Reflection AI a dévoilé Beam, un modèle d'intelligence artificielle à poids ouverts de 501 milliards de paramètres au total, dont la sortie complète est attendue d'ici la fin du mois.

L'entreprise a annoncé le modèle le 5 octobre 2026 et présente Beam comme une réponse occidentale aux modèles ouverts chinois qui ont discrètement conquis une part importante des charges de travail des développeurs. Les publications à poids ouverts de ce type rendent les paramètres entraînés d'un modèle disponibles au téléchargement, ce qui permet aux entreprises de les inspecter, de les adapter et de les exécuter sur leur propre infrastructure au lieu de dépendre uniquement du service hébergé d'un fournisseur.

Une architecture sparse conçue pour l'efficacité

Beam repose sur ce qui est techniquement appelé une architecture sparse Mixture-of-Experts. Bien qu'il contienne 501 milliards de paramètres au total, seuls 23 milliards sont actifs pour un token donné — l'unité de base du texte, correspondant approximativement à un mot ou à une partie de mot. Cette distinction compte, car ce sont les paramètres actifs, et non le total, qui déterminent le coût d'exécution d'un modèle. Un très grand modèle qui n'active qu'une petite fraction de lui-même à tout instant peut rester performant sans brûler d'argent à chaque réponse.

Reflection indique que Beam a été pré-entraîné sur 23 800 milliards de tokens, puis soumis à un apprentissage par renforcement à grande échelle, un processus au cours duquel le modèle s'exerce à des tâches et est récompensé pour ses bonnes réponses. L'entreprise a exécuté plus de 100 millions de ces simulations d'entraînement sur 10 500 GPU NVIDIA GB300.

L'argument des benchmarks

Reflection positionne Beam face à deux rivaux chinois précis : GLM-5.2 de Z.ai et Qwen 3.8-Max d'Alibaba. Selon les affirmations de l'entreprise, Beam égale ou approche ces modèles en termes de performances, notamment en raisonnement et en programmation.

Beam a obtenu un score de 80,9 sur SWE-Bench Verified, un benchmark qui teste la capacité d'un modèle à corriger de véritables bugs logiciels, et de 80,1 sur Terminal Bench v2.1, qui mesure l'efficacité d'un modèle dans un environnement en ligne de commande. Reflection indique que Beam atteint ce niveau compétitif tout en utilisant 3 à 4 fois moins de calcul d'inférence.

À ce stade, les benchmarks sont auto-déclarés et le rapport technique n'a pas encore été publié. Les tests indépendants commenceront une fois les poids disponibles.

Les poids complets du modèle et la documentation technique sont prévus pour une sortie d'ici la fin octobre 2026 sous licence Apache 2.0 — l'une des licences open source les plus permiss qui existent, permettant généralement aux entreprises d'utiliser, de modifier et de commercialiser le logiciel avec très peu de restrictions.

Qui se cache derrière ce projet

Reflection AI est une startup américaine fondée en mars 2024 par d'anciens chercheurs de Google DeepMind. L'entreprise a levé plus de 4 milliards de dollars depuis sa création, et sa dernière levée de fonds a porté sa valorisation pre-money à 25 milliards de dollars. Ses investisseurs incluent Nvidia, Sequoia et Citigroup.

L'entreprise a également noué des liens à Washington. Ses partenariats incluent des travaux avec le Pentagone et le département américain de l'Énergie, et Reflection indique que son orientation évolue vers une IA évolutive adaptée aux clients entreprise.

Pourquoi l'angle chinois compte

Le marché des modèles ouverts a un problème de géographie, du moins du point de vue américain. Les modèles ouverts chinois auraient récemment capturé plus de 30 % des parts de tokens, et Reflection mise sur une réelle demande pour une alternative nationale. La part de tokens mesure le volume de texte traité par les différents modèles et sert d'indicateur approximatif de l'utilisation réelle. Son objectif affiché est d'offrir aux utilisateurs occidentaux des options à poids ouverts robustes qui ne dépendent pas de fournisseurs chinois.

Pour les agences gouvernementales et les industries réglementées, la provenance d'un modèle peut compter autant que ses performances. Les travaux de Reflection avec le Pentagone et le département de l'Énergie suggèrent qu'elle s'appuie fortement sur cet argument.

Ce que cela signifie

Pour les acheteurs entreprise, c'est l'affirmation d'efficacité qu'il faut surveiller. Si Beam délivre réellement des performances comparables en raisonnement et en programmation avec 3 à 4 fois moins de calcul d'inférence, cela change les calculs de l'auto-hébergement, où les coûts d'inférence se répètent à chaque requête et augmentent directement avec l'utilisation.

Les risques sont évidents. Les benchmarks auto-déclarés ont une longue histoire de résultats plus flatteurs dans les annonces de lancement qu'en conditions réelles, et les scores en programmation sont particulièrement sensibles à la manière dont les tests sont menés. Les dates clés à surveiller sont la sortie prévue des poids et le rapport technique d'ici la fin octobre 2026.

Source : CryptoBriefing