Reflection Beam vs DeepSeek V4 Pro：體積只有三分之一，激活比率卻是兩倍

用「廉價新秀對上既成旗艦」的方式來框定Reflection Beam與DeepSeek V4 Pro的對比很誘人。但這種框架是錯的，而且錯得值得在談其他事情之前先講清楚，因為這兩個模型建立在對同一個理念截然相反的解讀之上。DeepSeek V4 Pro 是擁有 1.6 兆參數的專家混合模型，每個 token 啟動 490 億個參數——約占自身的 3.1%。Reflection Beam 於 2026 年 10 月 5 日發布，是擁有 5010 億參數的專家混合模型，每個 token 啟動 230 億個參數——約占自身的 4.6%。Beam 的規模只有三分之一，而就每個 token 而言，它的設計反而*不那麼*稀疏。Reflection 的整套論點就是推論效率，而這裡拿來與它相比的模型，在這套論點所仰賴的稀疏度指標上還領先它。

那不是駁斥。這是前提鋪陳，因為這兩個模型在價格與可得性上處於非常不同的位置，而誠實的比較在於你實際上能建立在哪一個之上。DeepSeek V4 Pro 已列於價目表，每百萬輸入 token 為 0.66 美元、每百萬輸出為 1.98 美元，並具備 1,048,576 個 token 的上下文與 384,000 個 token 的最大輸出。Beam 完全沒有公布價格，只能透過候補名單接觸，而其權重承諾於本月稍晚以 Apache 2.0 授權釋出。

相同概念，不同比例

稀疏性是共同前提。兩個模型在任何給定的 token 上，都讓幾乎所有參數處於休眠狀態，只為實際運行的那一小部分付出成本。不同之處在於每個實驗室把它推到多遠，以及這換來了什麼。

DeepSeek V4 Pro 在約 1.6 兆總參數中，僅啟用 490 億個作用中參數。這是極其激進的比例，也正是這個比例讓 DeepSeek 能以 0.66 美元和 1.98 美元的價格販售旗艦級模型——這樣的費率對同等能力的稠密模型而言是無法想像的。代價是總參數量極其龐大：這個模型光是儲存和部署就相當吃重，這也是為什麼代管它屬於專家的業務，而非多數團隊會自行處理的事。

Reflection Beam 以 5010 億個總參數中的 230 億個活躍參數運行。它在每個維度上都更小：總參數量只有三分之一，活躍參數不到一半，啟用比例也更保守。Reflection 的論點並不是 Beam 是市面上最稀疏的模型——它刻意不這麼宣稱——而是 230 億個活躍參數這個規模，可以部署在相對少量的 GPU 上，這改變的是部署經濟效益，而非每個 token 的運算量。

• 總參數量 — DeepSeek V4 Pro 約 1.6 兆，對比 Reflection Beam 的 5010 億。

• 每個符元的活躍數——490億對230億。

• 活化比率——DeepSeek V4 Pro 約為 3.1%，Reflection Beam 約為 4.6%。Beam 是兩者中較不稀疏的。

• 模態輸入 — DeepSeek V4 Pro 僅支援文字；Reflection Beam 也僅支援文字。兩者皆不接受圖像、音訊或視訊，這在同級模型中，兩者意見一致的情況相當罕見。

• 上下文與輸出 —— DeepSeek V4 Pro 為 1,048,576 個詞元輸入、384,000 個輸出，而 Beam 則為 256,000 個輸入、128,000 個輸出，其上下文數字附有 beta 註腳。

• 價格——DeepSeek V4 Pro 每百萬個 token 為 0.66 美元和 1.98 美元，快取讀取為 0.022 美元，而 Beam 則未公布任何價格。

• 可用性 — DeepSeek V4 Pro 自 2026 年 4 月 24 日起已全面發布；Beam 則是 2026 年 10 月 5 日宣布的候補名單 Beta 版，權重承諾於本月釋出。

價格，包括沒有人提及的那部分

DeepSeek V4 Pro 的 $0.66 與 $1.98 是供應商的定價，以原價轉列在我們的價目表中，未加收任何費用。不過，有一個值得納入預算考量的變數，而且很容易被忽略：費率表上有兩個時段，分別是 01:00 至 04:00 UTC 以及 06:00 至 10:00 UTC，在這兩段時間內價格會乘以二——輸入 $1.32、輸出 $3.96。這兩個時段都落在歐洲與亞洲團隊的工作時間內，因此以歐洲時間運作的管線，一天中會有一部分時間以雙倍費率計費，卻不會有任何事情出錯。

快取讀取每百萬個 token 收費 $0.022，是整體圖像的另一半，而且是較大的一半。這相當於輸入費率的三十比一折扣，而對於 DeepSeek V4 Pro 所針對的長文件與長對話工作負載——1,048,576 個 token 的上下文、384,000 個 token 的輸出——一個會重新讀取穩定前綴的工作階段，其實際成本遠低於表面上的數字。任何只把用量乘以 $0.66、卻未將快取重用納入模型的比較，都會嚴重高估這個模型的運行成本。

Beam 完全沒有與之相當的機制。沒有表定費率，沒有快取層級，沒有時間窗口，也沒有公開承諾它到底會不會按 token 計價販售。這項比較不是 $0.66 對上某個更便宜的方案；而是已定價模型對上未定價模型，而在 Reflection 公布價目表之前，根本無從計算損益平衡點。

基準測試：這兩個模型從未進行過正面對決

這正是必須謹慎以對的地方，因為眼前有個顯而易見的陷阱，而它值得被明確指出。

Reflection 的發表表格將 Beam 與 Inkling、Nemotron 3 Ultra、GLM 5.2、GLM 5.3、Kimi K3、Qwen 3.8-Max 以及 DeepSeek V4.1 Flash 相比——是同系列的兄弟款，而非 V4 Pro。因此，出現在 Beam 自家表格中的那個 DeepSeek 模型是另一個：該家族中便宜、快速的一員，價格為 $0.15 與 $0.60，其廠商表格上的 Terminal-Bench v2.1 成績為 90.6，相較於 Beam 的 80.1；DeepSWE v1.1 為 74.2，相較於 Beam 的 44.4。從 V4.1 Flash 那一欄讀出 V4 Pro 的數字，是任何撰寫這份比較的人都最可能犯的單一錯誤。

針對 V4 Pro，目前確實存在的資料，是來自 Artificial Analysis、透過我們的目錄取得的，但這些資料同樣建立在不同的測試框架上——因此它們僅具方向性參考價值，並非受控比較。

• tau-squared Bench — DeepSeek V4 Pro 錄得 96.2，相較於 Beam 的廠商數據：在 MCP Atlas 上為 78.7，在 tau3 banking 上為 38.0。這些是代理式工具使用測量同一系列中的不同評估，且這兩組數據不可互換。

• Artificial Analysis 智慧指數 — DeepSeek V4 Pro 為 36.0，在其該次評測中於 147 個項目裡排名第 41；Beam 則完全沒有指數列，其模型頁面回傳 404，且截至今日上午，排行榜資料中並無 Beam 的項目。

• GPQA Diamond — DeepSeek V4 Pro 在 Artificial Analysis 的成績為 92.8，對比 Beam 廠商自行報告的 90.5。

• Humanity's Last Exam — DeepSeek V4 Pro 根據 Artificial Analysis 為 41.0，相較於 Beam 廠商回報的 36.2；後者明確是在未使用工具的情況下。

• SciCode — DeepSeek V4 Pro 根據 Artificial Analysis 為 51.0，對比 Beam 廠商報告的 49.7。

• Terminal-Bench v2.1 — 根據 Artificial Analysis，DeepSeek V4 Pro 為 78.7，而 Beam 廠商自報為 80.1。這是本清單中唯一 Beam 領先的一列，且差距不到兩分。

• 長上下文召回 —— DeepSeek V4 Pro 在 Artificial Analysis 上達 80.3，相較於 Beam 在 AA-LCR 上廠商自行回報的 79.3。

這種模式前後一致，而且對 Beam 的定位來說應該很不利。在每一個兩個模型都有數據的項目上，DeepSeek V4 Pro 都領先，除了 Terminal-Bench v2.1——在該項上它落後不到兩分——而且每一個 DeepSeek 的數字都來自第三方測試框架，而每一個 Beam 的數字都來自廠商自己。一個已經全面發布、公開輸入價格低於一美元的模型，在雙方共有的基準測試上，並沒有明顯輸給一個尚未發布的模型。

Beam 的效率宣稱跟這些到底有什麼關係

Reflection 真正的主張並不是一項基準測試上的主張，若把它當成那樣而反覆搬出那些表格，就搞錯了重點。其主張是：Beam 在進階推理上的得分與 GLM 5.2 相當，但使用的推論算力少了 3 到 4 倍；而面對像 Qwen 3.8-Max 這類 2 兆參數模型時，差距還會進一步擴大。支撐該主張的圖表將生成的 FLOPs 估算為活躍參數量兩倍，乘以每次嘗試平均生成的 token 數，涵蓋 DeepSWE、HLE 與 Terminal-Bench 2.1；而圖表本身的說明也承認，提示預填充、依賴上下文的注意力機制，以及服務額外開銷都未納入計算。

把這點與 V4 Pro 的數據對照來看，這個論點比那些頭條表格所暗示的更有意思。V4 Pro 每個 token 啟動 490 億個參數，而 Beam 是 230 億——大約是兩倍——因此，依照 Reflection 所用的公式，在 token 數量出現任何差異之前，Beam 在每個 token 的生成運算量上應該領先約兩倍。那是真實且清晰可辨的優勢，而這正是 Beam 所擁有的優勢。

反對的理由：V4 Pro 的激活比例更積極，其上下文長度是四倍，最大輸出量也是三倍，這意味著即使單一 token 的估算成本較高，一個以更少、更長輪次完成任務的 V4 Pro 工作階段，整體算下來仍可能更便宜。每 token 的 FLOPs 並不等於每任務的 FLOPs，而這張圖表是以每 token 為單位。

獨立的量測目前還不存在。目前唯一記錄在案的第三方說法，是 Artificial Analysis 在10月5日表示，Reflection 已授予其存取權，且它正在對 Beam 進行基準測試；早期指標顯示，就 Beam 的智慧水準而言，它將是 Artificial Analysis 所見過最具 token 效率的開放模型之一。但至今仍未有任何數字公布。

V4 Pro 的上下文真正重要的地方

在這場對決中，有一個面向的差距大到足以具有決定性，而不是僅有漸進式的差距，而且那不是基準測試。

DeepSeek V4 Pro 提供 1,048,576 個 token 的上下文，以及 384,000 個 token 的最大輸出量。Beam 則提供 256,000 與 128,000，並在上下文數字旁附上註腳，警告該數字在 beta 期間可能有所變動。對於法律合約審閱、整個儲存庫的重構，或橫跨數千頁的綜合分析任務而言，這項差異並非效能上的差距——而是單次呼叫，與你必須自行撰寫並驗證的分塊處理流程之間的差別。據稱 Beam 的中期訓練階段將其有效上下文延伸至 100 萬個 token，這屬於訓練端的能耐，而服務端的上限仍維持在 256,000；這兩個數字經常被混為一談，但它們並不是同一回事。

輸出上限讓問題雪上加霜。最高 384,000 個詞元的輸出，讓單次呼叫就能產出大型結構化成品；128,000 則無法，而且這兩款模型都未透過發表時所描述的介面提供批次端點或嵌入向量路由。

選擇，以及路由的適用位置

對於百萬個 token 上下文與 384,000 個 token 輸出至關重要的特定工作負載而言，DeepSeek V4 Pro 並不是在與 Beam 競爭——它在本頁面上沒有其他競爭對手；而且在 Beam 的視窗改變之前，Beam 無論價格如何都無法加入這項比較。

對於能塞進 256,000 個 token 內的高流量工作，這個決定歸結為一場賭注：Beam 宣稱的效率能否在第三方測試框架下依然成立，而價格則要對照 V4 Pro 的費率——那個費率本來就已經比前沿低了一個數量級，還會因每次快取讀取 $0.022 而進一步打折。相對於此，DeepSeek 自家更便宜的兄弟機型就躺在同一份型錄裡，價格是 $0.15 與 $0.60——而 Beam 自家的發表表格，正是把 Beam 排在 DeepSWE 和 Terminal-Bench 上落後於它。對這裡的新進者而言，地板比表面上看起來更低。

這正是路由層展現自身價值、而非只是口號的地方。DeepSeek V4 Pro 已在我們的目錄中，供應商的表定價格原樣轉嫁、不另加價，透過一組與 OpenAI 相容的金鑰，在 api.orcarouter.ai/v1 上與其他 200 多個模型並列取用。路由 DSL 讓你能表達這項決策，而不必將其硬編碼：把長脈絡請求綁定到具備百萬 token 視窗的模型，把大量短請求綁定到任何通過你評估的便宜模型，並在任務同時需要兩者時，將兩者組合成單一呼叫。由於路由會處理跨供應商的容錯移轉，便宜層可以安全地只承擔一部分流量，而非全部——這正是你面對像 Beam 這種模型時該有的姿態：Reflection 以外的任何人都還沒重現過它的基準測試結果。

判決結果，以及可能改變它的兩個日期

Reflection Beam 在今日一切可知的面向上都輸掉了這場比較。它更小、稀疏程度更低、上下文只有四分之一、沒有獨立評分，而且——對於一款以成本為賣點的模型來說，這點是決定性的——沒有價格。DeepSeek V4 Pro 在 Artificial Analysis 指數、HLE、GPQA Diamond、SciCode 以及長上下文召回率上都交出更好的成績，而這些全都是由其供應商以外的第三方所測得，且全都是在每 token 啟用的參數量為其兩倍的情況下，以低於一美元的公開費率達成。

Beam 所握有的，是一個單一而清楚易懂的主張：230 億個活躍參數是 V4 Pro 的三分之一，因此就生成端的運算量比較而言，它應該以大約二比一佔優。這個主張聽來合理，也正是應該認真看待 Beam 的理由，而它至今尚未被做出此主張的實驗室以外的任何人實測過。

兩個日期就能定案。權重，承諾本月稍晚以 Apache 2.0 釋出，將讓任何人都能自行計算 FLOPs。還有 Artificial Analysis 上的那一列，會用一個數字取代廠商的說明文字。在其中一項落實之前，你能定價、快取，並以百萬 token 上下文呼叫的模型，才是值得在其上打造的那一個。