Beam 1.0 против Gemma 4 12B: 501 миллиард параметров против 12, и что на самом деле даёт этот разрыв

Одна из этих моделей помещается на ноутбук. Для другой нужна стойка, и разрыв между ними — в сорок раз. Reflection Beam 1.0 — это разреженная смесь экспертов с 501,3 млрд общих параметров, из которых на каждый токен активируются 23,4 млрд; анонсирована Reflection 5 октября 2026 года как предварительный просмотр с листом ожидания, а фактически выпущена в виде скачиваемых весов 16 октября 2026 года под Apache 2.0 в сборках BF16, FP8 и NVFP4, вместе с небольшим драфтером спекулятивного декодирования DFlash2. G​emma 4 12B — это плотная модель G​oogle DeepMind без энкодера на 11,95 млрд параметров, выпущенная 3 июня 2026 года, которая читает текст, изображения, аудио и видеокадры, пишет текст и квантуется до состояния, помещающегося на машине с 16 ГБ. Обе лицензии разрешительные, на выходе у обеих текст, и обе прямо сейчас доступны на Hugging Face. Почти всё остальное у них различается, и полезный вопрос не в том, какая из них умнее, — а в том, какая из двух решит вашу задачу без закупочного заказа.

Это важнее, чем обычно, потому что одиннадцать дней Beam 1.0 был моделью, о которой можно было читать, но которой нельзя было воспользоваться. Анонс Reflection от 5 октября обещал веса Apache 2.0 «позже в этом месяце», а репозиторий оставался пустым. По состоянию на 16 октября 2026 года коллекция опубликована: в ней четыре репозитория, а карточка модели содержит полную таблицу оценки. Именно этот релиз — причина, по которой данное сравнение вообще можно написать как сравнение, а не как заметку о заголовке.

Где стоят эти двое, за один проход

Всё ниже — это либо собственная документация вендора, либо Artificial Analysis. Там, где цифра принадлежит вендору и никто её не воспроизвёл, эта страница сообщает об этом там, где эта цифра стоит, а не в дисклеймере внизу.

• Всего параметров — Beam 1.0 501.3B против G​emma 4 12B 11.95B. Соотношение примерно 42 к 1.

• Активных параметров на токен — 23,4 млрд против 11,95 млрд. Соотношение сокращается примерно до 2 к 1, и в этом весь трюк: разреженная модель платит только за ту часть себя, которую использует.

• Архитектура — Beam 1.0 — это 52-слойная MoE с 256 экспертами, тремя плотными слоями и 49 экспертными слоями, чередующимся локальным и глобальным вниманием, а также стробированным групповым запросным вниманием со скользящим окном; G​emma 4 12B — плотная, 48 слоёв, вообще без мультимодальных энкодеров — обработка зрения и звука обучена в самой модели, а не прикручена сверху.

• Контекстное окно — Beam 1.0: 1 000 000 токенов в карточке модели; Gemma 4 12B: 262 144 токена. Оба показателя — самые крупные в своих семействах.

• Модальность — Beam 1.0 работает по принципу «текст на входе — текст на выходе», и в его карточке это прямо указано; Gemma 4 12B принимает текст, изображения, аудио и видеокадры, а возвращает текст.

• Лицензия — Apache 2.0 у обеих, коммерческое использование разрешено, без ограничений на количество пользователей. Это то, в чём эти две модели ближе всего к тому, чтобы быть одинаковыми.

• Опубликованная оценка — Beam 1.0 включает таблицу оценок по чекпоинтам BF16, FP8 и NVFP4; карточка G​emma 4 12B содержит собственные показатели G​oogle и с июня проходит независимую оценку.

• Независимая оценка — Artificial Analysis Intelligence Index v4.3.2 присваивает Beam 1.0 30 баллов, что соответствует 19-му месту из 120 моделей в своей сравнительной категории, а Gemma 4 12B — 14 баллов, что соответствует 20-му месту из 141 — разрыв в 16 пунктов в пользу более крупной модели, при этом показатель Gemma сопровождается сноской «оценочно», поскольку независимая оценка 12B ещё не была завершена.

Что на самом деле представляет собой Beam 1.0 теперь, когда веса существуют

В карточке модели указано: 501,3 млрд параметров всего, 23,4 млрд активных, 52 слоя, из которых три — плотные, а 49 — MoE, 256 экспертов, словарь на 152 000 токенов, дата отсечки знаний — 30 июня 2026 года, и модальность — только текст. Шаблон чата — это модифицированный формат Harmony с двумя каналами — analysis и final — и настройкой reasoning_effort, которая принимает либо целое число, либо одно из значений minimal, low, medium, high, xhigh и max, сопоставляемых с 8, 32, 64, 128, 256 и 512. Значение по умолчанию при обслуживании, если параметр не задан, — 512. В документации самого шаблона отмечается, что minimal, равное 8, — это наименьший уровень усилий, который когда-либо встречался в обучающих данных, поэтому меньший бюджет не соблюдается.

В этой спецификации стоит выделить три момента, потому что именно от них зависит, сможете ли вы ею воспользоваться.

Первое: у настройки усилия нет выключателя. Beam всегда рассуждает; вы выбираете лишь то, насколько сильно. Для агентного цикла это означает, что каждый ход несёт префикс рассуждений, который тарифицируется и, если вы воспроизводите историю, тарифицируется повторно. Шаблон даже вызывает ошибку, когда для allow_missing_thinking установлено значение false, а предыдущий ход ассистента лишился своих рассуждений, — именно потому, что их удаление ухудшает вывод. Это документированная издержка, а не баг.

Второй момент — это квантованные сборки. Reflection опубликовала контрольные точки FP8 и NVFP4 в тот же день, что и модель BF16, вместе с драфтером DFlash2. Репозиторий NVFP4 указан как 255B против 501B у BF16, и карточка приписывает квантование llm-compressor с благодарностью сотрудникам NVIDIA за консультации. Наличие четырёхбитной сборки с первого дня меняет то, кто вообще может это запустить, — 501B в bfloat16 — это примерно терабайт весов, что совсем другой разговор о закупках, чем 255B в четырёх битах.

Третье — это то, чего не хватает. На карточке нет рекомендаций по обслуживанию, не опубликованы минимальные требования к оборудованию, и нигде на собственных ресурсах Reflection не указана цена API. На странице Artificial Analysis, посвящённой этой модели, поля с ценой отмечены как недоступные и указано «Публично доступного API нет» — а ведь для модели, вся фишка которой в том, что её дёшево запускать, именно эту строку хотелось бы видеть заполненной.

Что такое G​emma 4 12B и почему размер — это аргумент

Согласно карточке Google, Gemma 4 12B имеет 11,95 млрд параметров, 48 слоёв, контекст на 262 144 токена, общий для всего семейства словарь на 262 000 токенов и скользящее окно на 1 024 токена — вдвое больше, чем у меньших размеров E2B и E4B. Внимание чередует локальное внимание со скользящим окном и полное глобальное внимание, причём последний слой всегда глобальный. Модель предварительно обучена более чем на 140 языках, а заявленная поддержка «из коробки» — для 35 или более.

Интересное инженерное решение — архитектурное: у модели нет отдельных энкодеров. Google формулирует это так: работа с несколькими модальностями была заложена при обучении, а не присоединена снаружи, поэтому один и тот же чекпойнт работает со зрением и аудио без необходимости загружать второй набор весов. На устройстве это разница между моделью, готовой к развёртыванию, и целым конвейером.

Google также выпустила обучение с учётом квантования, а не положилась на постфактумный квантизатор, и публикует QAT GGUF объёмом примерно 6,98 ГБ для весов плюс небольшой мультимодальный проектор. Квантованные варианты от сообщества идут ещё ниже: широко разошедшаяся по зеркалам сборка Unsloth занимает от примерно 4,2 ГБ в самом агрессивном 2-битном режиме до 7,12 ГБ в Q4_K_M и 12,67 ГБ в Q8_0. Сборки MLX для Apple Silicon оказываются в районе 12,7 ГБ при 8 битах. Полноточный чекпойнт, дообученный на инструкциях, напротив, представляет собой один файл safetensors на 23,92 ГБ — исходный объём в bfloat16 без KV-кэша; именно это число показывает, что машина с 16 ГБ не может вместить его без квантования, а карта с 24 ГБ может.

Независимая оценка стала доступна вскоре после выпуска — это та асимметрия, которая проходит через всю эту страницу. Artificial Analysis измеряет 12B на уровне 14 по Intelligence Index v4.3.2, 117,6 выходных токенов в секунду, 2,43 секунды до первого токена и $0,10 за миллион входных токенов против $0,30 за миллион выходных. Собственная карточка Google сообщает 78,2 по MMLU Pro, 77,8 по GPQA Diamond, 77,5 по AIME 2026 без инструментов, 72,0 по LiveCodeBench v6 при ELO Codeforces 1659, 69,1 по MMMU Pro и 43,4 по MRCR v2 при 128K с восемью иглами.

Сравнение, которого не существует

В карточке Beam 1.0 сообщается: SWE-bench Verified — 81,6% на чекпоинте BF16, 80,2% на FP8 и 80,7% на NVFP4; Terminal Bench v2.1 — 80,1, 78,9 и 78,4; SWE Bench Pro v1 — 66,1, 65,9 и 65,6; DeepSWE v1.1 — 43,3, 43,0 и 42,7; GPQA Diamond — 90,6, 90,3 и 89,3; AIME 2026 — 97,7, 98,0 и 97,5; LiveCodeBench — 88,3, 88,1 и 87,4; MCP Atlas — 80,8, 81,5 и 80,5, а IFBench — 79,6, 80,7 и 79,2. В оценках использовались температура 0,7 и top-p 0,99. Всё это — собственная отчётность Reflection, и ничто из этого не было воспроизведено третьей стороной.

В карточке Gemma 4 12B приводятся её собственные цифры, которые также не воспроизводятся на уровне отдельных бенчмарков, а Artificial Analysis оценила модель независимо. Теперь поставьте эти два результата рядом и попробуйте вычесть. У вас не получится. Таблица Beam — это таблица фронтирных моделей по бенчмаркам агентного программирования и использования инструментов. У Gemma — таблица бенчмарков мультимодального понимания и рассуждения. Там, где они пересекаются — по сути, GPQA Diamond и AIME, — харнессы, настройки усилий при рассуждении и параметры сэмплирования не задокументированы с одной стороны и неизвестны с другой. 90,6 против 77,8 на GPQA выглядит как разрыв в 13 пунктов, а на деле это сравнение конфигурации одной лаборатории с конфигурацией другой.

Единственное число на этой странице, где одна организация измерила обе модели, — это Индекс интеллекта, и там разрыв составляет 30 против 14. Это реальное измерение, проведённое третьей стороной по документированному композитному показателю. Это также разрыв в 16 пунктов для модели с в 42 раза большим числом параметров и, судя по имеющимся данным, совершенно иного класса развёртывания. Никого это не должно удивлять.

Сколько на самом деле стоит эксплуатация каждого из них

Ни Beam 1.0, ни Gemma 4 12B нет в нашем каталоге. Из семейства Gemma 4 OrcaRouter маршрутизирует только два размера, которые мы предоставляем: Gemma 4 26B A4B — $0.06 за миллион входных токенов и $0.33 за миллион выходных токенов с контекстом на 262 144 токена, и Gemma 4 31B — $0.13 и $0.38 — цена из прайс-листа провайдера передаётся без наценки, взято из нашего собственного списка моделей на 16 октября 2026 года. Beam 1.0 мы не обслуживаем, и эта страница не утверждает обратного; сегодня его можно использовать, скачав из коллекции Reflection на Hugging Face или обратившись к собственному API Reflection.

Тогда честное сравнение затрат остаётся сравнением аппаратного обеспечения, а это именно тот его вариант, который здесь действительно важен. Если машина у вас уже есть, то Gemma 4 12B в четырёх битах — это скачивание и полдня. Если нет, то тарифицируемый эквивалент 12B — примерно самая дешёвая позиция в нашем списке — тридцать центов за миллион выходных токенов, — тогда как модель 501B с 23B активных параметров — это аренда GPU, цена которой нигде для вас не указана, потому что Reflection не опубликовала тариф.

Которая из двух — ваша модель?

Выбирайте G​emma 4 12B если работа мультимодальная, если её нужно запускать на уже имеющемся у вас оборудовании или на устройстве, которое вы поставляете, если допустима задержка до первого токена порядка первых сотен миллисекунд и если контекста в 256K достаточно для ваших документов. Дизайн без энкодера и обучение с учётом квантования нацелены прямо на такого читателя, а лицензия Apache 2.0 означает, что вы можете поставлять производную работу без переговоров с G​oogle. Цена этого выбора — возможности: 14 в независимом индексе — это далеко не фронтир, а набор бенчмарков, который для вас важнее всего, — агентное программирование, рассуждения в масштабе репозитория, — не тот набор, который опубликовала G​oogle.

Выбирайте Beam 1.0, если работа — это программирование, использование инструментов и долгосрочное агентное выполнение, если у вас есть доступ к кластеру или партнёр по обслуживанию и если вы можете потянуть API без фиксированной цены и постоянный бюджет на рассуждения. Опубликованные бенчмарки нацелены именно на такую нагрузку, четырёхбитная сборка заметно упрощает разговор о железе по сравнению с тем, что предполагает число параметров, а лицензия не содержит ограничений, которые помешали бы коммерческому дообучению.

Не выбирайте ни то, ни другое, если на самом деле вам нужен ответ уже на этой неделе. Обе эти модели вам придётся запускать самостоятельно. Сравнения, которые важны для такого решения, — модель, доступная по опубликованному тарифу, на ключе, который у вас уже есть, — это другая страница, а эта посвящена двум краям спектра открытых весов, а не середине, где обитает большая часть продакшен-трафика.

Что изменило бы эту страницу

Два момента. Независимый бенчмарк, который поставит Beam 1.0 и Gemma 4 12B на один и тот же стенд при одинаковых усилиях, заменил бы приведённое выше сравнение только по индексу на нечто, поддающееся прямому вычитанию, а тот факт, что веса Beam теперь открыты, означает, что запустить его может любой. Опубликованная цена для API Beam — или для хостингового развёртывания на FP8 или NVFP4 — превратила бы раздел о стоимости из аппаратного аргумента в тарифную сетку. Пока не появится что-то из этого, точная формулировка такова: разрыв в параметрах 40 к 1 даёт около 16 пунктов независимо измеренного интеллекта и другой набор бенчмарков, а обходится он вам в место, куда его поставить.

Подобный результат — это также напоминание о том, что ошибки моделей уже задокументированы: инциденты ИИ и сбои агентов, связанные с моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.