Reflection uvedla Beam 501B-A23B, otevřený model pro kód a agenty
Startup Reflection uvedl textový model Beam s 501 miliardami parametrů a slibuje zveřejnění jeho vah pod licencí Apache 2.0 v říjnu 2026.
V kostce:
- Beam má 501 miliard parametrů a 23 miliard aktivních parametrů
- Předtrénink využil 23,8 bilionu tokenů a kontext 1 milion tokenů
- Výrobce hlásí 80,9 bodu v testu SWE-bench Verified
Společnost Reflection uvedla svůj první model s názvem Beam, textový model typu mixture-of-experts s 501 miliardami parametrů celkem a 23 miliardami aktivních parametrů. Model je určen pro programování a agentní a vědecké úlohy, byl vycvičen od nuly a jeho váhy mají být dostupné pod licencí Apache 2.0 ještě v říjnu 2026. Firma jej představila na začátku října 2026 jako otevřenou alternativu k čínským otevřeným modelům.
Beam byl předtrénován na 23,8 bilionu tokenů z webu, veřejných zdrojů a licencovaných datových sad. Podle společnosti Reflection kurace odstranila asi 95 % surových internetových tokenů, zároveň si ponechala zhruba 1,8 bilionu vysoce kvalitních tokenů, které by běžné filtry vyřadily. Efektivní kontextové okno činí 1 milion tokenů a model nabízí parametr náročnosti uvažování pro přizpůsobení délky odpovědi obtížnosti úlohy a rozpočtu na výpočty.
Předtrénink trval méně než čtyři týdny na 6 144 grafických procesorech Nvidia GB300 a ke konci dosáhl využití výpočetního výkonu 92,3 % při devíti částečně automatických obnoveních výpočtu. Posilovací učení pak podle společnosti Reflection běželo čtyři týdny na přibližně 10,5 tisíce čipů GB300 a zahrnovalo více než 100 milionů rolloutů v téměř 1 milionu prostředí pro programování, agentní úlohy a přírodní a technické vědy. Systém průměrně udržoval 110 tisíc souběžných rolloutů, nové váhy se do inferenční flotily dostaly v mediánu za asi 12 sekund a 71 incidentů inference bylo vyřešeno bez zastavení tréninku.
Architektura střídá lokální a globální pozornost a využívá jemně dělené směrované experty. Vyvažování zátěže navazuje na přístup bez pomocné ztrátové funkce z modelu DeepSeek-V3 a nejvytíženější expert dosáhl na konci předtréninku jen 1,04násobku průměrné zátěže. Společnost Reflection uvádí, že trénink a hodnocení spotřebovaly asi 1,3 miliardy sandboxů a že kontrolovatelná penalizace délky naučila model řešit úlohy s menším počtem tokenů.
Vlastní výsledky výrobce hovoří o 80,9 bodu v testu SWE-bench Verified a 80,1 bodu v testu Terminal Bench v2.1. Pro srovnání společnost uvádí 70,7 bodu pro model Nemotron 3 Ultra v prvním testu a 81,0 bodu pro model GLM 5.2 ve druhém testu, přičemž rivaly DeepSeek V4.1 Flash s 90,6 bodu a Kimi K3 s 88,3 bodu řadí v Terminal Bench výše. Podle společnosti Reflection Beam výkonnostně odpovídá modelu GLM-5.2 a překonává současné západní otevřené modely při 3 až 4krát nižších nárocích na inferenční výpočty. Tato tvrzení však podle serveru TechCrunch zatím nebyla nezávisle ověřena.
Pozorovatelé řadí Beam přibližně na úroveň modelu GLM-5.2. Novější modely GLM 5.3, Kimi K3, Qwen 3.8 Max a DeepSeek V4.1 Flash jsou podle shrnutí serveru Latent Space celkově napřed. Společnost Reflection ve vlastních srovnáních uvádí, že Beam překonává model Inkling ve čtyřech testech programování, kde oba modely hlásí výsledky; Inkling je však multimodální, zatímco Beam zpracovává pouze text. Služba Artificial Analysis, která má k modelu předběžný přístup, podle serveru Latent Space očekává, že Beam bude patřit k tokenově nejúspornějším otevřeným modelům vzhledem ke své inteligenci.
Společnost Reflection, založená v roce 2024 dvěma bývalými výzkumníky z Google DeepMind, získala podle PitchBooku zhruba 4,7 miliardy dolarů od investorů včetně společností Nvidia, Sequoia Capital a Lightspeed Venture Partners, přičemž poslední kolo ji ocenilo na 25 miliard dolarů před investicí. V létě podepsala smlouvy za více než 7 miliard dolarů se společnostmi SpaceX a Nebius na přístup k čipům GB300 do roku 2029. Model zatím není dostupný pro vlastní nasazení a prochází závěrečným bezpečnostním testováním a předběžný přístup funguje přes čekací listinu.
Společnost cílí s modelem Beam a budoucími modely na podniky a státní správu a nabízí koncept takzvaných továren na AI pro lokální systémy trénované na vlastních datech zákazníků. Už testuje partnerský koncept se skupinou Shinsegae Group v Jižní Koreji a váhy a technické detaily chce distribuovat přes hyperscalery a neocloudy s integracemi do otevřených knihoven. Pro bezpečnost trénovala odděleného učitele pro bezpečnost a sladění a spojila jej s učitelem pro posilovací učení pomocí destilace. Výsledky hodnocení bezpečnosti mají být součástí technické zprávy.
Co to znamená: Pro firmy jde o další otevřenou volbu pro kód a agenty s důrazem na nižší inferenční nároky; reálnou hodnotu ale určí až zveřejněné váhy, technická zpráva a nezávislé ověření. V auditu bude nutné porovnat deklarované výsledky v testech SWE-bench Verified a Terminal Bench v2.1 s vlastními úlohami a prověřit licenci Apache 2.0, kontext 1 milion tokenů a provozní požadavky modelu.
Zdroje: