Reflection Beam против DeepSeek V4 Pro: втрое меньший размер, вдвое выше коэффициент активации

Заманчиво представить Reflection Beam в сравнении с DeepSeek V4 Pro — это дешёвый новичок против признанного флагмана. Такая подача неверна, и это стоит разъяснить прежде всего, потому что обе модели построены на противоположных прочтениях одной и той же идеи. DeepSeek V4 Pro — это модель смеси экспертов с 1,6 трлн параметров, которая активирует 49 млрд параметров на токен — около 3,1% от самой себя. Reflection Beam, анонсированная 5 октября 2026 года, — это модель смеси экспертов с 501 млрд параметров, которая активирует 23 млрд параметров на токен — около 4,6% от самой себя. Beam в три раза меньше и при этом на токен — *менее* разреженная архитектура. Весь тезис Reflection — эффективность инференса, и модель, с которой её здесь сравнивают, опережает её по метрике разреженности, на которой держится этот тезис.

Это не опровержение. Это вводная, потому что эти две модели находятся в совершенно разных точках по цене и доступности, а честное сравнение — это вопрос о том, какую из них вы действительно можете использовать как основу. DeepSeek V4 Pro представлена в каталоге по цене $0,66 за миллион входных токенов и $1,98 за миллион выходных, с контекстным окном в 1 048 576 токенов и максимальным объёмом вывода в 384 000 токенов. У Beam вообще нет опубликованной цены, доступ к ней можно получить только через лист ожидания, а её веса обещаны позже в этом месяце под лицензией Apache 2.0.

Та же идея, другая пропорция

Разреженность — общая предпосылка. Обе модели держат почти все свои параметры спящими при любом заданном токене и платят лишь за ту малую часть, что работает. Разница в том, насколько далеко каждая лаборатория это продвигает и что это ей даёт.

DeepSeek V4 Pro использует 49 миллиардов активных параметров из примерно 1,6 триллиона общих. Это чрезвычайно агрессивное соотношение, и именно оно позволяет DeepSeek продавать модель флагманского уровня за $0.66 и $1.98 — по цене, немыслимой для плотной модели с такими возможностями. Компромисс в том, что общее число параметров огромно: модель велика для хранения и для обслуживания в принципе, поэтому её хостинг — дело специалистов, а не то, чем большинство команд занимается самостоятельно.

Reflection Beam работает с 23 млрд активных параметров из 501 млрд. Меньше по каждому измерению: треть от общего числа параметров, меньше половины активных и менее агрессивная доля активации. Аргумент Reflection не в том, что Beam — самая разреженная из доступных моделей (он сознательно этого не утверждает), а в том, что 23 млрд активных параметров — это размер, который можно обслуживать на сравнительно небольшом числе GPU, что меняет экономику развёртывания, а не арифметику на токен.

• Общее число параметров — у DeepSeek V4 Pro примерно 1,6 триллиона против 501 миллиарда у Reflection Beam.

• Активных на токен — 49 миллиардов против 23 миллиардов.

• Коэффициент активации — 3,1 % для DeepSeek V4 Pro, около 4,6 % для Reflection Beam. Beam — менее разреженный из двух.

• Модальность ввода — DeepSeek V4 Pro работает только с текстом; Reflection Beam — только с текстом. Ни один из них не принимает изображения, аудио или видео, а это редкий случай, когда две модели этого класса согласны друг с другом.

• Контекст и вывод — 1 048 576 токенов на входе и 384 000 на выходе для DeepSeek V4 Pro, против 256 000 на входе и 128 000 на выходе для Beam, у которого показатель контекста сопровождается сноской о бета-версии.

• Цена — $0,66 и $1,98 за миллион токенов для DeepSeek V4 Pro, при этом чтение из кэша стоит $0,022, тогда как для Beam ничего не опубликовано.

• Доступность — DeepSeek V4 Pro находится в общем доступе с 24 апреля 2026 года; Beam — бета-версия с листом ожидания, анонсированная 5 октября 2026 года, а веса обещаны в этом месяце.

Цена, включая ту часть, о которой никто не упоминает

$0.66 и $1.98 для DeepSeek V4 Pro — это прейскурантная цена провайдера, переданная в нашем каталоге без каких-либо наценок. Однако есть нюанс, который стоит учесть при планировании бюджета, и его легко упустить: в тарифной сетке есть два временных окна — с 01:00 до 04:00 UTC и с 06:00 до 10:00 UTC, — в течение которых цена умножается на два: $1.32 на входе и $3.96 на выходе. Оба окна попадают в рабочий день европейских и азиатских команд, поэтому пайплайн, работающий по европейскому времени, будет проводить часть дня по двойному тарифу без каких-либо сбоев.

Чтения из кэша по цене $0,022 за миллион токенов — это другая половина картины, и притом бо́льшая. Это тридцатикратная скидка к ставке за ввод, а для нагрузок с длинными документами и длинными диалогами, для которых создан DeepSeek V4 Pro — 1 048 576 токенов контекста, 384 000 токенов вывода, — фактическая стоимость сессии, которая повторно читает стабильный префикс, намного ниже заявленной цифры. Любое сравнение, в котором объём умножается на $0,66 без моделирования повторного использования кэша, сильно завысит стоимость эксплуатации этой модели.

У Beam нет ничего подобного. Ни ставки из прайс-листа, ни уровня кэширования, ни временного окна, ни публично заявленного обязательства о том, будет ли он вообще продаваться за токен. Это сравнение не $0.66 с чем-то более дешёвым; это модель с ценой против модели без цены, и пока Reflection не опубликует прайс-лист, точку безубыточности рассчитать невозможно.

Бенчмарки: две модели ещё ни разу не запускались в очном сравнении.

Это тот момент, когда важна внимательность, потому что здесь есть очевидная ловушка, и о ней стоит сказать прямо.

В таблицах запуска Reflection модель Beam сравнивается с Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max и DeepSeek V4.1 Flash — с родственной моделью, а не с V4 Pro. Значит, модель DeepSeek, которая фигурирует в собственных таблицах Beam, — это другая: дешёвый, быстрый представитель семейства, по цене $0,15 и $0,60, который в таблице поставщика показывает 90,6 по Terminal-Bench v2.1 против 80,1 у Beam и 74,2 по DeepSWE v1.1 против 44,4 у Beam. Читать показатель V4 Pro из столбца V4.1 Flash — это самая вероятная ошибка, которую допустит любой, кто пишет это сравнение.

То, что всё же существует для V4 Pro — данные от Artificial Analysis через наш каталог — снова получено на разных харнессах, поэтому это ориентировочные, а не контролируемые показатели.

• tau-squared Bench — DeepSeek V4 Pro показывает 96,2 против заявленного поставщиком значения 78,7 для Beam на MCP Atlas и 38,0 на tau3 banking. Это разные оценки в одном и том же семействе измерений агентного использования инструментов, и эти два набора не являются взаимозаменяемыми.

• Artificial Analysis Intelligence Index — DeepSeek V4 Pro находится на 36,0, занимает 41-е место из 147 в своём прогоне; у Beam вообще нет строки в этом индексе, при этом страницы модели возвращают 404, и по состоянию на сегодняшнее утро в данных таблицы лидеров нет записи Beam.

• GPQA Diamond — DeepSeek V4 Pro с 92,8 балла по данным Artificial Analysis против 90,5, заявленных производителем Beam.

• Humanity's Last Exam — DeepSeek V4 Pro с 41,0 по данным Artificial Analysis против 36,2, заявленных производителем Beam, причём последний результат явно без инструментов.

• SciCode — DeepSeek V4 Pro с 51.0 по данным Artificial Analysis против 49.7, заявленных производителем Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro с 78,7 по данным Artificial Analysis против 80,1, заявленных производителем Beam. Единственная строка в этом списке, где Beam впереди, и разрыв составляет менее двух пунктов.

• Воспроизведение длинного контекста — DeepSeek V4 Pro набирает 80,3 по данным Artificial Analysis против заявленных производителем 79,3 у Beam в AA-LCR.

Закономерность устойчива, и она должна быть неудобной для позиционирования Beam. В каждой строке, где у обеих моделей есть показатель, DeepSeek V4 Pro впереди — кроме Terminal-Bench v2.1, где она отстаёт менее чем на два пункта; и при этом все цифры DeepSeek взяты из стороннего тестового стенда, а все цифры Beam — собственные данные вендора. Модель, уже находящаяся в общем доступе, с опубликованной ценой менее доллара за вход, не выглядит очевидно проигрывающей невыпущенной модели на общих для них бенчмарках.

Какое отношение заявление Beam об эффективности имеет ко всему этому?

Настоящее утверждение Reflection — не утверждение о бенчмарке, и повторение таблиц так, будто это так, упускает суть. Утверждение состоит в том, что Beam показывает сопоставимые с GLM 5.2 результаты в продвинутом рассуждении, используя при этом в 3–4 раза меньше вычислительных ресурсов на инференс, причём разрыв увеличивается против моделей с 2 трлн параметров, таких как Qwen 3.8-Max. Подкрепляющий график оценивает сгенерированные FLOPs как удвоенное число активных параметров, умноженное на среднее число сгенерированных токенов за попытку, по DeepSWE, HLE и Terminal-Bench 2.1, и его собственная подпись признаёт, что предзаполнение промпта, зависящее от контекста внимание и накладные расходы обслуживания исключены.

Если сопоставить это с показателями V4 Pro, спор становится интереснее, чем предполагают основные таблицы. V4 Pro активирует 49 миллиардов параметров на токен против 23 у Beam — примерно вдвое больше, — поэтому согласно формуле, которую использует Reflection, Beam должен опережать примерно в два раза по вычислительным затратам на генерацию в расчёте на токен ещё до любого различия в количестве токенов. Это реальное и явное преимущество, и именно оно есть у Beam.

Против этого: коэффициент активации V4 Pro более агрессивен, его контекст в четыре раза больше, а максимальный объём вывода в три раза больше, а значит, сессия V4 Pro, решающая задачу за меньшее число более длинных ходов, в итоге может обойтись дешевле в общей сложности даже при более высокой оценке за токен. FLOPs на токен — это не FLOPs на задачу, а график построен на токен.

Независимого измерения пока не существует. Единственное официально зафиксированное заявление третьей стороны — Artificial Analysis, которая 5 октября сообщила, что Reflection предоставила ей доступ и что она проводит бенчмаркинг Beam, при этом ранние показатели позволяют предположить, что Beam станет одной из самых токен-эффективных открытых моделей, которые она видела для своего уровня интеллекта. Ни одной цифры вслед за этим не появилось.

Где контекст V4 Pro действительно имеет значение

В этом противостоянии есть одно измерение, где разрыв достаточно велик, чтобы быть решающим, а не постепенным, и это не бенчмарк.

DeepSeek V4 Pro поддерживает контекст объёмом 1 048 576 токенов и максимальный вывод объёмом 384 000 токенов. Beam поддерживает 256 000 и 128 000 соответственно, со сноской к значению контекста, предупреждающей, что оно может измениться во время бета-тестирования. Для проверки юридического договора, рефакторинга всего репозитория или задачи синтеза по тысячам страниц эта разница — не дельта производительности, а разница между одним вызовом и конвейером чанкинга, который вам придётся написать и проверить. Сообщается, что этап midtraining у Beam расширяет его эффективный контекст до 1 миллиона токенов — это возможность на стороне обучения, тогда как лимит обслуживания остаётся на уровне 256 000; эти два показателя часто путают, и они не одно и то же.

Потолок вывода усугубляет ситуацию. Максимальный объём вывода в 384 000 токенов позволяет одному вызову создать крупный структурированный артефакт; 128 000 — нет, и ни одна из моделей не предлагает пакетную конечную точку или маршрут эмбеддингов через интерфейсы, описанные при запуске.

Выбор, и где вписывается маршрутизация

Для конкретных рабочих нагрузок, где важны миллион токенов контекста и вывод в 384 000 токенов, DeepSeek V4 Pro конкурирует не с Beam — он не конкурирует ни с чем другим на этой странице, и Beam не может войти в сравнение ни за какую цену, пока его окно не изменится.

Для работы с большими объёмами, укладывающейся в 256 000 токенов, решение сводится к ставке на то, выдержит ли заявленная эффективность Beam проверку на стороннем тестовом стенде, при цене по тарифу V4 Pro, который уже на порядок ниже фронтира и дополнительно снижен за счёт чтения из кэша по $0,022. В противовес этому более дешёвый собрат самой DeepSeek находится в том же каталоге по $0,15 и $0,60 — и именно этой модели Beam проигрывает по DeepSWE и Terminal-Bench согласно собственным таблицам запуска Beam. Нижняя планка для нового игрока здесь ниже, чем кажется.

Именно здесь слой маршрутизации заслуживает своё место, а не остаётся лозунгом. DeepSeek V4 Pro есть в нашем каталоге, при этом тариф из списка провайдера передаётся как есть, без наценки, за одним ключом, совместимым с OpenAI, по адресу api.orcarouter.ai/v1 вместе с более чем 200 другими моделями. DSL маршрутизации позволяет выразить решение, а не жёстко зашивать его: привязывать запросы с длинным контекстом к модели с окном в миллион токенов, привязывать массовые короткие запросы к любой дешёвой модели, проходящей вашу оценку, и объединять эти два случая в один вызов, когда задача требует и того и другого. Поскольку маршрутизация обеспечивает отказоустойчивое переключение между провайдерами, дешёвый уровень безопасно направлять на долю трафика, а не на весь трафик, — и это именно та позиция, которую стоит занимать по отношению к такой модели, как Beam, чьи бенчмарки никто за пределами Reflection не воспроизвёл.

Вердикт и две даты, которые могли бы его изменить

Reflection Beam проигрывает это сравнение по всему, что можно узнать на сегодняшний день. Она меньше, менее разрежена, имеет четверть контекста, не имеет независимой оценки и — что является решающим для модели, продаваемой за счёт стоимости — не имеет цены. DeepSeek V4 Pro демонстрирует лучший индекс Artificial Analysis, лучший HLE, лучший GPQA Diamond, лучший SciCode и лучший показатель запоминания длинного контекста, причём все они измерены кем-то, кроме его производителя, и всё это при активации вдвое большего числа параметров на токен по опубликованной ставке менее доллара.

У Beam есть одно внятное утверждение: 23 миллиарда активных параметров — это треть от V4 Pro, поэтому сравнение вычислительных затрат на стороне генерации должно давать ему преимущество примерно два к одному. Это утверждение правдоподобно, именно оно — причина относиться к Beam серьёзно, и его не измерял никто за пределами лаборатории, которая его выдвинула.

Две даты всё решают. Веса, обещанные под Apache 2.0 в конце этого месяца, — они позволили бы любому посчитать FLOPs самостоятельно. И строка Artificial Analysis, которая заменила бы подпись вендора числом. Пока не появится что-то одно из этого, модель, которую можно оценить по цене, закешировать и вызвать с миллионом токенов контекста, — это то, на чём стоит строить.