Reflection Beam vs. DeepSeek V4 Pro: um terço do tamanho, o dobro da taxa de ativação

A maneira tentadora de enquadrar Reflection Beam contra DeepSeek V4 Pro é novato barato versus carro-chefe consagrado. Esse enquadramento está errado de um modo que vale a pena explicitar antes de qualquer outra coisa, porque os dois modelos se baseiam em leituras opostas da mesma ideia. DeepSeek V4 Pro é um modelo de mistura de especialistas de 1,6 trilhão de parâmetros que ativa 49 bilhões de parâmetros por token — cerca de 3,1% do seu próprio total. Reflection Beam, anunciado em 5 de outubro de 2026, é um modelo de mistura de especialistas de 501 bilhões de parâmetros que ativa 23 bilhões por token — cerca de 4,6% do seu próprio total. Beam tem um terço do tamanho e, por token, um design *menos* esparso. A tese inteira do Reflection é eficiência de inferência, e o modelo com o qual ele está sendo comparado aqui está à frente dele na métrica de esparsidade na qual essa tese se baseia.

Isso não é um desmascaramento. É a preparação, porque os dois modelos estão em pontos muito diferentes de preço e disponibilidade, e a comparação honesta é sobre em qual deles você realmente pode construir. O DeepSeek V4 Pro está no catálogo a US$ 0,66 por milhão de tokens de entrada e US$ 1,98 por milhão de tokens de saída, com um contexto de 1.048.576 tokens e 384.000 tokens de saída máxima. O Beam não tem preço publicado algum, é acessível apenas por meio de uma lista de espera, e seus pesos estão prometidos para ainda este mês sob Apache 2.0.

Mesma ideia, proporção diferente

A esparsidade é a premissa compartilhada. Ambos os modelos mantêm quase todos os seus parâmetros adormecidos em qualquer token dado e pagam apenas pela pequena fração que é executada. O que difere é até onde cada laboratório a leva e o que isso lhe rende.

O DeepSeek V4 Pro roda 49 bilhões de parâmetros ativos de um total de aproximadamente 1,6 trilhão. Essa é uma proporção extremamente agressiva, e é o que permite à DeepSeek vender um modelo de nível flagship por US$ 0,66 e US$ 1,98 — um preço que seria impensável para um modelo denso com essa capacidade. A contrapartida é que a contagem total de parâmetros é enorme: o modelo é grande para armazenar e até mesmo para servir, e é por isso que hospedá-lo é um negócio para especialistas, em vez de algo que a maioria das equipes faz por conta própria.

O Reflection Beam executa 23 bilhões ativos de 501 bilhões. Menor em todas as dimensões: um terço do total de parâmetros, menos da metade dos ativos, e uma proporção de ativação menos agressiva. O argumento do Reflection não é que o Beam é o modelo mais esparso disponível — ele deliberadamente não afirma isso — mas que 23 bilhões de parâmetros ativos é um tamanho que você pode servir em um número comparativamente pequeno de GPUs, o que muda a economia de implantação em vez da aritmética por token.

• Total de parâmetros — DeepSeek V4 Pro com aproximadamente 1,6 trilhão, contra 501 bilhões do Reflection Beam.

• Ativos por token — 49 bilhões contra 23 bilhões.

• Taxa de ativação — cerca de 3,1 por cento para o DeepSeek V4 Pro, cerca de 4,6 por cento para o Reflection Beam. O Beam é o menos esparso dos dois.

• Entrada modal — DeepSeek V4 Pro é somente texto; Reflection Beam é somente texto. Nenhum dos dois aceita imagens, áudio ou vídeo, o que é um caso raro de dois modelos dessa classe concordarem.

• Contexto e saída — 1.048.576 tokens de entrada e 384.000 de saída para o DeepSeek V4 Pro, em comparação com 256.000 de entrada e 128.000 de saída para o Beam, cujo valor de contexto traz uma nota de rodapé beta.

• Preço — US$ 0,66 e US$ 1,98 por milhão de tokens para o DeepSeek V4 Pro, com leituras de cache a US$ 0,022, contra nada publicado para o Beam.

• Disponibilidade — O DeepSeek V4 Pro está em lançamento geral desde 24 de abril de 2026; o Beam é uma beta com lista de espera anunciada em 5 de outubro de 2026, com pesos prometidos para este mês.

O preço, incluindo a parte que ninguém menciona

Os $0.66 e $1.98 do DeepSeek V4 Pro são o preço de tabela do provedor, repassado em nosso catálogo sem nenhum acréscimo. Há, porém, um detalhe que vale a pena considerar no orçamento — e é fácil de passar despercebido: a tabela de preços tem duas janelas de horário, de 01:00 às 04:00 UTC e de 06:00 às 10:00 UTC, durante as quais o preço é multiplicado por dois — $1.32 de entrada e $3.96 de saída. Ambas caem dentro do horário de trabalho das equipes europeias e asiáticas, então um pipeline executado em horário europeu passará parte do dia com tarifa dobrada sem que nada falhe.

As leituras de cache a $0,022 por milhão de tokens são a outra metade do quadro — e a maior delas. Isso representa um desconto de trinta para um na tarifa de entrada e, para as cargas de trabalho de documentos longos e conversas longas para as quais o DeepSeek V4 Pro foi concebido — 1.048.576 tokens de contexto, 384.000 tokens de saída —, o custo efetivo de uma sessão que relê um prefixo estável fica bem abaixo do preço anunciado. Qualquer comparação que multiplique o volume por $0,66 sem modelar a reutilização de cache superestimará grosseiramente o custo de execução deste modelo.

Beam não tem equivalente a nada disso. Sem preço de tabela, sem camada de cache, sem janela temporal, sem compromisso publicado sobre se será vendido por token, ou não. A comparação não é $0 contra algo mais barato; é um modelo com preço contra um sem preço, e até que a Resolution publique uma tabela de preços, não há ponto de equilíbrio a calcular.

Benchmarks: os dois modelos nunca foram executados frente a frente

É aqui que o cuidado importa, porque há uma armadilha óbvia à disposição e vale a pena nomeá-la explicitamente.

As tabelas de lançamento da Reflection comparam o Beam com Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max e DeepSeek V4.1 Flash — o irmão, não o V4 Pro. Portanto, o modelo DeepSeek que aparece nas próprias tabelas do Beam é outro: o membro barato e rápido da família, a US$ 0,15 e US$ 0,60, que registra, em tabela do fornecedor, um Terminal-Bench v2.1 de 90,6 contra 80,1 do Beam e um DeepSWE v1.1 de 74,2 contra 44,4 do Beam. Ler um número do V4 Pro na coluna do V4.1 Flash é o erro mais provável que alguém escrevendo esta comparação cometerá.

O que existe para o V4 Pro, da Artificial Analysis através do nosso catálogo, assenta novamente em harnesses diferentes — por isso são direcionais, não controlados.

• tau-squared Bench — o DeepSeek V4 Pro registra 96,2, contra um valor de fornecedor de 78,7 para o Beam no MCP Atlas e 38,0 no tau3 banking. São avaliações diferentes dentro da mesma família de medição de uso de ferramentas por agentes, e os dois conjuntos não são intercambiáveis.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro está em 36,0, classificado em 41º de 147 em sua execução; Beam não tem nenhuma linha no índice, com as páginas do modelo retornando 404 e nenhuma entrada da Beam no payload do leaderboard até esta manhã.

• GPQA Diamond — DeepSeek V4 Pro com 92,8 segundo a Artificial Analysis, contra os 90,5 relatados pela própria Beam.

• Humanity's Last Exam — DeepSeek V4 Pro com 41,0 segundo a Artificial Analysis, contra os 36,2 relatados pelo fornecedor da Beam, este último explicitamente sem ferramentas.

• SciCode — DeepSeek V4 Pro com 51,0 segundo a Artificial Analysis, contra 49,7 relatados pelo fornecedor da Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro com 78,7 segundo a Artificial Analysis, contra os 80,1 informados pela Beam. A única linha desta lista em que a Beam está à frente, e a margem é inferior a dois pontos.

• Recuperação de contexto longo — DeepSeek V4 Pro com 80,3 segundo a Artificial Analysis, contra os 79,3 relatados pelo fornecedor do Beam no AA-LCR.

O padrão é consistente e deveria ser desconfortável para o posicionamento da Beam. Em todas as linhas em que ambos os modelos têm um número, o DeepSeek V4 Pro está à frente, exceto no Terminal-Bench v2.1, onde fica atrás por menos de dois pontos — e todos os números do DeepSeek vêm de um harness de terceiros, enquanto todos os números da Beam são do próprio fornecedor. Um modelo já em lançamento geral, com preço de entrada publicado abaixo de um dólar, não está claramente perdendo para um modelo não lançado nos benchmarks que compartilham.

O que a alegação de eficiência da Beam tem a ver com tudo isso

A alegação real do Reflection não é uma alegação de benchmark, e repetir as tabelas como se fosse isso não capta o ponto. A alegação é que o Beam obtém pontuação comparável à do GLM 5.2 em raciocínio avançado, usando de 3 a 4× menos computação de inferência, com a diferença aumentando em relação a modelos de 2 trilhões de parâmetros como o Qwen 3.8-Max. O gráfico de apoio estima os FLOPs gerados como duas vezes a contagem de parâmetros ativos multiplicada pela média de tokens gerados por tentativa, em DeepSWE, HLE e Terminal-Bench 2.1, e sua própria legenda admite que o prefill de prompt, a atenção dependente de contexto e a sobrecarga de serving ficam de fora.

Compare isso com os números do V4 Pro, e o argumento fica mais interessante do que as tabelas principais sugerem. O V4 Pro ativa 49 bilhões de parâmetros por token, contra 23 do Beam — aproximadamente o dobro —, então, pela fórmula que a Reflection está usando, o Beam deveria estar à frente por um fator de cerca de dois no compute de geração por token, antes de qualquer diferença na contagem de tokens. Essa é uma vantagem real e legível, e é a que o Beam tem.

Contra isso: a proporção de ativação do V4 Pro é mais agressiva, seu contexto é quatro vezes maior, e sua saída máxima é três vezes maior, o que significa que uma sessão do V4 Pro que resolve uma tarefa em menos turnos, porém mais longos, pode acabar saindo mais barata no total, mesmo com uma estimativa por token mais alta. FLOPs por token não é FLOPs por tarefa, e o gráfico é por token.

A medição independente ainda não existe. A única declaração de terceiros oficialmente registada é a da Artificial Analysis, que disse, a 5 de outubro, que a Reflection lhe tinha concedido acesso e que estava a avaliar o Beam por benchmark, com indicadores iniciais a sugerir que o Beam será um dos modelos abertos mais eficientes em tokens que já viu para o seu nível de inteligência. Não se seguiu nenhum número.

Onde o contexto do V4 Pro realmente importa

Há uma dimensão neste confronto em que a diferença é grande o suficiente para ser decisiva em vez de incremental, e não é um benchmark.

DeepSeek V4 Pro atende 1.048.576 tokens de contexto e 384.000 tokens de saída máxima. O Beam atende 256.000 e 128.000, com uma nota de rodapé sobre o número de contexto alertando que ele pode mudar durante o beta. Para uma revisão de contrato jurídico, uma refatoração de repositório inteiro ou uma tarefa de síntese sobre milhares de páginas, essa diferença não é um delta de desempenho — é a diferença entre uma única chamada e um pipeline de chunking que você precisa escrever e validar. O estágio de midtraining do Beam, segundo relatos, estende seu contexto efetivo para 1 milhão de tokens, o que é uma capacidade do lado do treinamento, enquanto o limite de serviço permanece em 256.000; os dois números são frequentemente confundidos e não são a mesma coisa.

O teto de saída agrava isso. Uma saída máxima de 384.000 tokens permite que uma única chamada produza um grande artefato estruturado; 128.000 não, e nenhum dos modelos oferece um endpoint de lote ou uma rota de embeddings por meio das superfícies descritas no lançamento.

Escolha, e onde o roteamento se encaixa

Para as cargas de trabalho específicas em que um milhão de tokens de contexto e uma saída de 384.000 tokens fazem diferença, o DeepSeek V4 Pro não está competindo com o Beam — não está competindo com mais nada nesta página, e o Beam não pode entrar na comparação a preço algum até que sua janela mude.

Para trabalho de alto volume que cabe dentro de 256.000 tokens, a decisão se reduz a uma aposta sobre se a eficiência alegada do Beam sobrevive a um harness de terceiros, precificada em relação a uma tarifa do V4 Pro que já está uma ordem de magnitude abaixo da fronteira e ainda mais descontada por leituras de cache a $0,022. Em contrapartida, o irmão mais barato da própria DeepSeek está no mesmo catálogo a $0,15 e $0,60 — e é o modelo em relação ao qual as próprias tabelas de lançamento do Beam colocam o Beam atrás no DeepSWE e no Terminal-Bench. O piso para um novo entrante aqui é mais baixo do que parece.

É aqui que uma camada de roteamento justifica o seu lugar, em vez de ser apenas um slogan. O DeepSeek V4 Pro está no nosso catálogo, com a tarifa de tabela do fornecedor repassada tal como está e sem qualquer acréscimo, por trás de uma única chave compatível com a OpenAI em api.orcarouter.ai/v1, ao lado de mais de 200 outros modelos. A DSL de roteamento permite-lhe expressar a decisão em vez de a codificar de forma rígida: fixe pedidos de contexto longo no modelo com a janela de um milhão de tokens, fixe pedidos curtos de elevado volume no modelo barato que estiver a passar na sua avaliação, e combine os dois num único pedido quando a tarefa precisar de ambos. Como o roteamento trata do failover entre fornecedores, é seguro colocar o nível barato numa parte do tráfego em vez de em todo ele — que é exatamente a postura que se quer em relação a um modelo como o Beam, cujos benchmarks ninguém fora da Reflection reproduziu.

O veredito, e as duas datas que o alterariam

O Reflection Beam está perdendo esta comparação em tudo o que é conhecível hoje. Ele é menor, menos esparso, tem um quarto do contexto, não tem pontuação independente e — decisivamente para um modelo vendido com base no custo — não tem preço. O DeepSeek V4 Pro apresenta um índice Artificial Analysis melhor, um HLE melhor, um GPQA Diamond melhor, um SciCode melhor e um número de recall de contexto longo melhor, todos medidos por alguém que não é o seu fornecedor, e tudo isso enquanto ativa o dobro de parâmetros por token a uma taxa publicada abaixo de um dólar.

O que a Beam tem é uma única alegação legível: 23 bilhões de parâmetros ativos é um terço dos do V4 Pro, então uma comparação de computação do lado da geração deveria favorecê-la em cerca de dois para um. Essa alegação é plausível, é o motivo para levar a Beam a sério, e não foi medida por ninguém fora do laboratório que a fez.

Duas datas resolvem a questão. Os pesos, prometidos sob Apache 2.0 ainda este mês, o que permitiria que qualquer pessoa contasse os FLOPs por conta própria. E a linha do Artificial Analysis, que substituiria uma legenda de fornecedor por um número. Até que um deles se concretize, o modelo que você pode precificar, colocar em cache e chamar com um milhão de tokens de contexto é aquele sobre o qual vale a pena construir.