Reflection Beam vs DeepSeek V4 Pro: Een derde zo groot, twee keer de activeringsratio

De verleidelijke manier om Reflection Beam tegenover DeepSeek V4 Prote plaatsen is: een goedkope nieuwkomer tegenover een gevestigd vlaggenschip. Die framing is op een manier onjuist die het waard is om eerst uit te leggen, want de twee modellen zijn gebouwd op tegengestelde interpretaties van hetzelfde idee. DeepSeek V4 Pro is een mixture-of-experts-model met 1,6 biljoen parameters dat 49 miljard parameters per token activeert — ongeveer 3,1 procent van zichzelf. Reflection Beam, aangekondigd op 5 oktober 2026, is een mixture-of-experts-model met 501 miljard parameters dat 23 miljard per token activeert — ongeveer 4,6 procent van zichzelf. Beam is een derde zo groot en, per token, een *minder* sparse ontwerp. De hele these van Reflection is inferentie-efficiëntie, en het model waarmee het hier wordt vergeleken ligt voor op de sparsity-maatstaf waarop die these rust.

Dat is geen ontkrachting. Het is de opzet, want de twee modellen bevinden zich op heel verschillende punten qua prijs en beschikbaarheid, en de eerlijke vergelijking gaat erover op welke van de twee je daadwerkelijk kunt voortbouwen. DeepSeek V4 Pro staat in de catalogus voor $0,66 per miljoen inputtokens en $1,98 per miljoen output, met een context van 1.048.576 tokens en een maximale output van 384.000 tokens. Beam heeft helemaal geen gepubliceerde prijs, is alleen bereikbaar via een wachtlijst, en de gewichten zijn toegezegd voor later deze maand onder Apache 2.0.

Hetzelfde idee, andere verhouding

Sparsity is het gemeenschappelijke uitgangspunt. Beide modellen houden bij elk gegeven token bijna al hun parameters in slaap en betalen alleen voor het kleine deel dat wordt uitgevoerd. Wat verschilt, is hoe ver elk lab het doorvoert en wat het oplevert.

DeepSeek V4 Pro draait op 49 miljard actieve parameters van de in totaal ongeveer 1,6 biljoen. Dat is een extreem agressieve verhouding, en dat is wat DeepSeek in staat stelt een model van topklasse te verkopen voor $0,66 en $1,98 — een tarief dat ondenkbaar zou zijn voor een dense model met die capaciteit. De keerzijde is dat het totale aantal parameters enorm is: het model is groot om op te slaan en überhaupt te serveren, waardoor het hosten ervan specialistenwerk is en niet iets wat de meeste teams zelf doen.

Reflection Beam heeft 23 miljard actieve parameters van de 501 miljard. Kleiner in elke dimensie: een derde van het totale aantal parameters, minder dan de helft van de actieve, en een minder agressieve activeringsratio. Het argument van Reflection is niet dat Beam het meest sparse model is dat beschikbaar is — dat claimt Reflection bewust niet — maar dat 23 miljard actieve parameters een omvang is die je op een betrekkelijk klein aantal GPU's kunt serveren, wat de deployment-economie verandert in plaats van de rekenkunde per token.

• Totaal aantal parameters — DeepSeek V4 Pro ongeveer 1,6 biljoen tegenover Reflection Beam 501 miljard.

• Actief per token — 49 miljard tegen 23 miljard.

• Activatieratio — ongeveer 3,1 procent voor DeepSeek V4 Pro, ongeveer 4,6 procent voor Reflection Beam. Beam is de minder sparse van de twee.

• Inputmodaliteit — DeepSeek V4 Pro is alleen tekst; Reflection Beam is alleen tekst. Geen van beide verwerkt afbeeldingen, audio of video, wat een zeldzaam geval is van twee modellen in deze klasse die het met elkaar eens zijn.

• Context en output — 1.048.576 tokens in en 384.000 uit voor DeepSeek V4 Pro, tegenover 256.000 in en 128.000 uit voor Beam, waarvan het contextcijfer een bètavoetnoot heeft.

• Prijs — $0,66 en $1,98 per miljoen tokens voor DeepSeek V4 Pro, met cache-reads tegen $0,022, tegenover niets dat voor Beam is gepubliceerd.

• Beschikbaarheid — DeepSeek V4 Pro is sinds 24 april 2026 algemeen beschikbaar; Beam is een bèta met wachtlijst die op 5 oktober 2026 is aangekondigd, waarbij de gewichten deze maand worden beloofd.

De prijs, inclusief het deel dat niemand noemt

De $0,66 en $1,98 van DeepSeek V4 Pro zijn het lijsttarief van de provider, doorgegeven in onze catalogus zonder dat er iets bij komt. Er is echter een addertje onder het gras waarvoor je moet budgetteren, en het is makkelijk te missen: de tariefkaart bevat twee tijdvensters, 01:00 tot 04:00 UTC en 06:00 tot 10:00 UTC, waarin de prijs met twee wordt vermenigvuldigd — $1,32 voor invoer en $3,96 voor uitvoer. Beide vallen binnen de werkdag voor Europese en Aziatische teams, dus een pipeline die op Europese uren draait, brengt een deel van zijn dag tegen dubbel tarief door zonder dat er iets misgaat.

Cache-reads tegen $0,022 per miljoen tokens vormen de andere helft van het beeld, en de grootste. Dat is een korting van dertig tegen één op het invoertarief, en voor de workloads met lange documenten en lange gesprekken waarvoor DeepSeek V4 Pro is gebouwd — 1.048.576 tokens context, 384.000 tokens output — liggen de effectieve kosten van een sessie die een stabiele prefix herleest ver onder het genoemde tarief. Elke vergelijking die volume met $0,66 vermenigvuldigt zonder cachehergebruik te modelleren, zal ernstig overschatten wat het kost om dit model te draaien.

Beam heeft geen equivalent voor al dat. Geen lijsttarief, geen cachelaag, geen tijdvenster, geen gepubliceerde toezegging over de vraag of het überhaupt per token verkocht zal worden. De vergelijking is niet $0,66 tegen iets goedkopers; het is een geprijsd model tegen een ongeprijsd model, en zolang Reflection geen tariefkaart publiceert, valt er geen break-evenpunt te berekenen.

Benchmarks: de modellen zijn nooit gedraaid

Dit is het deel waar zorgvuldigheid telt, want er ligt een voor de hand liggende valkuil en het is de moeite waard die expliciet te benoemen.

Reflections lancerings­tabellen vergelijken Beam met Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max en DeepSeek V4.1 Flash — het zusje, niet V4 Pro. Het DeepSeek-model dat in Beams eigen tabellen opduikt, is dus een ander: het goedkope, snelle lid van de familie, voor $0,15 en $0,60, dat in de leverancierstabel een Terminal-Bench v2.1 van 90,6 neerzet tegenover Beams 80,1 en een DeepSWE v1.1 van 74,2 tegenover Beams 44,4. Een V4 Pro-cijfer aflezen van een V4.1 Flash-kolom is de meest waarschijnlijke fout die iemand die deze vergelijking schrijft, zal maken.

Wat er wél bestaat voor V4 Pro, afkomstig van Artificial Analysis via onze catalogus, is weer gebaseerd op andere testopstellingen — dus deze zijn richtinggevend, niet gecontroleerd.

• tau-squared Bench — DeepSeek V4 Pro registreert 96.2 tegen een leverancierscijfer van 78.7 voor Beam op MCP Atlas en 38.0 op tau3 banking. Verschillende evaluaties binnen dezelfde familie van meting van agentisch toolgebruik, en de twee sets zijn niet onderling uitwisselbaar.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro staat op 36,0 en bezet de 41e plaats van de 147 in zijn run; Beam heeft helemaal geen indexrij, waarbij de modelpagina's 404 retourneren en er vanochtend geen Beam-vermelding in de payload van het leaderboard staat.

• GPQA Diamond — DeepSeek V4 Pro op 92,8 volgens Artificial Analysis tegenover de door de leverancier gerapporteerde 90,5 van Beam.

• Humanity's Last Exam — DeepSeek V4 Pro op 41,0 volgens Artificial Analysis tegenover de door leverancier Beam gerapporteerde 36,2, waarbij laatstgenoemde expliciet zonder hulpmiddelen.

• SciCode — DeepSeek V4 Pro op 51,0 volgens Artificial Analysis tegenover de door de leverancier gerapporteerde 49,7 van Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro op 78,7 volgens Artificial Analysis tegenover de door Beam gerapporteerde 80,1. De enige rij in deze lijst waarin Beam voorligt, en de marge is minder dan twee punten.

• Recall bij lange context — DeepSeek V4 Pro op 80,3 volgens Artificial Analysis, tegenover de door leverancier Beam gerapporteerde 79,3 op AA-LCR.

Het patroon is consistent en het zou ongemakkelijk moeten zijn voor de positionering van Beam. Op elke rij waarop beide modellen een cijfer hebben, staat DeepSeek V4 Pro voor, behalve bij Terminal-Bench v2.1, waar het minder dan twee punten achterligt — en elk DeepSeek-cijfer is afkomstig van een harness van een derde partij, terwijl elk Beam-cijfer van de leverancier zelf is. Een model dat al algemeen verkrijgbaar is, tegen een gepubliceerde prijs van minder dan een dollar voor input, doet niet duidelijk onder voor een nog niet uitgebracht model op de benchmarks die ze delen.

Wat Beams efficiëntieclaim hiermee te maken heeft

De feitelijke bewering van Reflection is geen benchmarkclaim, en de tabellen herhalen alsof dat wel zo is, mist de kern. De bewering is dat Beam vergelijkbaar presteert met GLM 5.2 op geavanceerd redeneren terwijl het 3 tot 4× minder inferentiecompute gebruikt, waarbij de kloof groter wordt tegen modellen met 2 biljoen parameters zoals Qwen 3.8-Max. De ondersteunende grafiek schat de gegenereerde FLOPs als tweemaal het aantal actieve parameters maal het gemiddelde aantal gegenereerde tokens per poging, over DeepSWE, HLE en Terminal-Bench 2.1, en het eigen bijschrift geeft toe dat prompt-prefill, contextafhankelijke attention en serving-overhead zijn uitgesloten.

Zet dat tegenover de cijfers van V4 Pro, en de argumentatie wordt interessanter dan de hoofdtabellen doen vermoeden. V4 Pro activeert 49 miljard parameters per token tegenover 23 bij Beam — ongeveer twee keer zoveel — dus volgens de formule die Reflection gebruikt, zou Beam een factor van ongeveer twee voor moeten liggen op generatie-compute per token, nog voordat er enig verschil in tokenaantal is. Dat is een reëel en duidelijk voordeel, en het is het enige voordeel dat Beam heeft.

Daartegen: de activeringsratio van V4 Pro is agressiever, zijn context is vier keer zo groot, en zijn maximale uitvoer is drie keer zo groot, wat betekent dat een V4 Pro-sessie die een taak in minder, langere beurten oplost, in totaal goedkoper kan uitvallen, zelfs bij een hogere schatting per token. FLOPs per token is niet FLOPs per taak, en de grafiek is per token.

De onafhankelijke meting bestaat nog niet. De enige officieel vastgelegde uitspraak van een derde partij is die van Artificial Analysis, dat op 5 oktober zei dat Reflection het toegang had gegeven en dat het Beam aan het benchmarken was, waarbij vroege indicatoren erop wijzen dat Beam een van de token-efficiëntste open modellen zal zijn die het voor zijn intelligentieniveau heeft gezien. Er is geen cijfer gevolgd.

Waar de context van V4 Pro echt toe doet

Er is één dimensie in deze matchup waar het verschil groot genoeg is om beslissend te zijn in plaats van incrementeel, en het is geen benchmark.

DeepSeek V4 Pro biedt een context van 1.048.576 tokens en een maximale uitvoer van 384.000 tokens. Beam biedt 256.000 en 128.000, met een voetnoot bij het contextcijfer die waarschuwt dat dit tijdens de bèta kan verschuiven. Voor een juridische contractbeoordeling, een refactor van een hele repository of een synthesetaak over duizenden pagina's is dat verschil geen prestatieverschil — het is het verschil tussen één aanroep en een chunking-pipeline die je zelf moet schrijven en valideren. De midtrainingsfase van Beam zou de effectieve context naar 1 miljoen tokens uitbreiden, wat een capaciteit aan de trainingskant is, terwijl de servinglimiet op 256.000 blijft; de twee cijfers worden vaak door elkaar gehaald en ze zijn niet hetzelfde.

Het uitvoerplafond verergert dit. Een maximale uitvoer van 384.000 tokens laat één enkele aanroep een groot gestructureerd artefact produceren; 128.000 doet dat niet, en geen van beide modellen biedt een batch-endpoint of een embeddings-route via de oppervlakken die bij de lancering zijn beschreven.

Kiezen, en waar routing past

Voor de specifieke workloads waarbij een miljoen tokens context en een output van 384.000 tokens ertoe doen, concurreert DeepSeek V4 Pro niet met Beam — het concurreert met niets anders op deze pagina, en Beam kan tegen geen enkele prijs aan de vergelijking deelnemen totdat zijn venster verandert.

Voor grootschalig werk dat binnen 256.000 tokens past, komt de beslissing neer op een gok of de beweerde efficiëntie van Beam een harness van een derde partij doorstaat, afgezet tegen een V4 Pro-tarief dat al een orde van grootte onder de frontier ligt en verder wordt verlaagd door cache-reads tegen $0,022. Daar staat tegenover dat het eigen goedkopere zusje van DeepSeek in dezelfde catalogus staat voor $0,15 en $0,60 — en het is het model waarop Beam volgens zijn eigen lanceringstabellen achterloopt op DeepSWE en Terminal-Bench. De ondergrens voor een nieuwkomer is hier lager dan hij lijkt.

Dit is waar een routeringslaag haar bestaansrecht verdient in plaats van een slogan te zijn. DeepSeek V4 Pro staat in onze catalogus, met het listtarief van de provider doorgegeven en niets erbovenop, achter één OpenAI-compatibele sleutel op api.orcarouter.ai/v1, naast meer dan 200 andere modellen. De routing-DSL laat je de beslissing uitdrukken in plaats van haar hard te coderen: pin verzoeken met een lange context vast aan het model met het venster van een miljoen tokens, pin korte verzoeken met een hoog volume vast aan welk goedkoop model dan ook dat je eval doorstaat, en combineer de twee tot één aanroep waar de taak beide nodig heeft. Omdat de routering failover tussen providers afhandelt, kun je de goedkope tier veilig een deel van het verkeer laten verwerken in plaats van alles — wat precies de houding is die je wilt tegenover een model als Beam, waarvan niemand buiten Reflection de benchmarks heeft gereproduceerd.

Het vonnis, en de twee data die het zouden verschuiven

Reflection Beam verliest deze vergelijking op alles wat vandaag kenbaar is. Het is kleiner, minder sparse, heeft een kwart van de context, heeft geen onafhankelijke score en – doorslaggevend voor een model dat op kosten wordt verkocht – heeft geen prijs. DeepSeek V4 Pro scoort een betere Artificial Analysis-index, een betere HLE, een betere GPQA Diamond, een betere SciCode en een beter cijfer voor long-context recall, allemaal gemeten door iemand anders dan zijn leverancier, en dat alles terwijl het twee keer zoveel parameters per token activeert tegen een gepubliceerd tarief van onder een dollar.

Wat Beam heeft, is één enkele heldere claim: 23 miljard actieve parameters is een derde van die van V4 Pro, dus een vergelijking van de rekenkracht aan de generatiezijde zou het met ongeveer twee tegen één moeten bevoordelen. Die claim is plausibel, hij is de reden om Beam serieus te nemen, en hij is door niemand buiten het lab dat hem heeft opgesteld gemeten.

Twee datums beslissen het. De weights, die later deze maand onder Apache 2.0 beloofd zijn, waarmee iedereen zelf de FLOPs zou kunnen tellen. En de rij van Artificial Analysis, die een bijschrift van de leverancier door een getal zou vervangen. Totdat een van beide er is, is het model dat je kunt beprijzen, cachen en aanroepen bij een context van een miljoen tokens, het model om op voort te bouwen.