เปรียบเทียบแบบตัวต่อตัว

Beam vs DeepSeek V4.1 Flash

2:7

Beam ชนะ 2 จาก 9 เบนช์มาร์กที่ใช้ร่วมกัน

บทสรุป

DeepSeek V4.1 Flash นำใน 7 จาก 9 เบนช์มาร์กร่วม โดยทิ้งห่างมากใน DeepSWE และ AutomationBench และนำ Terminal-Bench อยู่ 10 คะแนน Beam ชนะใน CritPt และมีดัชนี AA Omniscience ที่ดีกว่า ซึ่งใช้ลงโทษคำตอบที่ผิดแต่มั่นใจเกินไป ด้านประสิทธิภาพ Beam ไม่ได้เปรียบในกรณีนี้: DeepSeek V4.1 Flash ใช้พารามิเตอร์เพียง 16 พันล้านตัวต่อโทเค็นที่สร้างขึ้น ซึ่งน้อยกว่า Beam ที่ใช้ 23 พันล้านตัว และมีการเผยแพร่น้ำหนักโมเดลต่อสาธารณะแล้วภายใต้ MIT

แยกตามเบนช์มาร์ก

Benchmark	Beam	DeepSeek V4.1 Flash	ส่วนต่าง
DeepSWE v1.1	44.4	74.2	-29.8
Terminal-Bench v2.1	80.1	90.6	-10.5
Humanity's Last Exam (no tools)	36.2	39.1	-2.9
SciCode	49.7	52.0	-2.3
CritPt (AA)	16.3	14.3	+2.0
GPQA Diamond	90.5	90.9	-0.4
AutomationBench (public)	37.0	54.8	-17.8
AA-LCR (long context)	79.3	84.0	-4.7
AA Omniscience index (public split)	13.0	6.6	+6.4

คะแนนทั้งหมดมาจากประกาศของ Reflection (ฉบับปรับปรุงวันที่ 8 ตุลาคม 2026) คะแนนของ DeepSeek V4.1 Flash อ้างอิงตามที่ Reflection ระบุจาก Artificial Analysis และ DataCurve

โมเดลทั้งสอง

	Beam	DeepSeek V4.1 Flash
ผู้พัฒนา	Reflection AI	DeepSeek
ตั้งอยู่ที่	สหรัฐอเมริกา	จีน
พารามิเตอร์ (ทั้งหมด / ที่ใช้งาน)	501B / 23B	552B / 16B
น้ำหนักโมเดล	Apache 2.0 โดยสัญญาว่าจะเปิดให้ใช้ภายหลังในเดือนตุลาคม 2026	MIT
เปิดตัว	5 ตุลาคม 2569	10 กันยายน 2569
วิธีเข้าถึง	API เบตาที่ต้องเข้าคิวรอ; จะเปิดให้ใช้น้ำหนักโมเดลเร็ว ๆ นี้	Hugging Face, DeepSeek API, OpenRouter