正面对比
Beam vs DeepSeek V4.1 Flash
2:7
Beam 在 9 项共同基准中赢得 2 项
结论
DeepSeek V4.1 Flash 在双方都参与的 9 项基准测试中赢下 7 项，在 DeepSWE 和 AutomationBench 上优势明显，在 Terminal-Bench 上领先 10 分。Beam 在 CritPt 上胜出，AA Omniscience 指数也更高；该指数会对自信地给出错误答案的模型扣分。这里 Beam 在效率上并无优势：DeepSeek V4.1 Flash 每生成一个 token 仅激活 160 亿参数，少于 Beam 的 230 亿参数，而且其权重已根据 MIT 许可证公开。
逐项基准对比
| 基准 | Beam | DeepSeek V4.1 Flash | 差异 | |
|---|---|---|---|---|
| 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 |
所有分数均来自 Reflection 的公告（2026 年 10 月 8 日修订版）。DeepSeek V4.1 Flash 的分数是 Reflection 引用 Artificial Analysis 和 DataCurve 的数据。
两款模型
| Beam | DeepSeek V4.1 Flash | |
|---|---|---|
| 开发者 | Reflection AI | DeepSeek |
| 总部所在地 | 美国 | 中国 |
| 参数量（总计 / 激活） | 501B / 23B | 552B / 16B |
| 权重 | Apache 2.0，承诺于 2026 年 10 月晚些时候推出 | MIT |
| 发布日期 | 2026年10月5日 | 2026年9月10日 |
| 获取方式 | API beta 版需排队申请；模型权重即将推出 | Hugging Face, DeepSeek API, OpenRouter |