Reflection AI представила Beam — открытую модель на 501 млрд параметров против китайских конкурентов
Нью-йоркский стартап Reflection AI, который поддерживает Nvidia, представил Beam: разреженную модель на 501 млрд параметров, из которых активны лишь 23 млрд. По заявлениям разработчика, она сопоставима с GLM-5.2, но требует в 3–4 раза меньше вычислений на выводе. Веса под лицензией Apache 2.0 обещаны позже в октябре.
Нью-йоркский стартап Reflection AI 5 октября представил свою первую модель — Beam. Это открытая по весам модель на 501 млрд параметров, из которых одновременно активны лишь 23 млрд. Компанию основали бывшие исследователи Google DeepMind Миша Ласкин и Иоаннис Антонологу, а среди её инвесторов — Nvidia. Beam позиционируется как ответ открытым моделям из Китая, прежде всего GLM-5.2 от Z.ai и Qwen 3.8-Max от Alibaba.
Архитектура и обучение
Beam построена как разреженная смесь экспертов (MoE): при 501 млрд общих параметров на каждый токен активируется всего 23 млрд, что резко снижает стоимость вывода по сравнению с плотной моделью того же размера. Контекстное окно достигает одного миллиона токенов.
- Модель обучили с нуля на 23,8 трлн токенов и, по заявлению компании, завершили предобучение менее чем за четыре недели на кластере из 6 144 ускорителей NVIDIA GB300 NVL72.
- Этап обучения с подкреплением прошёл на 10,5 тыс. ускорителей GB300 за четыре недели и включал более 100 млн развёртываний; всего использовано около 1,3 млрд песочниц.
- Отдельно заявлен акцент на кодинг и агентные задачи.
Заявленная производительность
По собственным замерам Reflection, Beam набирает 80,9 балла в SWE-bench Verified, 80,1 в Terminal-Bench v2.1, 78,0 в SWE-bench Multilingual, 77,2 в SWE Bench Pro v2-Hard, а также 97,8 в AIME 2026 и 90,5 в GPQA Diamond. Компания утверждает, что по сложному рассуждению модель сопоставима с GLM-5.2, но требует в 3–4 раза меньше вычислений на выводе, и приближается к Qwen 3.8-Max в агентных сценариях.
Что важно понимать
Пока весов нет — это только заявления разработчика. Beam проходит финальную стадию редтиминга, а полный набор весов под лицензией Apache 2.0, карта модели, технический отчёт и инструменты для запуска и дообучения обещаны «позже в октябре». Доступ к ранней версии — по листу ожидания.
Контекст тоже имеет значение. Reflection привлекла около $4,6 млрд при оценке порядка $25 млрд и заключила многомиллиардные соглашения о вычислительных мощностях с SpaceX и облачным провайдером Nebius. Конкуренция между открытыми и закрытыми моделями становится вопросом не только технологий, но и экономики: если заявленная эффективность подтвердится, у компаний и госструктур появится более дешёвая альтернатива проприетарным API — с возможностью разворачивать модель на своей инфраструктуре.