Reflection AIがオープンウェイトモデル「Beam」(総パラメータ5010億) を今月中に発表
重要ポイント
- •Reflection AIは総パラメータ5010億個のオープンウェイトモデル「Beam」を発表しました。完全なウェイトと技術ドキュメントは2026年10月中にApache 2.0ライセンスで公開予定です。
- •同モデルはスパースなMixture-of-Expertsアーキテクチャを採用し、トークンごとにアクティブになるのは230億パラメータのみで、この設計により実行コストが抑えられると同社は説明しています。
- •Reflectionは、BeamがSWE-Bench Verifiedで80.9、Terminal Bench v2.1で80.1を記録し、推論計算量を3〜4分の1に抑えながらZ.aiのGLM-5.2やアリババのQwen 3.8-Maxに匹敵または接近すると主張しています。
- •ベンチマーク結果は自己申告であり、独立した検証はウェイト公開後に開始される予定です。
- •Reflection AIは2024年3月に元Google DeepMindの研究者らにより設立され、投資前評価額250億ドルで40億ドル超を調達しており、投資家にはNvidia、Sequoia、Citigroupが含まれ、ペンタゴンや米エネルギー省との提携も持っています。
Reflection AIは、総パラメータ5010億個のオープンウェイトAIモデル「Beam」を発表しました。完全なリリースは今月中に予定されています。
同社は2026年10月5日にこのモデルを発表し、開発者ワークロードの大きな割合を静かに奪ってきた中国系オープンモデルに対する西洋からの回答としてBeamを位置づけています。この種のオープンウェイトリリースでは、学習済みパラメータがダウンロード可能になり、企業はプロバイダーのホスト型サービスに頼ることなく、自社のインフラ上でモデルを検証、改変、実行できます。
効率のために設計されたスパースアーキテクチャ
Beamは、技術的にはスパースなMixture-of-Expertsアーキテクチャと呼ばれる設計に基づいています。総パラメータは5010億個ありますが、任意のトークン(テキストの基本単位で、おおむね1単語または単語の一部に相当)に対してアクティブになるのは230億個のみです。モデルの実行コストを左右するのは総パラメータ数ではなくアクティブなパラメータ数であるため、この差は重要です。巨大なモデルでも、一度にそのごく一部しか動かさなければ、返答ごとにコストをかけずに高性能を維持できます。
Reflectionによると、Beamは23.8兆トークンで事前学習された後、タスクを練習し正解に対して報酬を得るプロセスである大規模強化学習を経ました。同社はNVIDIA GB300 GPU 10,500基で1億回超の練習用ロールアウトを実行したとしています。
ベンチマークの主張
Reflectionは、BeamをZ.aiのGLM-5.2とアリババのQwen 3.8-Maxという2つの具体的な中国勢のライバルと対比させています。同社の主張によれば、Beamは特に推論とコングにおいて、これらのモデルに匹敵または接近する性能を示します。
Beamは、実際のソフトウェアバグを修正できるかを試すSWE-Bench Verifiedで80.9、コマンドライン環境での動作能力を測るTerminal Bench v2.1で80.1を記録しました。Reflectionは、Beamが推論計算量を3〜4分の1に抑えながらこの競争力のあるレベルに到達したとしています。
ベンチマーク結果は現時点で自己申告であり、技術レポートはまだ公開されていません。独立した検証は、ウェイトが公開され次第始まります。
モデルの完全なウェイトと技術ドキュメントは、2026年10月中にApache 2.0ライセンスで公開される予定です。Apache 2.0は最も制約の少ないオープンソースライセンスの一つで、一般的に企業はほとんど条件なしでソフトウェアを利用、改変、商用化できます。
背後の企業
Reflection AIは、元Google DeepMindの研究者らによって2024年3月に設立された米国のスタートアップです。同社は設立以来40億ドル以上を調達しており、最新の資金調達ラウンドで投資前評価額は250億ドルに達しました。投資家にはNvidia、Sequoia、Citigroupが含まれます。
同社はワシントンとの関係も構築しています。パートナーシップにはペンタゴンや米エネルギー省との協業が含まれ、Reflectionはエンタープライズ顧客向けのスケーラブルなAIへ注力を移していると述べています。
中国要素が重要な理由
オープンモデル市場には、少なくとも米国の視点からは地理的な問題があります。報道によれば、中国系オープンモデルは最近、トークンシェアの30%超を獲得しており、Reflectionは自国産の代替に対する現実の需要があると bet しています。トークンシェアは各モデルを通じて処理されるテキストの量を追跡する指標で、実世界での利用状況のおおよその目安となります。同社の掲げる目的は、中国系プロバイダーに依存しない堅牢なオープンウェイトの選択肢を西洋のユーザーに提供することです。
政府機関や規制産業にとっては、モデルの性能と同様に、その出身が重要になり得ます。Reflectionのペンタゴンやエネルギー省との取り組みは、同社がこの論点に強く乗り出していることを示唆しています。
これが意味するもの
エンタープライズの購買担当者にとって注目すべきは、効率性に関する主張です。Beamが本当に推論計算量を3〜4分の1に抑えながら同等の推論・コーディング性能を提供するなら、クエリごとに推論コストが発生し使用量に比例して増大するセルフホスティングの損益計算が変わります。
明確なリスクも存在します。自己申告のベンチマークは、公開投稿時の見え方が実運用よりも良く見える歴史が長く、特にコーディングのスコアはテストの実施方法に左右されやすいものです。注目すべき重要な日程は、2026年10月中にされているウェイトの公開と技術レポートの発表です。
出典: CryptoBriefing
