Reflection lanserer Beam: åpen modell med 501 milliarder parametere og vekter i oktober

Reflection AI lanserte mandag Beam, selskapets første modell med åpne vekter, i et langt blogginnlegg, skriver TechCrunch. Beam er en sparsom mixture-of-experts-modell med 501 milliarder parametere, hvorav 23 milliarder er aktive per token. Den håndterer bare tekst, er forhåndstrent på 23,8 billioner tokens og har et kontekstvindu på 1 million tokens. Målet er koding, resonnering og agentoppgaver.

Ifølge Reflection scorer Beam på nivå med GLM-5.2 fra Z.ai på avanserte resonneringstester, men bruker 3 til 4 ganger mindre inferens-compute. Selskapet sier modellen nærmer seg Alibabas Qwen 3.8-Max på koding og agentoppgaver, og er tydelig på hvor grensen går:

«Der ledende åpne modeller som Kimi K3 fortsatt ligger foran på rå kapasitet, er Beams fortrinn effektivitet ved inferens.» — Reflection, i lanseringsinnlegget

TechCrunch påpeker at tallene ikke er uavhengig verifisert. Til sammenligning har GLM-5.2 rundt 744 milliarder parametere totalt og 40 milliarder aktive, så Beam aktiverer drøyt halvparten så mange per token.

Mesteparten av innsatsen gikk til forsterkningslæring. Reflection kjørte RL på 10 500 Nvidia GB300-GPU-er i fire uker, genererte over 100 millioner rollouts med opptil 256K tokens kontekst og brukte rundt 1,3 milliarder sandkasser fordelt på nesten én million treningsmiljøer. Modellen ble trent med en justerbar lengdestraff, og du styrer avveiningen selv med en reasoning effort-parameter: lav innstilling gir korte svar, høy gir lengre resonnering på krevende oppgaver.

Reflection ble grunnlagt i 2024 av de tidligere Google DeepMind-forskerne Misha Laskin og Ioannis Antonoglou, og har hentet rundt 4,7 milliarder dollar ifølge PitchBook. I sommer sikret selskapet seg compute-avtaler for over 7 milliarder dollar med SpaceX og Nebius. Målgruppen er bedrifter og stater som vil eie sine egne KI-systemer uten å bruke kinesiske modeller.

«De har egentlig ingen særlig gode alternativer i dag», sier Misha Laskin, toppsjef i Reflection, til Semafor.

Den nærmeste amerikanske konkurrenten er Inkling fra Thinking Machines Lab, sluppet i juli. Ifølge Reflections egne tall slår Beam Inkling på fire kodetester der begge har rapportert resultater, men Inkling er multimodal mens Beam bare forstår tekst.

Med 501 milliarder parametere er Beam ingen hjemmelab-modell: selv i 4-bit krever vektene rundt 250 GB minne. De fleste vil møte Beam via skyleverandører og mindre GPU-skyer, som Reflection sier skal distribuere modellen fra lansering. Apache 2.0 gir deg frihet til å finjustere og bygge kommersielt på den.

Hva bør du gjøre?

1. Meld deg på Reflections venteliste for tidlig tilgang hvis du vil teste Beam før vektene og den tekniske rapporten kommer senere i oktober.
2. Kjør dine egne koding- og agentoppgaver mot Beam og GLM-5.2 når vektene er ute, siden alle benchmarkene så langt er Reflections egne.
3. Mål tokenforbruket på lav og høy reasoning effort i dine egne agentløkker, for det er der effektivitetspåstanden står sin prøve.