Beam aktywuje 23 mld z 501 mld parametrów. Reflection stawia na tańsze wnioskowanie

Firma Reflection zapowiedziała Beam, swój pierwszy model z otwartymi wagami, projektowany z myślą o programowaniu, zadaniach agentowych i wnioskowaniu logicznym. Zamiast walki o bezwzględnie najwyższe pozycje w benchmarkach, głównym wyróżnikiem projektu ma być optymalizacja zużycia mocy obliczeniowej podczas generowania odpowiedzi.

Beam to architektura typu mixture of experts (MoE). Model liczy łącznie 501 miliardów parametrów, jednak przy generowaniu pojedynczego tokenu aktywuje jedynie 23 miliardy z nich. Według deklaracji Reflection w wybranych, wymagających zadaniach logicznych Beam osiąga wyniki porównywalne z GLM-5.2, zużywając przy tym od trzech do czterech razy mniej mocy obliczeniowej. W testach programistycznych i agentowych zbliża się do modelu Qwen3.8-Max, choć firma zaznacza, że w surowych osiągach wyprzedza go między innymi Kimi K3.

Jedną z kluczowych funkcji modelu ma być możliwość regulowania czasu, jaki Beam poświęca na analizę problemu przed udzieleniem odpowiedzi. Pozwala to użytkownikom sterować kompromisem między szybkością generowania a nakładem obliczeniowym — prostsze zapytania wymagają mniej zasobów, a bardziej złożone zadania otrzymują dłuższą fazę rozumowania.

Model nie jest jeszcze dostępny publicznie; obecnie korzysta z niego wybrana grupa użytkowników w ramach testów, w tym procedur bezpieczeństwa. Reflection planuje opublikować wagi na otwartej licencji Apache 2.0, pełną dokumentację oraz raport techniczny pod koniec października. Firma zachowuje jednak dla siebie zbiory danych treningowych oraz szczegółowy opis całego procesu przygotowania modelu.

Wszystkie podawane dotąd parametry wydajności i oszczędności opierają się wyłącznie na wewnętrznych deklaracjach Reflection. Ich niezależna weryfikacja będzie możliwa dopiero po publicznym udostępnieniu wag oraz metodologii testowej.