Beam 1.0 vs Gemma 4 12B: 501 miljarder parametrar mot 12, och vad klyftan faktiskt ger

En av dessa modeller får plats på en bärbar dator. Den andra behöver ett rack, och gapet mellan dem är en faktor på fyrtio. Reflection Beam 1.0 är en gles mixture-of-experts-modell med 501,3 miljarder parametrar totalt som väcker 23,4 miljarder av dem per token – tillkännagavs av Reflection den 5 oktober 2026 som en förhandsvisning med väntelista, och släpptes faktiskt som nedladdningsbara vikter den 16 oktober 2026 under Apache 2.0 i BF16-, FP8- och NVFP4-byggen, med en liten DFlash2-draftmodell för spekulativ avkodning vid sidan av dem. G​emma 4 12B är G​oogle DeepMinds encoder-fria täta modell med 11,95 miljarder parametrar, släppt den 3 juni 2026, som läser text, bilder, ljud och videobilder, skriver text och kvantiseras ner till något som en 16GB-maskin kan rymma. Båda licenserna är tillåtande, båda utdata är text, och båda finns på Hugging Face just nu. Nästan inget annat hos dem är detsamma, och den användbara frågan är inte vilken som är smartare – det är vilken av de två som löser ditt problem utan en inköpsorder.

Detta spelar större roll än det vanligtvis skulle, eftersom Beam 1.0 i elva dagar var en modell som man kunde läsa om men inte få. Reflections tillkännagivande den 5 oktober lovade Apache 2.0-vikter "senare i månaden", och repositoriet stod tomt. Sedan den 16 oktober 2026 är samlingen live med fyra repositorier och modellkortet innehåller en fullständig utvärderingstabell. Den lanseringen är anledningen till att den här jämförelsen alls kan skrivas som en jämförelse, i stället för som en notis om en rubrik.

Där de två står, i ett svep

Allt nedan är antingen leverantörens egen dokumentation eller Artificial Analysis. Där en siffra är leverantörens och ingen har reproducerat den, säger den här sidan det där den står i stället för i en ansvarsfriskrivning längst ned.

• Totalt antal parametrar — Beam 1.0 501,3B jämfört med G​emma 4 12B 11,95B. Förhållandet är ungefär 42 till 1.

• Aktiva parametrar per token — 23,4B mot 11,95B. Förhållandet kollapsar till ungefär 2 mot 1, vilket är hela tricket: en gles modell betalar bara för den del av sig själv som den använder.

• Arkitektur — Beam 1.0 är en 52-lagers MoE med 256 experter, tre täta lager och 49 expertlager, omväxlande lokal och global attention samt gated grouped-query-attention med sliding-window-attention; Gemma 4 12B är tät, med 48 lager, helt utan multimodala kodare — hanteringen av bild och ljud är intränad i modellen i stället för påmonterad.

• Kontextfönster — Beam 1.0: 1 000 000 token på modellkortet; Gemma 4 12B: 262 144 token. Båda är den största siffran som deras respektive familjer erbjuder.

• Modalitet — Beam 1.0 är text in, text ut, och dess kort säger det tydligt; Gemma 4 12B tar emot text, bild, ljud och videobildrutor och returnerar text.

• Licens — Apache 2.0 på båda, kommersiellt användbara, inga användartak. Det här är så nära de två modellerna kommer till att vara samma sak.

• Publicerad utvärdering – Beam 1.0 levererar en utvärderingstabell för BF16-, FP8- och NVFP4-checkpoints; Gemma 4 12B:s modellkort innehåller Googles egna siffror och har oberoende betygsatts sedan juni.

• Oberoende poäng — Artificial Analysis Intelligence Index v4.3.2 placerar Beam 1.0 på 30, rankad 19:e av 120 modeller i sin jämförelseklass, och Gemma 4 12B på 14, rankad 20:e av 141 — en skillnad på 16 poäng till den större modellens fördel, där Gemmas siffra har en fotnot om "uppskattad" eftersom oberoende utvärdering av 12B fortfarande återstod.

Vad Beam 1.0 egentligen är, nu när vikterna finns

Modellkortet anger: 501,3 miljarder parametrar totalt, 23,4 miljarder aktiva, 52 lager varav tre är täta och 49 är MoE, 256 experter, ett ordförråd på 152 000 token, en kunskapsgräns den 30 juni 2026 och endast textmodalitet. Chatmallen är ett modifierat Harmony-format med två kanaler – analysis och final – och en reasoning_effort-inställning som accepterar antingen ett heltal eller något av minimal, low, medium, high, xhigh och max, vilka mappas till 8, 32, 64, 128, 256 och 512. Standardvärdet som används när parametern inte är satt är 512. Mallens egen dokumentation noterar att minimal, vid 8, är den minsta ansträngningsnivå som träningsdatan någonsin har samplat, så en mindre budget respekteras inte.

Tre saker med den specifikationen är värda att lyfta fram, eftersom de är de delar som avgör om du kan använda den.

Det första är att effort-inställningen inte har någon avstängningsknapp. Beam resonerar alltid; du väljer hur mycket. För en agentloop innebär det att varje tur bär med sig ett överläggningsprefix som faktureras och, om du spelar upp historiken igen, faktureras igen. Mallen ger till och med ett fel när allow_missing_thinking är satt till false och en tidigare assistenttur har tappat sitt resonemang, just för att om man tar bort det försämras utdata. Det är en dokumenterad kostnad, inte en bugg.

Den andra är de kvantiserade byggena. Reflection publicerade FP8- och NVFP4-checkpoints samma dag som BF16-modellen, tillsammans med DFlash2-draftern. NVFP4-repot listas på 255B mot BF16:s 501B, och modellkortet tillskriver kvantiseringen llm-compressor med tack till NVIDIA-personal för vägledning. Att ha ett fyrbitarsbygge från dag noll förändrar vilka som över huvud taget kan köra detta — 501B i bfloat16 är ungefär en terabyte vikter, vilket är en annan inköpsdiskussion än 255B i fyra bitar.

Det tredje är vad som saknas. Det finns ingen rekommendation för servering på kortet, ingen publicerad lägsta hårdvarunivå och inget publicerat API-pris någonstans på Reflections egna webbplatser. Sidan för modellen på Artificial Analysis registrerar prisfälten som otillgängliga och noterar ”Inget offentligt tillgängligt API” — vilket, för en modell vars hela säljargument är att den är billig att köra, är raden man skulle vilja se ifylld.

Vad Gemma 4 12B är, och varför storleken är argumentet

Googles kort ger Gemma 4 12B 11,95 miljarder parametrar över 48 lager, en kontext på 262 144 token, ett delat ordförråd på 262 000 token över hela familjen och ett glidande fönster på 1 024 token – dubbelt så mycket som de mindre storlekarna E2B och E4B använder. Attention varvar lokal glidande fönster-attention med full global attention, och det sista lagret är alltid globalt. Den är förtränad på fler än 140 språk, med stöd direkt ur lådan som uppges finnas för 35 eller fler.

Det intressanta ingenjörsbeslutet är arkitektoniskt: modellen har inga separata kodare. Googles inramning är att multimodal hantering tränades in snarare än lades till ovanpå, vilket är varför samma checkpoint hanterar både bild och ljud utan en andra uppsättning vikter att läsa in. På en enhet är det skillnaden mellan en driftsättningsbar modell och en pipeline.

Google levererade också kvantiseringsmedveten träning i stället för att förlita sig på en post-hoc-kvantiserare, och publicerar en QAT-GGUF på ungefär 6,98 GB för vikterna plus en liten multimodal projektor. Kvantiseringar från communityt går ännu längre ned: det brett speglade Unsloth-bygget sträcker sig från omkring 4,2 GB vid den mest aggressiva 2-bitarsnivån till 7,12 GB vid Q4_K_M och 12,67 GB vid Q8_0. MLX-byggen för Apple-silicon landar nära 12,7 GB vid 8-bitars. Den instruktionstränade checkpointen med full precision är däremot en enda safetensors-fil på 23,92 GB — det råa bfloat16-avtrycket före någon KV-cache, vilket är siffran som talar om att en 16 GB-maskin inte kan hålla den okvantiserad och ett 24 GB-kort kan.

Oberoende poängsättning har varit tillgänglig sedan kort efter lanseringen, vilket är den asymmetri som löper genom hela den här sidan. Artificial Analysis mäter 12B till 14 på Intelligence Index v4.3.2, 117,6 utdatatoken per sekund, 2,43 sekunder till första token och 0,10 USD per miljon indatatoken mot 0,30 USD per miljon utdatatoken. Googles eget modellkort rapporterar 78,2 på MMLU Pro, 77,8 på GPQA Diamond, 77,5 på AIME 2026 utan verktyg, 72,0 på LiveCodeBench v6 med ett Codeforces-ELO på 1659, 69,1 på MMMU Pro och 43,4 på MRCR v2 vid 128K med åtta nålar.

Jämförelsen som inte existerar

Beam 1.0:s modellkort rapporterar SWE-bench Verified till 81,6 % på BF16-checkpointen, 80,2 % på FP8 och 80,7 % på NVFP4; Terminal Bench v2.1 till 80,1, 78,9 och 78,4; SWE Bench Pro v1 till 66,1, 65,9 och 65,6; DeepSWE v1.1 till 43,3, 43,0 och 42,7; GPQA Diamond till 90,6, 90,3 och 89,3; AIME 2026 till 97,7, 98,0 och 97,5; LiveCodeBench till 88,3, 88,1 och 87,4; MCP Atlas till 80,8, 81,5 och 80,5 och IFBench till 79,6, 80,7 och 79,2. Utvärderingarna använde temperatur 0,7 och top-p 0,99. Allt detta är Reflections egen rapportering och inget av det har reproducerats av en tredje part.

G​emma 4 12B:s modellkort redovisar sina egna siffror, också de utan reproducerbarhet på enskild benchmark-nivå, och Artificial Analysis har poängsatt modellen oberoende. Ställ nu de två sida vid sida och försök subtrahera. Det går inte. Beams tabell är en frontiermodellstabell över benchmarks för agentisk kodning och verktygsanvändning. G​emmas är en tabell över benchmarks för multimodal förståelse och resonemang. Där de två överlappar – i praktiken GPQA Diamond och AIME – är testramverken, inställningarna för resonemangsansträngning och samplingsparametrarna odokumenterade på ena sidan och okända på den andra. 90,6 mot 77,8 på GPQA framstår som en 13-poängsskillnad, och det är en jämförelse av ett labbs upplägg mot ett annat labbs.

Det enda talet på den här sidan där en enda organisation mätte båda modellerna är Intelligence Index, och där är gapet 30 mot 14. Det är en verklig mätning av en tredje part enligt ett dokumenterat sammanvägt mått. Det är också ett gap på 16 punkter för en modell med 42 gånger så många parametrar och, enligt tillgängliga belägg, en helt annan driftsättningsklass. Ingen borde förvånas över det.

Vad var och en faktiskt kostar att driva

Varken Beam 1.0 eller G​emma 4 12B finns i vår katalog. Det som OrcaRouter dirigerar från G​emma 4-familjen är de två storlekarna vi erbjuder: Gemma 4 26B A4B för $0.06 per miljon indatatoken och $0.33 per miljon utdatatoken med en kontext på 262 144 token, och G​emma 4 31B för $0.13 och $0.38 — leverantörens listpris vidarebefordrat utan påslag, avläst från vår egen modellista den 16 oktober 2026. Beam 1.0 är inte något vi tillhandahåller, och den här sidan låtsas inte om något annat; sättet att använda det i dag är att ladda ner det från Reflections Hugging Face-samling eller anropa Reflections eget API.

Det gör att den ärliga kostnadsjämförelsen blir en hårdvarujämförelse, vilket är den version av den som faktiskt spelar roll här. Om du redan äger maskinen är Gemma 4 12B i fyra bitar en nedladdning och en eftermiddag. Om du inte gör det är den avgiftsbaserade motsvarigheten till 12B ungefär det billigaste på vår lista – trettio cent per miljon utdatatoken – medan en 501B-modell med 23B aktiva är en GPU-hyrning som inte har prissatts för dig någonstans, eftersom Reflection inte har publicerat någon taxa.

Vilken av de två är din modell?

Välj G​emma 4 12Bom arbetet är multimodalt, om det måste köras på hårdvara du redan äger eller på en enhet du levererar till, om latens i det lägre hundratalet millisekunder till första token är acceptabel, och om ett 256K-kontextfönster täcker dina dokument. Den encoder-fria designen och den kvantiseringsmedvetna träningen riktar sig båda direkt till den läsaren, och Apache 2.0-licensen innebär att du kan leverera en derivata utan en konversation med G​oogle. Kostnaden för valet är kapacitet: 14 på det oberoende indexet ligger långt under frontlinjen, och den benchmark-uppsättning som betyder mest för dig — agentisk kodning, resonemang i repositoriskala — är inte den uppsättning som G​oogle publicerade.

Välj Beam 1.0 om arbetet är kodning, verktygsanvändning och långsiktig agentisk exekvering, om du har klusteråtkomst eller en serving-partner, och om du kan absorbera ett oprissatt API och en ständigt påslagen resonemangsbudget. De publicerade benchmarkarna är inriktade på exakt den arbetsbelastningen, fyrbitarsbygget gör hårdvarudiskussionen väsentligt enklare än parametrantalet antyder, och licensen har inga restriktioner som skulle hindra en kommersiell finjustering.

Välj ingen av dem om det du faktiskt behöver är ett svar den här veckan. Båda dessa är modeller som du måste köra själv. Jämförelserna som spelar roll för det beslutet – en modell som tillhandahålls som tjänst till ett publicerat pris, med en nyckel du redan har – finns på en annan sida, och den här handlar om de två ändarna av spektrumet för öppna vikter snarare än mitten där merparten av produktionstrafiken finns.

Vad skulle ändra den här sidan

Två saker. En oberoende benchmark som sätter Beam 1.0 och Gemma 4 12B i samma testbänk med samma insats skulle ersätta den enbart Index-baserade jämförelsen ovan med något subtraherbart, och att Beams vikter nu är offentliga innebär att vem som helst kan köra den. Ett publicerat pris för Beams API – eller för en hostad FP8- eller NVFP4-driftsättning – skulle förvandla kostnadsavsnittet från ett hårdvaruargument till en prislista. Tills något av detta är på plats är den korrekta sammanfattningen denna: parameterklyftan på 40 mot 1 köper ungefär 16 poäng oberoende uppmätt intelligens och en annan uppsättning benchmarks, och det kostar dig en plats att placera den på.

Ett resultat som detta är också en påminnelse om att modellmisstag redan är dokumenterade: AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistat.