
Qwen4-Max vs Reflection Beam: $1,20 output tegenover $4,50, en de gewichten die de doorslag geven
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 87 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 219 tok/s
Reflection Beam 1.0 genereert een miljoen outputtokens voor $1,20 via zijn eigen API. Qwen4-Max rekent $4,50 voor hetzelfde miljoen in Singapore, $4,24 in Frankfurt, Virginia, Tokio, Hongkong en Peking. Dat is een verschil van 3,75× in het voordeel van het open-weightmodel, en het is het soort getal dat de meeste vergelijkingen beëindigt voordat ze begonnen zijn. Deze vergelijking beëindigt het niet, omdat de twee modellen niet hetzelfde soort product zijn: Reflection Beam 1.0 is een sparse mixture-of-expertsmodel met 501 miljard parameters en Apache 2.0-gewichten die je kunt downloaden en op vier GPU's kunt draaien, en Qwen4-Max is een gesloten Alibaba-flagshipmodel dat op 16 november 2026 algemeen beschikbaar werd met een gepubliceerde prijslijst en helemaal geen gewichten publiceert. Het ene is een model dat je kunt bezitten. Het andere is een model dat je kunt huren, tegen een prijs waarmee je een veel groter contextvenster, native video-invoer en een leverancier met een supportcontract krijgt.
Er is ook een meetvraag, en die pakt hard uit tegen het goedkopere model. Beam 1.0 scoort 17,7 op de huidige Artificial Analysis Intelligence Index. Qwen4-Max heeft helemaal geen score. De eerlijke framing is dus niet "goedkoop open model versus duur gesloten model" — het is "een gemeten model dat goedkoop is en niet erg sterk, tegenover een ongemeten model dat duur is en veel claimt."

Wat Beam 1.0 eigenlijk is
Reflection, het in 2024 door twee voormalige Google DeepMind-onderzoekers opgerichte lab in New York, kondigde op 5 oktober 2026 Beam aan en bracht de gewichten op 16 oktober uit. Het model is Beam 1.0-501B-A23B: 501,3 miljard parameters in totaal, 23 miljard actief per token, een activeringsratio van ongeveer 4,6%. Reflection stelt dat het distillatie, fine-tuning, kwantisatie of merging niet beperkt.
De release is ongewoon compleet voor een eerste model. BF16 met 188 safetensors-shards, FP8 in E4M3 op 468.72 GiB, en een NVFP4-build van 273 GiB die Reflection's eigen serving-handleidingen aanraden te downloaden. Een aparte speculatieve-decodering-drafter van 1,93 miljard parameters, DFlash2, gepubliceerd als een eigen repository. Ondersteuning vanaf dag één in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed en NVIDIA Dynamo, met stapsgewijze handleidingen voor SGLang, vLLM en TokenSpeed plus een Helm-chart. Een conformiteitssuite, beam-verifier, die tegen elk live Beam-endpoint draait. En een referentievereiste voor self-hosting van vier NVIDIA B300 SXM-GPU's op NVLink — één machine, geen cluster, wat een veel lagere drempel is dan een 500B-model normaal gesproken impliceert en rechtstreeks voortvloeit uit de activatieverhouding van 23B.
De context is 1.048.576 tokens. Het model is tekstgericht en toegespitst op coderen, redeneren en agentisch werk.
Wat Qwen4-Max eigenlijk is
Alibaba's vierde generatie vlaggenschipmodel, algemeen beschikbaar sinds 16 november 2026 onder de model-ID qwen4-max. Een context van 1.000.000 tokens, een maximale uitvoer van 131.072 tokens buiten de denkmodus, een gedeeld budget van 262.144 tokens voor denken plus antwoord, en tekst-, beeld- en video-invoer met tekstuitvoer. Denken staat standaard aan met een budget van 131.072 tokens en de redeneerinspanning op hoog. Zes regio's. OpenAI-, Anthropic- en DashScope-wireprotocollen. Fine-tuning en modelimplementatie zijn gedocumenteerd als niet-ondersteund, en er worden geen gewichten gepubliceerd.

Naast elkaar, op de dimensies die bepalen of je huurt of koopt:
• Invoerprijs — Qwen4-Max $1,50 per 1 miljoen in Singapore en $1,413 elders, tegenover Beam 1.0 $0,40
• Uitvoerprijs — Qwen4-Max $4,50 Singapore, $4,24 elders, versus Beam 1.0 $1,20
• Context — Qwen4-Max 1.000.000 tokens versus Beam 1.0 1.048.576 tokens
• Maximale uitvoer — Qwen4-Max 131.072 non-thinking, 262.144 gedeeld met thinking, versus het plafond van Beam 1.0, dat Reflection in openbaar materiaal niet apart van de context vermeldt
• Modaliteit — Qwen4-Max tekst, afbeelding en video als invoer, versus Beam 1.0 tekst als invoer
• Gewichten — Qwen4-Max geen, tegenover Beam 1.0 Apache 2.0, downloadbaar in drie precisies
• Zelfhosting — Qwen4-Max niet toegestaan en niet mogelijk, versus Beam 1.0 op vier B300 SXM GPU's volgens de eigen referentiebuild van de leverancier
• Onafhankelijke score — voor Qwen4-Max is geen score gepubliceerd, versus Beam 1.0 met 17,7 op de Artificial Analysis Intelligence Index v5.0.1.
De index-versieval in Beams score
Toen Beam in oktober werd uitgebracht, was het eerste onafhankelijke cijfer dat eraan werd gekoppeld 30, op indexversie v4.3.2, als negentiende gerangschikt van 120 modellen. De huidige ranglijst vermeldt 17.7 op versie v5.0.1. Geen van beide getallen is fout; ze zijn niet vergelijkbaar, omdat Artificial Analysis de index tussen die versies opnieuw heeft gebaseerd en elk model op de ranglijst is verschoven. Wie vandaag citeert dat "Beam 30 scoorde", citeert een buiten gebruik gestelde versie, en wie "17.7" zonder de versie citeert, nodigt dezelfde fout in omgekeerde richting uit.

Wat de herbasering overleeft, is het relatieve beeld. Op v5.0.1 ligt Beam 1.0's 17.7 ruim onder Qwen3.8-Max op 33.7, Grok 4.7 op 35.5 en Kimi K3.1 Pro op 46.5. Het is een werkend model dat op algemene capaciteit niet concurrerend is met de huidige frontier, wat precies is wat de prijs ervan impliceert en precies wat het lanceermateriaal van Reflection niet ronduit zei. De claim van de leverancier bij de aankondiging was een redeneermodel dat aan de frontier grenst; de onafhankelijke meting zegt iets anders.
En Qwen4-Max heeft op geen van beide versies een score. De per-modelpagina op Artificial Analysis geeft een 404 en er verschijnt geen Qwen4-vermelding in de index. Alibaba's documentatie specificeert de werking in detail — standaardtemperaturen van 1,0 met thinking en 0,7 zonder, top-p 0,95 en 0,8, top-k 20, maximale invoer per modus van 991.808 en 983.616 tokens — en publiceert helemaal geen benchmarktabel.
Wat het zelf hosten van Beam daadwerkelijk kost
De cijfers $0.40 en $1.20 zijn Reflection's eigen API-tarieven. Dat is niet wat Beam je kost als je het zelf draait, en dat verschil is precies de reden waarom open weights hier belangrijk zijn.
Vier B300 SXM-GPU's op NVLink: dat is een aankoop, een lease of een cloudreservering, en geen van die drie is gratis. Het punt van zelf bezitten is niet dat de kosten per token lager zijn — het is dat zodra de hardware is afgeschreven, de marginale inferentiekosten de elektriciteitsrekening benaderen, en dat er niets aan je data het gebouw verlaat. Voor een team dat al B300-capaciteit voor ander werk draait, liggen de marginale kosten van Beam 1.0 bijna op nul en is de 17,7-score een koopje. Voor een team dat de doos zou moeten kopen, is hetzelfde model een kapitaalverplichting aangegaan op basis van een middenmootscore.
Qwen4-Max is in elk opzicht de tegenovergestelde keuze. Er zijn geen kapitaalkosten, geen capaciteitsplanning en geen operationele last, en in ruil daarvoor betaal je 3,75× het API-tarief van Beam, kun je niet fine-tunen, kun je het niet binnen je eigen perimeter draaien, en ben je blootgesteld aan wat Alibaba volgend kwartaal met die tariefkaart doet. Het interessante deel is de regionale structuur van de tariefkaart: Singapore met $1,50 en $4,50 tegenover $1,413 en $4,24 in de andere vijf regio's is een verschil van 6% voor hetzelfde model, klein genoeg om een boekhoudkundig detail te zijn en groot genoeg om bij volume uit te maken.
Waar elk zijn plek verdient
Beam 1.0 is het juiste antwoord wanneer een van de drie dingen waar is. Uw data kunnen uw infrastructuur niet verlaten — geen enkele gecontracteerde API haalt die lat, en Apache 2.0-gewichten wel. U wilt fine-tunen op domeindata — de documentatie van Qwen4-Max markeert fine-tuning expliciet als niet-ondersteund, terwijl Reflection distillatie, fine-tuning, kwantisatie en samenvoeging zonder beperking toestaat. Of uw workload is agentic coding waarbij een model met 23B actieve parameters bij interactieve latentie snel genoeg en goedkoop genoeg is dat een algemene score in de middenmoot niet de beperkende factor is.
Qwen4-Max is het juiste antwoord wanneer de invoer geen tekst is. Beam verwerkt tekst; Qwen4-Max verwerkt tekst, afbeeldingen en video. Als je pipeline screenshots, gescande documenten, camerabeelden of een schermopname binnenkrijgt, is de vergelijking al beslist voordat de prijs ter sprake komt, omdat een van deze modellen het verzoek niet kan aannemen. Hetzelfde geldt voor alles wat een Europese, Japanse of US-East-implementatie vereist: zes Alibaba-regio's tegenover één first-party API is een kwestie van geschiktheid, niet van kosten.
Voor al het overige — algemene tekstgeneratie bij een matig volume, geen fine-tuning, geen residentiebeperking — komt de beslissing neer op hoeveel vertrouwen je hebt in een ongemeten model tegenover een gemeten middelmatig model, en het antwoord is dat je geen van beide moet vertrouwen voordat je honderd van je eigen prompts door beide hebt laten lopen. Bij $4,50 en $1,20 per miljoen outputtokens kost die evaluatie centen.
Routing, en het pleidooi voor een derde optie
OrcaRouter routeert momenteel Beam 1.0 of Qwen4-Max niet; beide zijn bereikbaar via de eigen API's van hun leveranciers tegen de bovenstaande tarieven. Wat de catalogus wél biedt, is het middensegment van de markt op één sleutel en één basis-URL — GLM-5.3 voor $1,40 en $4,40 per miljoen met open gewichten en een indexscore van 31,7, Qwen3.8-Max voor $2,00 en $6,00 met een score van 33,7, Kimi K3.1 Pro voor $2,00 en $10,00 met een score van 46,5 — allemaal doorgegeven tegen de lijstprijs van de leverancier zonder opslag.
Dat is de praktische oplossing voor deze specifieke confrontatie. Beam 1.0 vraagt je een 17.7 te accepteren in ruil voor eigendom en een lage prijs; Qwen4-Max vraagt je een onbekende te accepteren in ruil voor modaliteit en regio's. Een model met een gepubliceerde score, gepubliceerde gewichten en een prijs tussen de twee vraagt je geen van beide te accepteren. Beide interessante-maar-onbewezen opties naast een gemeten baseline routeren is hoe je erachter komt of een van beide productieverkeer verdient — en automatische failover betekent dat het experiment de dienst niet kan laten uitvallen terwijl je het uitvoert.
Wat zou het beslechten?
Eén getal: een vermelding van Qwen4-Max op een onafhankelijke ranglijst, op de huidige indexversie, naast de 17,7 van Beam 1.0. Al het andere op deze pagina is al bekend — de prijzen, de contexten, de licenties, het aantal GPU's. Als Qwen4-Max ergens in de buurt van de 30 uitkomt, is de premie van 3,75× gemakkelijk te rechtvaardigen voor iedereen die video-invoer of een Frankfurt-endpoint nodig heeft. Als het in de buurt van Beam uitkomt, koopt de premie alleen modaliteit en compliance en niets anders, en is het juiste antwoord routeren op basis van vereisten in plaats van op basis van benchmarks. Zolang dat getal niet bestaat, gaat de vergelijking tussen een model dat is gemeten en middelmatig bevonden en een model dat helemaal niet is gemeten — en slechts één van die twee posities is een reden om budget toe te wijzen.
