Reflection AI a présenté Beam, son premier modèle sparse Mixture-of-Experts (MoE) à poids ouverts conçu pour le codage, le raisonnement et les charges de travail agentic. Le modèle dispose de 501B de paramètres au total avec seulement 23B actifs par token, visant à rivaliser avec des modèles ouverts plus grands tout en utilisant nettement moins de puissance d'inférence.
- Beam a été préentraîné sur 23,8 billions de tokens en utilisant 6 144 GPU NVIDIA GB300 en moins de quatre semaines, avec un ensemble de données curaté qui a conservé des échantillons de haute qualité que les filtres conventionnels auraient rejetés.
- L'apprentissage par renforcement a utilisé 10 500 GPU NVIDIA GB300 pendant quatre semaines, générant plus de 100 millions de rollouts sur près d'un million d'environnements de codage et agentic.
- Le modèle obtient 80,9 sur SWE-bench Verified et 80,1 sur Terminal Bench v2.1, surpassant Nemotron 3 Ultra sur le premier tout en restant proche de GLM 5.2 sur le second.
- Beam inclut un paramètre d'effort de raisonnement contrôlable, permettant aux utilisateurs d'ajuster la longueur et la complexité des réponses en fonction de la difficulté de la tâche et du budget de calcul.
- Les poids sont prévus pour une publication sous licence Apache 2.0 plus tard en octobre 2026, avec un accès anticipé actuellement disponible via une liste d'attente sur la plateforme Reflection.
Reflection positionne Beam comme faisant avancer la frontière des modèles ouverts occidentaux en offrant une efficacité lors de l'inférence par rapport aux concurrents tels que Kimi K3 et GLM 5.2.