Reflection Beam so với DeepSeek V4 Pro: Kích thước chỉ bằng một phần ba, tỷ lệ kích hoạt gấp đôi

Cách hấp dẫn để đặt vấn đề Reflection Beam đối đầu với DeepSeek V4 Pro là kẻ mới đến giá rẻ so với một chiếc flagship đã thành danh. Lối đóng khung đó sai theo một cách đáng để nói rõ trước mọi thứ khác, bởi hai mô hình được xây dựng trên hai cách đọc trái ngược nhau về cùng một ý tưởng. DeepSeek V4 Pro là một mô hình mixture-of-experts 1,6 nghìn tỷ tham số, kích hoạt 49 tỷ tham số mỗi token — khoảng 3,1% kích thước của chính nó. Reflection Beam, được công bố ngày 5 tháng 10 năm 2026, là một mô hình mixture-of-experts 501 tỷ tham số, kích hoạt 23 tỷ tham số mỗi token — khoảng 4,6% kích thước của chính nó. Beam chỉ bằng một phần ba kích thước và, xét theo mỗi token, là một thiết kế *ít* thưa hơn. Toàn bộ luận đề của Reflection là hiệu quả suy luận, vậy mà mô hình đang được đem ra so sánh ở đây lại vượt lên trên nó ở chính chỉ số thưa hóa mà luận đề đó dựa vào.

Đó không phải là một sự bác bỏ. Đó là sự thiết lập, bởi vì hai mô hình nằm ở những điểm rất khác nhau về giá cả và tính khả dụng, và sự so sánh trung thực là về việc bạn thực sự có thể xây dựng dựa trên cái nào. DeepSeek V4 Pro có trong danh mục với giá $0.66 cho mỗi triệu token đầu vào và $1.98 cho mỗi triệu token đầu ra, với ngữ cảnh 1.048.576 token và 384.000 token đầu ra tối đa. Beam không có giá được công bố nào cả, chỉ có thể truy cập thông qua danh sách chờ, và trọng số của nó được hứa sẽ ra mắt vào cuối tháng này theo giấy phép Apache 2.0.

Cùng ý tưởng, tỷ lệ khác

Tính thưa là tiền đề chung. Cả hai mô hình đều để gần như toàn bộ tham số của mình ở trạng thái ngủ tại bất kỳ token cho trước nào và chỉ trả chi phí cho phần nhỏ đang chạy. Điều khác biệt nằm ở chỗ mỗi phòng thí nghiệm đẩy nó xa đến đâu và nó mang lại những gì.

DeepSeek V4 Pro vận hành 49 tỷ tham số hoạt động trên tổng số khoảng 1,6 nghìn tỷ tham số. Đó là một tỷ lệ cực kỳ táo bạo, và chính nó cho phép DeepSeek bán một mô hình tầm flagship với giá $0.66 và $1.98 — mức giá mà sẽ không thể tưởng tượng nổi đối với một mô hình dày đặc có năng lực như vậy. Đánh đổi là tổng số tham số cực kỳ lớn: mô hình rất lớn để lưu trữ và để phục vụ dù chỉ ở mức tối thiểu, đó là lý do việc vận hành nó là công việc của chuyên gia chứ không phải điều mà hầu hết các nhóm tự làm.

Reflection Beam vận hành 23 tỷ tham số hoạt động trong tổng số 501 tỷ. Nhỏ hơn ở mọi khía cạnh: bằng một phần ba tổng tham số, chưa bằng một nửa số tham số hoạt động, và tỷ lệ kích hoạt ít quyết liệt hơn. Lập luận của Reflection không phải là Beam là mô hình thưa nhất hiện có — họ cố tình không khẳng định điều đó — mà là 23 tỷ tham số hoạt động là kích cỡ bạn có thể phục vụ trên tương đối ít GPU, điều này thay đổi tính kinh tế triển khai chứ không phải phép tính trên mỗi token.

• Tổng số tham số — DeepSeek V4 Pro khoảng 1,6 nghìn tỷ so với Reflection Beam 501 tỷ.

• Hoạt động trên mỗi token — 49 tỷ so với 23 tỷ.

• Tỷ lệ kích hoạt — khoảng 3,1 phần trăm đối với DeepSeek V4 Pro, khoảng 4,6 phần trăm đối với Reflection Beam. Beam là cái ít thưa hơn trong hai.

• Dạng thức đầu vào — DeepSeek V4 Pro chỉ hỗ trợ văn bản; Reflection Beam cũng chỉ hỗ trợ văn bản. Cả hai đều không nhận hình ảnh, âm thanh hay video, đây là trường hợp hiếm thấy khi hai mô hình trong cùng phân khúc này có cùng quan điểm.

• Ngữ cảnh và đầu ra — 1,048,576 token đầu vào và 384,000 đầu ra cho DeepSeek V4 Pro, so với 256,000 đầu vào và 128,000 đầu ra cho Beam, mà con số ngữ cảnh của nó đi kèm một chú thích beta.

• Giá — $0,66 và $1,98 mỗi triệu token đối với DeepSeek V4 Pro, với lượt đọc cache ở mức $0,022, so với việc Beam không công bố mức giá nào.

• Tính khả dụng — DeepSeek V4 Pro đã được phát hành rộng rãi kể từ ngày 24 tháng 4 năm 2026; Beam là bản beta trong danh sách chờ được công bố vào ngày 5 tháng 10 năm 2026 với trọng số được hứa sẽ có trong tháng này.

Cái giá, bao gồm cả phần không ai nhắc đến

DeepSeek $0.66/triệu token đầu vào và $2.64/triệu token đầu ra là mức giá tiêu chuẩn của nhà cung cấp. Tuy nhiên, có một điểm dễ bị bỏ qua: hai khung giờ giảm giá, 04:00 đến 06:00 UTC và 16:00 đến 18:00 UTC, trong đó giá được giảm một nửa — $0.33 cho đầu vào và $1.32 cho đầu ra. Cả hai đều nằm ngoài giờ làm việc của các nhóm châu Âu và châu Á, nên một pipeline chạy theo giờ châu Âu sẽ hiếm khi được hưởng mức giảm giá.

Lượt đọc cache ở mức 0,022 USD mỗi triệu token là nửa còn lại của bức tranh, và là nửa lớn hơn. Đó là mức chiết khấu ba mươi lần so với giá đầu vào, và đối với các tác vụ tài liệu dài và hội thoại dài mà DeepSeek V4 Pro được thiết kế để phục vụ — 1.048.576 token ngữ cảnh, 384.000 token đầu ra — chi phí thực tế của một phiên đọc lại một tiền tố ổn định thấp hơn nhiều so với mức giá niêm yết. Bất kỳ so sánh nào nhân khối lượng với 0,66 USD mà không mô hình hóa việc tái sử dụng cache sẽ phóng đại nghiêm trọng chi phí vận hành mô hình này.

Beam không có tương đương cho bất kỳ điều nào trong số đó. Không có giá niêm yết, không có tầng cache, không có khung thời gian, không có cam kết công bố nào về việc liệu nó có được bán theo token hay không. Việc so sánh không phải là $0,66 với một thứ rẻ hơn; mà là một mô hình có giá so với một mô hình chưa có giá, và cho đến khi Reflection công bố bảng giá, thì không có điểm hòa vốn nào để tính.

Điểm chuẩn: hai mô hình chưa từng được chạy đối đầu trực tiếp

Đây là phần mà sự cẩn trọng trở nên quan trọng, bởi vì có một cái bẫy hiển nhiên đang hiện hữu và nó đáng được gọi tên một cách rõ ràng.

Bảng ra mắt của Reflection so sánh Beam với Inkling, Nemotron 3 Ultra, GLM 5.2, GLM 5.3, Kimi K3, Qwen 3.8-Max và DeepSeek V4.1 Flash — người anh em cùng dòng, không phải V4 Pro. Vậy mô hình DeepSeek xuất hiện trong chính các bảng của Beam là một mô hình khác: thành viên rẻ, nhanh của dòng họ, ở mức $0.15 và $0.60, đạt Terminal-Bench v2.1 trên bảng của nhà cung cấp là 90.6 so với 80.1 của Beam và DeepSWE v1.1 là 74.2 so với 44.4 của Beam. Đọc một con số V4 Pro từ cột V4.1 Flash là sai lầm dễ mắc nhất mà bất kỳ ai viết so sánh này sẽ mắc phải.

Những gì tồn tại cho V4 Pro, từ Artificial Analysis thông qua danh mục của chúng tôi, lại nằm trên các harness khác nhau — nên đây chỉ mang tính định hướng, không phải được kiểm soát.

• tau-squared Bench — DeepSeek V4 Pro đạt 96,2 so với con số của nhà cung cấp là 78,7 cho Beam trên MCP Atlas và 38,0 trên tau3 banking. Đây là những đánh giá khác nhau trong cùng một nhóm đo lường khả năng sử dụng công cụ của tác tử, và hai bộ kết quả này không thể thay thế cho nhau.

• Chỉ số Trí tuệ Artificial Analysis — DeepSeek V4 Pro đạt 36,0, xếp thứ 41 trong số 147 ở lượt chạy của nó; Beam hoàn toàn không có dòng chỉ số nào, với các trang mô hình trả về 404 và không có mục Beam nào trong payload bảng xếp hạng tính đến sáng nay.

• GPQA Diamond — DeepSeek V4 Pro đạt 92,8 theo Artificial Analysis, so với 90,5 do nhà cung cấp của Beam báo cáo.

• Humanity's Last Exam — DeepSeek V4 Pro đạt 41,0 theo Artificial Analysis, so với mức 36,2 do nhà cung cấp Beam báo cáo, trong đó kết quả sau được nêu rõ là không dùng công cụ.

• SciCode — DeepSeek V4 Pro đạt 51,0 theo Artificial Analysis, so với mức 49,7 do nhà cung cấp báo cáo của Beam.

• Terminal-Bench v2.1 — DeepSeek V4 Pro đạt 78,7 theo Artificial Analysis, so với mức 80,1 do nhà cung cấp Beam báo cáo. Đây là dòng duy nhất trong danh sách này mà Beam dẫn trước, và khoảng cách dưới hai điểm.

• Khả năng ghi nhớ ngữ cảnh dài — DeepSeek V4 Pro đạt 80.3 theo Artificial Analysis, so với mức 79.3 do Beam tự báo cáo trên AA-LCR.

Kiểu kết quả này rất nhất quán và hẳn sẽ khiến định vị của Beam trở nên khó chịu. Ở mọi hàng mà cả hai mô hình đều có số liệu, DeepSeek V4 Pro đều dẫn trước, ngoại trừ Terminal-Bench v2.1, nơi nó kém hơn chưa đầy hai điểm — và mọi số liệu của DeepSeek đều đến từ harness của bên thứ ba, trong khi mọi số liệu của Beam là của chính nhà cung cấp. Một mô hình đã phát hành đại chúng, với mức giá công bố dưới một đô-la cho đầu vào, không hề tỏ ra thua kém một mô hình chưa phát hành trên những benchmark mà cả hai cùng chia sẻ.

Việc tuyên bố về hiệu suất của Beam thì có liên quan gì đến chuyện này

Tuyên bố thực sự của Reflection không phải là một tuyên bố về benchmark, và việc lặp lại các bảng như thể nó đúng là như vậy là hiểu sai vấn đề. Tuyên bố đó là Beam đạt điểm tương đương GLM 5.2 về suy luận nâng cao trong khi sử dụng ít hơn 3 đến 4 lần chi phí tính toán suy luận, với khoảng cách nới rộng khi so với các mô hình 2 nghìn tỷ tham số như Qwen 3.8-Max. Biểu đồ hỗ trợ ước tính FLOPs được sinh ra bằng hai lần số tham số hoạt động nhân với số token được sinh trung bình mỗi lần thử, trên DeepSWE, HLE và Terminal-Bench 2.1, và chú thích của chính nó thừa nhận rằng prefill prompt, attention phụ thuộc ngữ cảnh và chi phí phục vụ đều bị loại trừ.

Đặt điều đó bên cạnh các con số của V4 Pro và lập luận trở nên thú vị hơn so với những gì các bảng số liệu nổi bật gợi ra. V4 Pro kích hoạt 49 tỷ tham số mỗi token, so với 23 tỷ của Beam — gần gấp đôi — vì vậy theo công thức mà Reflection đang dùng, Beam đáng lẽ phải dẫn trước khoảng gấp đôi về khối lượng tính toán tạo sinh trên mỗi token trước khi tính đến bất kỳ khác biệt nào về số lượng token. Đó là một lợi thế thực sự và rõ ràng, và đó chính là lợi thế mà Beam có.

Phản đối: tỷ lệ kích hoạt của V4 Pro mạnh mẽ hơn, ngữ cảnh của nó lớn gấp bốn lần, và đầu ra tối đa của nó lớn gấp ba lần, nghĩa là một phiên V4 Pro giải quyết một tác vụ trong ít lượt hơn nhưng dài hơn có thể rốt cuộc lại rẻ hơn về tổng thể ngay cả với mức ước tính trên mỗi token cao hơn. FLOP trên mỗi token không phải là FLOP trên mỗi tác vụ, và biểu đồ là tính trên mỗi token.

Phép đo độc lập vẫn chưa tồn tại. Tuyên bố bên thứ ba duy nhất được ghi nhận là Artificial Analysis nói vào ngày 5 tháng 10 rằng Reflection đã cấp quyền truy cập cho họ và rằng họ đang đánh giá Beam, với những chỉ dấu ban đầu cho thấy Beam sẽ là một trong những mô hình mở tiết kiệm token nhất mà họ từng thấy ở mức trí tuệ tương ứng. Chưa có con số nào được đưa ra sau đó.

Ngữ cảnh của V4 Pro thực sự quan trọng ở đâu

Trong cuộc so tài này, có một khía cạnh mà khoảng cách đủ lớn để mang tính quyết định chứ không chỉ là gia tăng từng chút một, và đó không phải là một phép benchmark.

DeepSeek V4 Pro phục vụ 1.048.576 token ngữ cảnh và 384.000 token đầu ra tối đa. Beam phục vụ 256.000 và 128.000, kèm một chú thích dưới con số ngữ cảnh cảnh báo rằng nó có thể thay đổi trong giai đoạn beta. Đối với việc rà soát hợp đồng pháp lý, tái cấu trúc toàn bộ kho mã hay một tác vụ tổng hợp trên hàng nghìn trang, khác biệt đó không phải là một mức chênh lệch hiệu năng — nó là khác biệt giữa một lần gọi và một pipeline chia nhỏ mà bạn phải tự viết và kiểm chứng. Giai đoạn midtraining của Beam được cho là mở rộng ngữ cảnh hiệu dụng của nó lên 1 triệu token, đây là một năng lực phía huấn luyện, trong khi giới hạn phục vụ vẫn ở mức 256.000; hai con số này thường bị gộp lẫn với nhau và chúng không phải là một.

Giới hạn đầu ra càng làm trầm trọng thêm tình hình. Mức đầu ra tối đa 384.000 token cho phép một lệnh gọi duy nhất tạo ra một tạo tác có cấu trúc lớn; 128.000 thì không, và cả hai mô hình đều không cung cấp endpoint theo lô hay tuyến embeddings thông qua các bề mặt được mô tả khi ra mắt.

Lựa chọn, và routing phù hợp ở đâu

Đối với những khối lượng công việc cụ thể mà ngữ cảnh một triệu token và đầu ra 384.000 token thực sự quan trọng, DeepSeek V4 Pro không cạnh tranh với Beam — nó đang cạnh tranh với không gì khác trên trang này, và Beam không thể tham gia so sánh ở bất kỳ mức giá nào cho đến khi cửa sổ của nó thay đổi.

Với công việc khối lượng lớn vừa trong 256.000 token, quyết định thu lại thành một canh bạc về việc liệu hiệu quả mà Beam tuyên bố có trụ được qua bộ khung đánh giá của bên thứ ba hay không, được định giá đối chiếu với mức giá V4 Pro vốn đã thấp hơn hàng tiên phong một bậc độ lớn và còn được giảm thêm nhờ đọc cache ở mức $0.022. Đối lại, mô hình anh em rẻ hơn của chính DeepSeek đang nằm trong cùng danh mục ở mức $0.15 và $0.60 — và đó là mô hình mà chính các bảng công bố ra mắt của Beam xếp Beam phía sau trên DeepSWE và Terminal-Bench. Mức sàn cho một người mới tham gia ở đây thấp hơn vẻ ngoài của nó.

Đây là nơi một lớp định tuyến chứng minh được giá trị của mình thay vì chỉ là một khẩu hiệu. DeepSeek V4 Pro đã có trong danh mục của chúng tôi, với mức giá niêm yết của nhà cung cấp được giữ nguyên và không cộng thêm gì, nằm sau một khóa tương thích OpenAI tại api.orcarouter.ai/v1 cùng hơn 200 mô hình khác. DSL định tuyến cho phép bạn diễn đạt quyết định thay vì mã hóa cứng nó: ghim các yêu cầu ngữ cảnh dài vào mô hình có cửa sổ một triệu token, ghim các yêu cầu ngắn có khối lượng lớn vào bất kỳ mô hình rẻ nào đang vượt qua bài đánh giá của bạn, và kết hợp cả hai vào một lệnh gọi duy nhất khi tác vụ cần cả hai. Vì định tuyến xử lý chuyển đổi dự phòng giữa các nhà cung cấp, tầng giá rẻ an toàn để đưa vào một phần lưu lượng thay vì toàn bộ — đó chính xác là thế đứng bạn muốn hướng tới một mô hình như Beam, mô hình mà không ai ngoài Reflection tái lập được các benchmark.

Phán quyết, và hai ngày có thể làm thay đổi nó

Reflection Beam đang thua trong so sánh này ở mọi thứ có thể biết được ngày nay. Nó nhỏ hơn, ít thưa hơn, chỉ có một phần tư ngữ cảnh, không có điểm số độc lập, và — điều quyết định đối với một mô hình được bán dựa trên chi phí — không có giá. DeepSeek V4 Pro đạt chỉ số Artificial Analysis tốt hơn, HLE tốt hơn, GPQA Diamond tốt hơn, SciCode tốt hơn và số liệu nhớ lại ngữ cảnh dài tốt hơn, tất cả đều được đo bởi một bên khác ngoài nhà cung cấp của nó, và tất cả trong khi kích hoạt gấp đôi số tham số mỗi token ở mức giá công bố dưới một đô la.

Điều Beam có là một luận điểm duy nhất, rõ ràng: 23 tỷ tham số hoạt động bằng một phần ba của V4 Pro, nên một phép so sánh tính toán ở phía sinh sẽ nghiêng về nó theo tỷ lệ khoảng hai trên một. Luận điểm đó là hợp lý, đó là lý do để coi trọng Beam, và nó chưa được đo lường bởi bất kỳ ai bên ngoài phòng thí nghiệm đã tạo ra nó.

Hai mốc thời gian sẽ định đoạt điều đó. Các trọng số, được hứa phát hành theo Apache 2.0 vào cuối tháng này, thứ sẽ cho phép bất kỳ ai tự đếm FLOPs. Và dòng của Artificial Analysis, thứ sẽ thay thế chú thích của nhà cung cấp bằng một con số. Cho đến khi một trong số đó thành hiện thực, mô hình mà bạn có thể định giá, lưu đệm và gọi với một triệu token ngữ cảnh chính là mô hình để phát triển dựa trên.