Beam 1.0 vs Gemma 4 12B: 501 miljard parameters tegen 12, en wat dat verschil daadwerkelijk oplevert

Een van deze modellen past op een laptop. Het andere heeft een rack nodig, en het verschil tussen beide is een factor veertig. Reflection Beam 1.0 is een sparse mixture-of-experts-model met in totaal 501,3 miljard parameters waarvan er per token 23,4 miljard worden gewekt — aangekondigd door Reflection op 5 oktober 2026 als een preview met wachtlijst, en daadwerkelijk uitgebracht als downloadbare gewichten op 16 oktober 2026 onder Apache 2.0 in BF16-, FP8- en NVFP4-builds, met daarnaast een klein DFlash2-draftmodel voor speculative decoding. G​emma 4 12B is het encoderloze dense model van G​oogle DeepMind met 11,95 miljard parameters, uitgebracht op 3 juni 2026, dat tekst, afbeeldingen, audio en videoframes leest, tekst schrijft en quantiseert tot iets wat een machine met 16GB aankan. Beide licenties zijn permissief, beide outputs zijn tekst, en beide staan nu op Hugging Face. Bijna niets anders aan hen is hetzelfde, en de nuttige vraag is niet welke slimmer is — het is welke van de twee je probleem oplost zonder inkooporder.

Dit is belangrijker dan het gewoonlijk zou zijn, want elf dagen lang was Beam 1.0 een model waarover je kon lezen maar dat je niet kon hebben. De aankondiging van Reflection op 5 oktober beloofde Apache 2.0-gewichten "later deze maand", en de repository bleef leeg. Met ingang van 16 oktober 2026 is de collectie live met vier repositories en bevat de model card een volledige evaluatietabel. Die release is de reden dat deze vergelijking überhaupt als vergelijking kan worden geschreven, in plaats van als een notitie over een krantenkop.

Waar zij tweeën staan, in één keer

Alles hieronder is ofwel de eigen documentatie van de leverancier, ofwel Artificial Analysis. Waar een cijfer van de leverancier afkomstig is en niemand het heeft gereproduceerd, vermeldt deze pagina dat op de plek zelf in plaats van in een disclaimer onderaan.

• Totaal aantal parameters — Beam 1.0 501,3B vs G​emma 4 12B 11,95B. De verhouding is ongeveer 42 op 1.

• Actieve parameters per token — 23,4B vs. 11,95B. De verhouding zakt naar ongeveer 2 tegen 1, en dat is de hele truc: een sparse model betaalt alleen voor het deel van zichzelf dat het gebruikt.

• Architectuur — Beam 1.0 is een 52-laags MoE met 256 experts, drie dense lagen en 49 expertlagen, afwisselende lokale en globale attention, en gated grouped-query attention met sliding-window attention; G​emma 4 12B is dense, 48 lagen, zonder enige multimodale encoders — de verwerking van beeld en audio is in het model getraind in plaats van eraan vastgeschroefd.

• Contextvenster — Beam 1.0 1.000.000 tokens op de modelkaart; G​emma 4 12B 262.144 tokens. Beide zijn het grootste aantal dat hun respectieve families bieden.

• Modaliteit — Beam 1.0 is tekst in, tekst uit, en op de kaart staat dat duidelijk; Gemma 4 12B accepteert tekst, afbeeldingen, audio en videoframes en geeft tekst terug.

• Licentie — Apache 2.0 op beide, commercieel bruikbaar, geen limiet op het aantal gebruikers. Dit is het punt waarop de twee modellen het meest op elkaar lijken.

• Gepubliceerde evaluatie — Beam 1.0 wordt geleverd met een evaluatietabel voor BF16-, FP8- en NVFP4-checkpoints; de kaart van Gemma 4 12B bevat de eigen cijfers van Google en wordt sinds juni onafhankelijk beoordeeld.

• Onafhankelijke score — Artificial Analysis Intelligence Index v4.3.2 plaatst Beam 1.0 op 30, op de 19e plaats van 120 modellen in zijn vergelijkingsklasse, en G​emma 4 12B op 14, op de 20e plaats van 141 — een verschil van 16 punten in het voordeel van het grotere model, waarbij het cijfer van G​emma een voetnoot "geschat" draagt omdat onafhankelijke evaluatie van de 12B nog niet was afgerond.

Wat Beam 1.0 eigenlijk is, nu de gewichten bestaan

De modelkaart vermeldt: 501,3 miljard totale parameters, 23,4 miljard actieve, 52 lagen waarvan er drie dense zijn en 49 MoE, 256 experts, een vocabulaire van 152.000 tokens, een kennisafsluitdatum van 30 juni 2026, en modaliteit met alleen tekst. De chat-template is een aangepast Harmony-formaat met twee kanalen — analysis en final — en een reasoning_effort-instelling die ofwel een geheel getal ofwel een van minimal, low, medium, high, xhigh en max accepteert, met een toewijzing aan 8, 32, 64, 128, 256 en 512. De standaardwaarde die wordt geleverd wanneer de parameter niet is ingesteld, is 512. In de documentatie van de template zelf staat dat minimal, op 8, de kleinste inspanning is die ooit in de trainingsdata is gesampled, dus een kleiner budget wordt niet gerespecteerd.

Drie dingen aan die specificatie zijn het waard om eruit te lichten, want het zijn de onderdelen die bepalen of je hem kunt gebruiken.

Het eerste is dat de effort-instelling geen uitschakelaar heeft. Beam redeneert altijd; jij kiest alleen hoeveel. Voor een agent-loop betekent dat dat elke beurt een overwegingsprefix met zich meedraagt die wordt gefactureerd en, als je de geschiedenis opnieuw afspeelt, opnieuw wordt gefactureerd. De template geeft zelfs een fout wanneer allow_missing_thinking op false is ingesteld en een eerdere assistent-beurt zijn redenering heeft laten vallen, precies omdat het verwijderen ervan de output verslechtert. Dat is een gedocumenteerde kostenpost, geen bug.

Het tweede zijn de gekwantiseerde builds. Reflection publiceerde FP8- en NVFP4-checkpoints op dezelfde dag als het BF16-model, naast de DFlash2-drafter. De NVFP4-repository staat vermeld als 255B tegenover de BF16 501B, en de kaart schrijft de kwantisatie toe aan llm-compressor met dank aan NVIDIA-medewerkers voor begeleiding. Het hebben van een vierbits-build op dag nul verandert wie dit überhaupt kan draaien — 501B in bfloat16 is ongeveer een terabyte aan gewichten, wat een ander aankoopgesprek is dan 255B in vier bits.

Het derde is wat ontbreekt. Er staat geen serveeradvies op de modelkaart, geen gepubliceerde hardwareondergrens, en nergens op Reflection's eigen pagina's een gepubliceerde API-prijs. De pagina van Artificial Analysis voor het model vermeldt de prijsvelden als niet beschikbaar en merkt op: "Geen openbaar beschikbare API" — wat, voor een model waarvan de hele propositie is dat het goedkoop te draaien is, precies de rij is die je ingevuld had willen zien.

Wat G​emma 4 12B is en waarom de grootte het argument is

De kaart van G​oogle geeft G​emma 4 12B 11,95 miljard parameters verdeeld over 48 lagen, een context van 262.144 tokens, een gedeelde vocabulaire van 262.000 tokens voor de hele familie, en een sliding window van 1.024 tokens — het dubbele van wat de kleinere E2B- en E4B-varianten gebruiken. Attention verweeft lokale sliding-window-attention met volledige globale attention, en de laatste laag is altijd globaal. Het is voorgetraind op meer dan 140 talen, met naar verluidt out-of-the-box ondersteuning voor 35 of meer.

De interessante technische beslissing is architectonisch: het model heeft geen aparte encoders. De framing van Google is dat multimodale verwerking is meegetraind in plaats van eraan te zijn gekoppeld, waardoor dezelfde checkpoint zowel beeld als audio bedient zonder een tweede set gewichten te laden. Op een apparaat is dat het verschil tussen een deploybaar model en een pipeline.

Google heeft ook kwantisatiebewuste training geleverd in plaats van te vertrouwen op een post-hoc-kwantiseerder, en publiceert een QAT-GGUF van ongeveer 6,98 GB voor de gewichten plus een kleine multimodale projector. Community-kwantisaties gaan nog verder omlaag: de breed gespiegelde Unsloth-build loopt van ongeveer 4,2 GB bij de meest agressieve 2-bit tot 7,12 GB bij Q4_K_M en 12,67 GB bij Q8_0. MLX-builds voor Apple-silicon komen uit op ongeveer 12,7 GB bij 8-bit. De instructieafgestemde checkpoint met volledige precisie daarentegen is één enkel safetensors-bestand van 23,92 GB — de ruwe bfloat16-voetafdruk vóór enige KV-cache, het getal dat aangeeft dat een machine met 16GB het niet ongekwantiseerd kan bevatten en een kaart van 24GB wel.

Onafhankelijke scoring is beschikbaar sinds kort na de release, wat de asymmetrie is die door deze hele pagina loopt. Artificial Analysis meet de 12B op 14 op Intelligence Index v4.3.2, 117,6 outputtokens per seconde, 2,43 seconden tot het eerste token, en $0,10 per miljoen inputtokens tegen $0,30 per miljoen output. De eigen kaart van G​oogle rapporteert 78,2 op MMLU Pro, 77,8 op GPQA Diamond, 77,5 op AIME 2026 zonder tools, 72,0 op LiveCodeBench v6 met een Codeforces ELO van 1659, 69,1 op MMMU Pro en 43,4 op MRCR v2 bij 128K met acht needles.

De vergelijking die niet bestaat

De modelkaart van Beam 1.0 rapporteert SWE-bench Verified op 81,6% op het BF16-checkpoint, 80,2% op FP8 en 80,7% op NVFP4; Terminal Bench v2.1 op 80,1, 78,9 en 78,4; SWE Bench Pro v1 op 66,1, 65,9 en 65,6; DeepSWE v1.1 op 43,3, 43,0 en 42,7; GPQA Diamond op 90,6, 90,3 en 89,3; AIME 2026 op 97,7, 98,0 en 97,5; LiveCodeBench op 88,3, 88,1 en 87,4; MCP Atlas op 80,8, 81,5 en 80,5 en IFBench op 79,6, 80,7 en 79,2. Evaluaties gebruikten temperatuur 0,7 en top-p 0,99. Dat alles is de eigen rapportage van Reflection en niets ervan is door een derde partij gereproduceerd.

De modelkaart van G​emma 4 12B rapporteert zijn eigen cijfers, eveneens niet gereproduceerd op per-benchmarkniveau, en Artificial Analysis heeft het model onafhankelijk gescoord. Zet de twee nu naast elkaar en probeer ze van elkaar af te trekken. Dat kan niet. De tabel van Beam is een frontier-modeltabel met benchmarks voor agentisch programmeren en toolgebruik. Die van G​emma is een tabel met benchmarks voor multimodaal begrip en redeneren. Waar de twee elkaar overlappen — in wezen GPQA Diamond en AIME — zijn de harnesses, de reasoning-effort-instellingen en de samplingparameters aan de ene kant niet gedocumenteerd en aan de andere kant onbekend. Een 90,6 tegen een 77,8 op GPQA leest als een kloof van 13 punten, en het is een vergelijking van de setup van het ene lab met die van een ander lab.

Het enige cijfer op deze pagina waarbij één enkele organisatie beide modellen heeft gemeten, is de Intelligence Index, en daar bedraagt het verschil 30 tegen 14. Dat is een echte meting door een derde partij volgens een gedocumenteerde samengestelde maatstaf. Het is ook een verschil van 16 punten voor een model met 42 keer zoveel parameters en, op basis van het beschikbare bewijsmateriaal, een heel andere deploymentklasse. Niemand zou er verbaasd over moeten zijn.

Wat het daadwerkelijk kost om elk ervan te laten draaien

Noch Beam 1.0 noch G​emma 4 12B staat in onze catalogus. Wat OrcaRouter uit de G​emma 4-familie routeert, zijn de twee varianten die wij aanbieden: Gemma 4 26B A4B voor $0,06 per miljoen inputtokens en $0,33 per miljoen outputtokens met een context van 262.144 tokens, en G​emma 4 31B voor $0,13 en $0,38 — de lijstprijs van de provider, zonder opslag doorgegeven, afgelezen van onze eigen modellenlijst op 16 oktober 2026. Beam 1.0 bieden wij niet aan, en deze pagina pretendeert niet anders; de manier om het vandaag te gebruiken is door het te downloaden uit de Hugging Face-collectie van Reflection of door de eigen API van Reflection aan te roepen.

Daarmee blijft de eerlijke kostenvergelijking over als een hardwarevergelijking, en dat is de versie ervan die hier echt van belang is. Als je de machine al bezit, is Gemma 4 12B in vier bits een download en een middag. Zo niet, dan is het verbruiksgebaseerde equivalent van de 12B ongeveer het goedkoopste item op onze lijst — dertig cent per miljoen outputtokens — terwijl een 501B-model met 23B actieve parameters een GPU-huur is waarvoor nergens een prijs voor jou is vastgesteld, omdat Reflection geen tarief heeft gepubliceerd.

Welke van de twee is jouw model

Kies G​emma 4 12B als het werk multimodaal is, als het moet draaien op hardware die je al bezit of op een apparaat dat je uitlevert, als latentie van een paar honderd milliseconden tot het eerste token acceptabel is, en als een context van 256K je documenten dekt. Het encoderloze ontwerp en de quantisatiebewuste training zijn beide rechtstreeks op die lezer gericht, en de Apache 2.0-licentie betekent dat je een afgeleide kunt uitleveren zonder een gesprek met G​oogle. De prijs van de keuze is capaciteit: 14 op de onafhankelijke index ligt een heel eind onder de frontier, en de benchmarkset die er voor jou het meest toe doet — agentische codering, redeneren op repositoryschaal — is niet de set die G​oogle heeft gepubliceerd.

Kies Beam 1.0 als het werk coderen, toolgebruik en langdurige agentische uitvoering betreft, als je clustertoegang hebt of een servingpartner, en als je een niet-geprijsde API en een permanent actief reasoningbudget kunt absorberen. De gepubliceerde benchmarks zijn precies op die workload gericht, de vierbits-build maakt het gesprek over hardware wezenlijk eenvoudiger dan het aantal parameters doet vermoeden, en de licentie bevat geen beperking die een commerciële fine-tune in de weg zou staan.

Kies geen van beide als wat je echt nodig hebt een antwoord deze week is. Dit zijn beide modellen die je zelf moet draaien. De vergelijkingen die voor die beslissing van belang zijn — een gehost model tegen een gepubliceerd tarief, op een sleutel die je al in handen hebt — staan op een andere pagina, en deze gaat over de twee uitersten van het open-weights-spectrum in plaats van het midden waar het meeste productieverkeer zich bevindt.

Wat zou deze pagina veranderen

Twee dingen. Een onafhankelijke benchmark die Beam 1.0 en G​emma 4 12B op hetzelfde benchmarkharnas met dezelfde inspanning zet, zou de vergelijking hierboven op basis van alleen de Index vervangen door iets dat je van elkaar kunt aftrekken, en het feit dat de gewichten van Beam nu openbaar zijn, betekent dat iedereen het kan draaien. Een gepubliceerde prijs voor de API van Beam — of voor een gehoste FP8- of NVFP4-implementatie — zou de sectie over kosten veranderen van een hardwareargument in een tariefkaart. Totdat een van die twee er is, luidt de nauwkeurige samenvatting als volgt: het parameterverschil van 40 tegen 1 levert ongeveer 16 punten onafhankelijk gemeten intelligentie en een andere set benchmarks op, en het kost je een plek om het neer te zetten.

Een resultaat zoals dit is ook een herinnering eraan dat modelfouten al gedocumenteerd zijn: de AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, zekerheidsgraad en betwistingsmarkering bevat.