
Qwen4-Max vs Reflection Beam: เอาต์พุต $1.20 เทียบกับ $4.50 และน้ำหนักที่เป็นตัวตัดสิน
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 219 tok/s
Reflection Beam 1.0 จะสร้างโทเค็นเอาต์พุตหนึ่งล้านโทเค็นในราคา $1.20 บน API ของตัวเอง Qwen4-Max คิด $4.50 สำหรับหนึ่งล้านโทเค็นเดียวกันในสิงคโปร์, $4.24 ในแฟรงก์เฟิร์ต, เวอร์จิเนีย, โตเกียว, ฮ่องกง และปักกิ่ง นั่นคือช่องว่าง 3.75 เท่าที่ได้เปรียบโมเดลแบบเปิดน้ำหนัก และเป็นตัวเลขประเภทที่ทำให้การเปรียบเทียบส่วนใหญ่จบลงก่อนจะเริ่มเสียอีก แต่มันไม่ทำให้การเปรียบเทียบนี้จบลง เพราะสองโมเดลนี้ไม่ใช่ผลิตภัณฑ์ประเภทเดียวกัน: Reflection Beam 1.0 เป็นโมเดล sparse mixture-of-experts จำนวน 501 พันล้านพารามิเตอร์ พร้อมน้ำหนักภายใต้ Apache 2.0 ที่คุณดาวน์โหลดและรันบน GPU สี่ตัวได้ ส่วน Qwen4-Max เป็นเรือธงแบบปิดของ Alibaba ที่เปิดให้ใช้งานทั่วไปพร้อมตารางราคาที่เผยแพร่เมื่อวันที่ 16 พฤศจิกายน 2026 และไม่เผยแพร่น้ำหนักเลยแม้แต่น้อย ตัวหนึ่งคือโมเดลที่คุณเป็นเจ้าของได้ อีกตัวคือโมเดลที่คุณเช่าใช้ได้ ในราคาที่ซื้อหน้าต่างบริบทที่ใหญ่กว่ามาก อินพุตวิดีโอแบบเนทีฟ และผู้จำหน่ายที่มีสัญญาการสนับสนุน
ยังมีประเด็นเรื่องการวัดผลด้วย และมันเสียเปรียบรุ่นที่ถูกกว่าอย่างหนัก Beam 1.0 ได้คะแนน 17.7 บน Artificial Analysis Intelligence Index ฉบับปัจจุบัน ขณะที่ Qwen4-Max ไม่มีคะแนนเลย ดังนั้นกรอบที่ซื่อตรงจึงไม่ใช่ "โมเดลเปิดราคาถูกกับโมเดลปิดราคาแพง" — แต่เป็น "โมเดลที่ถูกวัดแล้วซึ่งราคาถูกและไม่ได้แข็งแกร่งมากนัก เทียบกับโมเดลที่ยังไม่ถูกวัดซึ่งราคาแพงและอ้างสรรพคุณไว้มากมาย"

จริง ๆ แล้ว Beam 1.0 คืออะไร
Reflection ห้องปฏิบัติการในนิวยอร์กซึ่งก่อตั้งในปี 2024 โดยอดีตนักวิจัยสองคนจาก Google DeepMind ประกาศเปิดตัว Beam เมื่อวันที่ 5 ตุลาคม 2026 และปล่อยน้ำหนักโมเดลในวันที่ 16 ตุลาคม โมเดลนี้คือ Beam 1.0-501B-A23B: มีพารามิเตอร์ทั้งหมด 501.3 พันล้านตัว เปิดใช้งาน 23 พันล้านตัวต่อโทเค็น อัตราการเปิดใช้งานประมาณ 4.6% Reflection ระบุว่าไม่จำกัดการกลั่นโมเดล การปรับละเอียด การควอนไทซ์ หรือการรวมโมเดล
รีลีสนี้สมบูรณ์อย่างผิดปกติสำหรับโมเดลแรก BF16 ที่ 188 shards ของ safetensors, FP8 ใน E4M3 ที่ 468.72 GiB และบิลด์ NVFP4 ที่ 273 GiB ซึ่งคู่มือการให้บริการของ Reflection เองแนะนำให้ดาวน์โหลด DFlash2 ตัวร่างสำหรับ speculative decoding ที่มีพารามิเตอร์ 1.93 พันล้านแยกต่างหาก ซึ่งเผยแพร่เป็นรีโพซิทอรีของตัวเอง รองรับตั้งแต่วันแรกใน Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed และ NVIDIA Dynamo พร้อมคู่มือทีละขั้นตอนสำหรับ SGLang, vLLM และ TokenSpeed รวมถึง Helm chart ชุดทดสอบ conformance ชื่อ beam-verifier ที่รันกับ Beam endpoint ที่ใช้งานอยู่ใดก็ได้ และข้อกำหนดอ้างอิงสำหรับการโฮสต์เองที่ GPU NVIDIA B300 SXM สี่ตัวบน NVLink — หนึ่งเครื่อง ไม่ใช่คลัสเตอร์ ซึ่งเป็นเกณฑ์ที่ต่ำกว่ามากเมื่อเทียบกับสิ่งที่โมเดล 500B มักจะหมายถึง และเป็นผลโดยตรงจากอัตราส่วนการเปิดใช้งาน 23B
บริบทมีขนาด 1,048,576 โทเค็น โมเดลนี้เน้นข้อความเป็นหลักและออกแบบมาสำหรับงานเขียนโค้ด การให้เหตุผล และงานเชิงเอเจนต์
Qwen4-Max จริง ๆ แล้วคืออะไร
เรือธงรุ่นที่สี่ของ Alibaba พร้อมให้ใช้งานทั่วไปตั้งแต่ 16 พฤศจิกายน 2026 ภายใต้รหัสโมเดล qwen4-max รองรับบริบท 1,000,000 โทเค็น เอาต์พุตสูงสุด 131,072 โทเค็นเมื่ออยู่นอกโหมดคิด งบประมาณร่วม 262,144 โทเค็นสำหรับทั้งการคิดและคำตอบ และอินพุตข้อความ รูปภาพ และวิดีโอพร้อมเอาต์พุตเป็นข้อความ โหมดคิดเปิดเป็นค่าเริ่มต้นโดยมีงบ 131,072 โทเค็น และความพยายามในการให้เหตุผลระดับสูง หกภูมิภาค รองรับโปรโตคอลการเชื่อมต่อของ OpenAI, Anthropic และ DashScope เอกสารระบุว่าไม่รองรับการปรับแต่งละเอียด (fine-tuning) และการติดตั้งใช้งานโมเดล และไม่มีการเผยแพร่น้ำหนักโมเดล

เทียบเคียงกันในมิติที่ใช้ตัดสินว่าคุณจะเช่าหรือเป็นเจ้าของ:
• ราคาอินพุต — Qwen4-Max $1.50 ต่อ 1M ในสิงคโปร์ และ $1.413 ที่อื่น ๆ เทียบกับ Beam 1.0 $0.40
• ราคาเอาต์พุต — Qwen4-Max $4.50 ในสิงคโปร์, $4.24 ในภูมิภาคอื่น เทียบกับ Beam 1.0 $1.20
• บริบท — Qwen4-Max 1,000,000 โทเค็น เทียบกับ Beam 1.0 1,048,576 โทเค็น
• เอาต์พุตสูงสุด — Qwen4-Max 131,072 ในโหมดไม่คิด, 262,144 ใช้ร่วมกับโหมดคิด เทียบกับเพดานของ Beam 1.0 ซึ่งเอกสารเผยแพร่สาธารณะของ Reflection ไม่ได้แยกออกมาต่างหากจากบริบท
• รูปแบบข้อมูล — Qwen4-Max รับข้อความ รูปภาพ และวิดีโอเป็นอินพุต เทียบกับ Beam 1.0 ที่รับข้อความเป็นอินพุต
• น้ำหนักโมเดล — Qwen4-Max ไม่มี เทียบกับ Beam 1.0 Apache 2.0 ซึ่งดาวน์โหลดได้ในสามระดับความแม่นยำ
• การโฮสต์เอง — Qwen4-Max ไม่ได้รับอนุญาตและเป็นไปไม่ได้ เมื่อเทียบกับ Beam 1.0 บน B300 SXM GPU จำนวนสี่ตัวตามบิลด์อ้างอิงของผู้ขายเอง
• คะแนนจากแหล่งอิสระ — Qwen4-Max ไม่มีการเผยแพร่ เมื่อเทียบกับ Beam 1.0 ที่ 17.7 บน Artificial Analysis Intelligence Index v5.0.1
กับดักเวอร์ชันดัชนีในสกอร์ของ Beam
เมื่อ Beam เปิดตัวในเดือนตุลาคม ตัวเลขอิสระตัวแรกที่ผูกกับมันคือ 30 บนดัชนีเวอร์ชัน v4.3.2 อยู่ในอันดับที่สิบเก้าจาก 120 โมเดล กระดานปัจจุบันแสดง 17.7 บนเวอร์ชัน v5.0.1 ทั้งสองตัวเลขไม่ได้ผิด แต่เทียบกันไม่ได้ เพราะ Artificial Analysis ได้รีเบสดัชนีระหว่างสองวินเทจนั้น และทุกโมเดลบนกระดานขยับไปแล้ว ใครก็ตามที่อ้างวันนี้ว่า "Beam ได้ 30" กำลังอ้างวินเทจที่เลิกใช้แล้ว และใครก็ตามที่อ้าง "17.7" โดยไม่ระบุเวอร์ชันกำลังเชื้อเชิญให้เกิดข้อผิดพลาดแบบเดียวกันในทางกลับกัน

สิ่งที่ยังคงอยู่หลังการปรับฐานใหม่คือภาพเชิงเปรียบเทียบ บน v5.0.1 คะแนน 17.7 ของ Beam 1.0 อยู่ต่ำกว่าอย่างชัดเจนเมื่อเทียบกับ Qwen3.8-Max ที่ 33.7, Grok 4.7 ที่ 35.5 และ Kimi K3.1 Pro ที่ 46.5 มันเป็นโมเดลที่ใช้งานได้แต่ไม่สามารถแข่งขันกับแนวหน้าปัจจุบันในด้านความสามารถทั่วไป ซึ่งเป็นสิ่งที่ราคาของมันสื่อโดยตรง และเป็นสิ่งที่เอกสารเปิดตัวของ Reflection ไม่ได้ระบุอย่างตรงไปตรงมา คำกล่าวอ้างของผู้จำหน่ายตอนประกาศคือโมเดลการให้เหตุผลที่ใกล้เคียงระดับแนวหน้า แต่การวัดผลอย่างอิสระกลับบอกเป็นอย่างอื่น
และ Qwen4-Max ไม่มีตัวเลขในทั้งสองเวอร์ชัน หน้าเพจรายรุ่นของมันบน Artificial Analysis ตอบกลับเป็น 404 และไม่มีรายการ Qwen4 ปรากฏในดัชนี เอกสารของ Alibaba ระบุกลไกอย่างละเอียด — อุณหภูมิเริ่มต้น 1.0 เมื่อใช้การคิด และ 0.7 เมื่อไม่ใช้, top-p 0.95 และ 0.8, top-k 20, ขีดจำกัดอินพุตต่อโหมดที่ 991,808 และ 983,616 โทเคน — และไม่เผยแพร่ตาราง benchmark ใด ๆ เลย
ค่าใช้จ่ายที่แท้จริงในการโฮสต์ Beam ด้วยตัวเอง
ตัวเลข $0.40 และ $1.20 เป็นอัตราค่า API ของ Reflection เอง ไม่ใช่ต้นทุนที่คุณต้องจ่ายให้ Beam หากคุณรันมันด้วยตัวเอง และความแตกต่างนี้คือเหตุผลทั้งหมดที่น้ำหนักแบบเปิดจึงสำคัญในกรณีนี้
การมี B300 SXM GPU สี่ตัวบน NVLink ไม่ว่าจะเป็นการซื้อ การเช่า หรือการจองผ่านคลาวด์ ล้วนไม่ฟรี จุดสำคัญของการเป็นเจ้าของไม่ใช่ต้นทุนต่อโทเคนที่ต่ำกว่า — แต่คือหลังจากตัดค่าเสื่อมราคาฮาร์ดแวร์แล้ว ต้นทุนส่วนเพิ่มในการทำ inference ใกล้เคียงกับค่าไฟฟ้า และไม่มีข้อมูลใดของคุณออกจากอาคาร สำหรับทีมที่ใช้งานความจุ B300 อยู่แล้วเพื่องานอื่น ต้นทุนส่วนเพิ่มของ Beam 1.0 แทบจะเป็นศูนย์ และคะแนน 17.7 ของมันก็ถือว่าคุ้มมาก สำหรับทีมที่ต้องซื้อเครื่องนี้ โมเดลเดียวกันคือภาระผูกพันด้านเงินทุนที่ตัดสินใจโดยอาศัยคะแนนระดับกลางตาราง
Qwen4-Max เป็นการแลกเปลี่ยนที่ตรงกันข้ามในทุกด้าน ไม่มีต้นทุนเงินลงทุน ไม่มีการวางแผนขีดความสามารถ และไม่มีภาระด้านปฏิบัติการ และแลกมาด้วยการที่คุณต้องจ่ายในอัตรา API ของ Beam สูงกว่า 3.75× คุณไม่สามารถปรับแต่งแบบ fine-tune ได้ คุณไม่สามารถรันมันภายในขอบเขตโครงสร้างพื้นฐานของคุณเองได้ และคุณต้องเผชิญกับสิ่งที่ Alibaba จะทำกับอัตราค่าบริการนั้นในไตรมาสถัดไป โครงสร้างตามภูมิภาคของอัตราค่าบริการคือส่วนที่น่าสนใจ: สิงคโปร์ที่ $1.50 และ $4.50 เทียบกับ $1.413 และ $4.24 ในอีกห้าภูมิภาคนั้นเป็นความแตกต่าง 6% สำหรับโมเดลเดียวกัน ซึ่งเล็กพอที่จะเป็นรายละเอียดทางบัญชี และใหญ่พอที่จะมีความสำคัญเมื่อใช้งานในปริมาณมาก
ที่ซึ่งแต่ละรายการพิสูจน์คุณค่าในตำแหน่งของตน
Beam 1.0 คือคำตอบที่ถูกต้องเมื่อเงื่อนไขใดเงื่อนไขหนึ่งในสามข้อนี้เป็นจริง ข้อมูลของคุณไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้ — ไม่มี API ที่ผูกสัญญาใดผ่านเกณฑ์นี้ ขณะที่น้ำหนักโมเดลภายใต้ Apache 2.0 ผ่านได้ คุณต้องการ fine-tune กับข้อมูลเฉพาะโดเมน — เอกสารของ Qwen4-Max ระบุชัดเจนว่าไม่รองรับการ fine-tune ขณะที่ Reflection อนุญาตให้ทำ distillation, fine-tuning, quantisation และ merging ได้โดยไม่มีข้อจำกัด หรือภาระงานของคุณคือ agentic coding ซึ่งโมเดลที่เปิดใช้งาน 23B ที่ latency แบบ interactive นั้นเร็วพอและถูกพอที่คะแนนทั่วไประดับกลางตารางจะไม่ใช่ข้อจำกัดที่เป็นตัวชี้ขาด
Qwen4-Max คือคำตอบที่ถูกต้องเมื่ออินพุตไม่ใช่ข้อความ Beam รับข้อความ ส่วน Qwen4-Max รับข้อความ รูปภาพ และวิดีโอ หากไปป์ไลน์ของคุณนำเข้าภาพหน้าจอ เอกสารที่สแกน เฟรมจากกล้อง หรือการบันทึกหน้าจอ การเปรียบเทียบก็จบก่อนที่ราคาจะเข้ามาเกี่ยวข้อง เพราะหนึ่งในโมเดลเหล่านี้ไม่สามารถรับคำขอได้ เช่นเดียวกันกับทุกสิ่งที่ต้องมีการติดตั้งใช้งานในยุโรป ญี่ปุ่น หรือ US-East: หกภูมิภาคของ Alibaba เทียบกับ API แบบ first-party เพียงตัวเดียวเป็นคำถามเรื่องความเข้าเกณฑ์ ไม่ใช่เรื่องต้นทุน
สำหรับทุกอย่างอื่น — การสร้างข้อความทั่วไปในปริมาณปานกลาง ไม่ต้องปรับแต่งละเอียด ไม่มีข้อจำกัดด้านถิ่นที่อยู่ของข้อมูล — การตัดสินใจขึ้นอยู่กับว่าคุณไว้วางใจโมเดลที่ยังไม่ได้วัดผลได้มากแค่ไหน เมื่อเทียบกับโมเดลที่วัดผลแล้วแต่อยู่ในระดับกลางๆ และคำตอบก็คือ คุณไม่ควรไว้วางใจทั้งสองตัวจนกว่าจะได้ลองใช้พรอมต์ของคุณเองสักร้อยพรอมต์กับทั้งสองตัวเสียก่อน ด้วยราคา $4.50 และ $1.20 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น การประเมินนั้นมีค่าใช้จ่ายเพียงไม่กี่เซนต์
การกำหนดเส้นทาง และเหตุผลสนับสนุนตัวเลือกที่สาม
ขณะนี้ OrcaRouter ยังไม่กำหนดเส้นทางสำหรับ Beam 1.0 หรือ Qwen4-Max ทั้งสองเข้าถึงได้ผ่าน API ของผู้จำหน่ายเองในอัตราข้างต้น สิ่งที่แคตตาล็อกมีให้คือกลุ่มกลางของตลาดบนคีย์เดียวและ URL ฐานเดียว — GLM-5.3 ที่ $1.40 และ $4.40 ต่อล้าน พร้อมน้ำหนักแบบเปิดและคะแนนดัชนี 31.7, Qwen3.8-Max ที่ $2.00 และ $6.00 ด้วยคะแนน 33.7, Kimi K3.1 Pro ที่ $2.00 และ $10.00 ด้วยคะแนน 46.5 — ทั้งหมดส่งผ่านในราคาตามรายการของผู้ให้บริการโดยไม่มี markup
นี่คือทางออกในทางปฏิบัติสำหรับการจับคู่เฉพาะครั้งนี้ Beam 1.0 ขอให้คุณยอมรับ 17.7 เพื่อแลกกับความเป็นเจ้าของและราคาต่ำ ส่วน Qwen4-Max ขอให้คุณยอมรับค่าที่ไม่รู้เพื่อแลกกับความสามารถหลากรูปแบบและภูมิภาค โมเดลที่มีคะแนนที่เผยแพร่ มีน้ำหนักโมเดลที่เผยแพร่ และราคาอยู่ระหว่างสองตัวนี้ ขอให้คุณไม่ต้องยอมรับข้อแลกเปลี่ยนใด ๆ จากทั้งสองฝั่ง การกำหนดเส้นทางให้ทั้งสองตัวเลือกที่น่าสนใจแต่ยังไม่ผ่านการพิสูจน์ ควบคู่ไปกับ baseline ที่วัดผลแล้ว คือวิธีที่คุณจะรู้ว่าตัวใดตัวหนึ่งสมควรได้รับทราฟฟิกโปรดักชันหรือไม่ — และการสลับสำรองอัตโนมัติหมายความว่าการทดลองจะทำให้บริการล่มไม่ได้ในขณะที่คุณรันมัน
อะไรจะทำให้เรื่องนี้ยุติลง
ตัวเลขเดียว: รายการ Qwen4-Max บนลีดเดอร์บอร์ดอิสระ ในเวอร์ชันดัชนีปัจจุบัน ข้าง ๆ 17.7 ของ Beam 1.0 ทุกอย่างอื่นในหน้านี้เป็นที่รู้กันอยู่แล้ว — ราคา, คอนเท็กซ์, สัญญาอนุญาต, จำนวน GPU ถ้า Qwen4-Max ได้คะแนนแถว ๆ 30 ต้น ๆ การจ่ายพรีเมียม 3.75× ก็เป็นเรื่องง่ายที่จะให้เหตุผลสำหรับใครก็ตามที่ต้องการอินพุตวิดีโอหรือเอนด์พอยต์ในแฟรงก์เฟิร์ต ถ้ามันไปอยู่ใกล้ Beam ค่าพรีเมียมก็ซื้อได้แค่ความสามารถด้านโมดัลิตีและการปฏิบัติตามข้อกำหนด และไม่มีอะไรอื่น และคำตอบที่ถูกต้องคือเลือกเส้นทางตามความต้องการมากกว่าตาม benchmark จนกว่าตัวเลขนั้นจะมีอยู่ การเปรียบเทียบนี้คือระหว่างโมเดลที่ถูกวัดแล้วและพบว่าธรรมดา กับโมเดลที่ยังไม่ถูกวัดเลย — และมีเพียงหนึ่งในสองสถานะนั้นเท่านั้นที่เป็นเหตุผลให้ผูกงบประมาณ
