reflectionが同社にアクセスを提供したこと、および同社がBeamをベンチマークしていると述べたもので、初期の指標は、Beamがその知能レベルにおいて同社がこれまでに見てきた中で最もトークン効率の高いオープンモデルの一つになる可能性を示唆している。その後、数字は示されていない。

V4 Proのコンテキストが実際に重要となる場面

この対決には、差が漸進的というより決定的と言えるほど大きい側面が一つあり、それはベンチマークではない。

DeepSeek V4 Proは1,048,576トークンのコンテキストと384,000トークンの最大出力を提供します。Beamは256,000と128,000を提供し、コンテキストの数値にはベータ版の間に変更される可能性があるという脚注が付いています。法律契約のレビュー、リポジトリ全体のリファクタリング、あるいは数千ページにわたる統合タスクにとって、その違いはパフォーマンスの差ではありません。それは1回の呼び出しと、自分で書いて検証しなければならないチャンキングパイプラインとの違いです。Beamのミッドトレーニング段階は、その実効コンテキストを100万トークンに拡張すると報じられていますが、これはトレーニング側の能力であり、提供時の上限は256,000のままです。これら2つの数値はしばしば混同されますが、同じものではありません。

出力の上限がそれに追い打ちをかける。最大384,000トークンの出力があれば、1回の呼び出しで大規模な構造化アーティファクトを生成できるが、128,000ではできない。さらに、どちらのモデルも、ローンチ時に説明されたサーフェスを通じたバッチエンドポイントや埋め込みルートを提供していない。

選択と、ルーティングがどこに位置づけられるか

100万トークンのコンテキストと384,000トークンの出力が重要となる特定のワークロードでは、{{1}}DeepSeek V4 Pro{{/1}}は{{2}}Beam{{/2}}と競合しているのではなく、このページ上の他の何とも競合していない——そして{{2}}Beam{{/2}}は、そのウィンドウが変わるまで、どんな価格であってもこの比較には加われない。

256,000トークン以内に収まる大量処理では、判断は、Beamが主張する効率がサードパーティのハーネスでも維持されるかどうかへの賭けに帰着する。それは、すでにフロンティアより1桁低く、$0.022のキャッシュ読み取りでさらに割引されるV4 Proの料金と突き合わせて評価される。それに対して、DeepSeek自身のより安価な兄弟モデルは同じカタログに$0.15と$0.60で並んでいる——しかも、Beam自身のローンチ表でBeamがDeepSWEとTerminal-Benchで後れを取っているのはそのモデルだ。ここでの新規参入者の下限は、見た目より低い。

これこそ、ルーティング層が単なるスローガンではなく真価を発揮する場面です。DeepSeek V4 Proが当社のカタログに掲載されています。プロバイダーの定価をそのまま適用し、上乗せは一切ありません。api.orcarouter.ai/v1 にある単一のOpenAI互換キーの背後で、200以上の他のモデルと並んで利用できます。ルーティングDSLを使えば、意思決定をハードコードするのではなく表現できます。長文コンテキストのリクエストは100万トークンのウィンドウを持つモデルに固定し、大量の短いリクエストはあなたの評価を通過した安価なモデルに固定し、タスクが両方を必要とする場合はその2つを単一の呼び出しに組み合わせる。ルーティングがプロバイダー間のフェイルオーバーを処理するため、安価なティアは全トラフィックではなくその一部に安心して割り当てられます。これはまさに、Reflectionの外部では誰もベンチマークを再現できていないBeamのようなモデルに対して取るべき姿勢そのものです。

評決、そしてそれを左右する2つの日付

Reflection Beamは、今日知り得るあらゆる点でこの比較に敗れている。より小さく、より疎でもなく、コンテキストは4分の1しかなく、独立したスコアもなく、そして——コストを売りにするモデルにとって決定的なことに——価格もない。DeepSeek V4 Proは、より優れたArtificial Analysisインデックス、より優れたHLE、より優れたGPQA Diamond、より優れたSciCode、そしてより優れた長文コンテキストのリコール値を打ち出しており、それらはすべて自社ベンダー以外の誰かによって測定されたもので、しかもトークンあたり2倍のパラメータを有効化しながら、公表レートは1ドル未満だ。

Beam が持つのは、たったひとつの明快な主張だ。230億のアクティブパラメータは V4 Pro の3分の1であり、したがって生成側の計算量で比較すれば、およそ2対1で Beam が有利になるはずだというものだ。その主張はもっともらしく、Beam を真剣に受け止めるべき理由でもあるが、それを生み出したラボの外では誰も測定していない。

2つの日付がそれに決着をつける。今月中にApache 2.0の下で約束されている重みは、誰でも自分でFLOPsを数えられるようになる。そしてArtificial Analysisの行は、ベンダーのキャプションを数字に置き換える。そのどちらかが実現するまでは、価格を設定でき、キャッシュでき、100万トークンのコンテキストで呼び出せるモデルこそが、その上で構築すべきモデルだ。