Reflection AI представила Beam — открытую модель искусственного интеллекта с 501 млрд общих параметров; полный релиз ожидается до конца этого месяца.

Компания объявила о модели 5 октября 2026 года и позиционирует Beam как западный ответ китайским открытым моделям, которые незаметно заняли значительную часть рабочих нагрузок разработчиков. Открытые релизы такого рода делают обученные параметры модели доступными для скачивания, то есть компании могут изучать, адаптировать и запускать её на собственной инфраструктуре, не полагаясь исключительно на хостинговый сервис провайдера.

Разреженная архитектура, созданная для эффективности

Beam построена на архитектуре, технически известной как разреженный Mixture-of-Experts. Хотя модель содержит в общей сложности 501 млрд параметров, при обработке каждого токена — базовой единицы текста, примерно соответствующей слову или его части — активны только 23 млрд. Это различие важно, поскольку стоимость работы модели определяют активные, а не общие параметры. Очень большая модель, задействующая в каждый момент лишь малую часть себя, может оставаться способной, не сжигая деньги на каждом ответе.

По данным Reflection, Beam была предобучена на 23,8 трлн токенов, а затем прошла масштабное обучение с подкреплением — процесс, в котором модель практикуется в задачах и получает вознаграждение за правильные ответы. Компания провела более 100 миллионов таких тренировочных прогонов на 10 500 GPU NVIDIA GB300.

Бенчмарки

Reflection позиционирует Beam против двух конкретных китайских конкурентов: GLM-5.2 от Z.ai и Qwen 3.8-Max от Alibaba. Согласно заявлениям компании, Beam соответствует этим моделям по производительности или приближается к ним, особенно в задачах рассуждения и программирования.

Beam набрала 80,9 баллов на SWE-Bench Verified — бенчмарке, проверяющей способность модели исправлять реальные ошибки в программном обеспечении, — и 80,1 на Terminal Bench v2.1, измеряющей, насколько хорошо модель работает в среде командной строки. Reflection утверждает, что Beam достигает этого конкурентного уровня, используя в 3–4 раза меньше вычислительных ресурсов на инференс.

На данном этапе результаты бенчмарков заявлены самой компанией, а технический отчёт ещё не опубликован. Независимое тестирование начнётся после выхода весов модели.

Полные веса модели и техническая документация должны быть выпущены в октябре 2026 года под лицензией Apache 2.0 — одной из самых разрешительных лицензий с открытым исходным кодом, которая, как правило, позволяет компаниям использовать, изменять и коммерциализировать программное обеспечение с минимальными ограничениями.

Кто стоит за проектом

Reflection AI — американский стартап, основанный в марте 2024 года бывшими исследователями Google DeepMind. С момента основания компания привлекла более 4 млрд долларов, а её последний раунд финансирования оценил компанию pre-money в 25 млрд долларов. Среди инвесторов — Nvidia, Sequoia и Citigroup.

Компания также выстроила связи в Вашингтоне. Её партнёрстваают работу с Пентагоном и Министерством энергетики США, а Reflection заявляет, что её фокус смещается в сторону масштабируемого ИИ, ориентированного на корпоративных клиентов.

Почему важен китайский аспект

У рынка открытых моделей есть географическая проблема, по крайней мере с точки зрения США. По имеющимся данным, китайские открытые модели недавно захватили более 30% доли токенов, и Reflection делает ставку на реальный спрос на отечественную альтернативу. Доля токенов отслеживает объём текста, обрабатываемого различными моделями, и служит приблизительным показателем реального использования. Заявленная цель компании — предоставить западным пользователям надёжные открытые варианты, не зависящие от китайских провайдеров.

Для государственных органов и регулируемых отраслей происхождение модели может иметь такое же значение, как и её производительность. Работа Reflection с Пентагоном и Министерством энергетики говорит о том, что компания активно делает ставку на этот аргумент.

Что это значит

Для корпоративных покупателей главный вопрос — заявление об эффективности. Если Beam действительно обеспечивает сопоставимую производительность в задачах рассуждения и программирования при использовании в 3–4 раза меньше вычислительных ресурсов на инференс, это меняет расчёты по самостоятельному хостингу, где затраты на инференс повторяются с каждым запросом и растут прямо пропорционально использованию.

Риски очевидны. Бенчмарки, заявленные самими разработчиками, исторически часто выглядят лучше в анонсе, чем в реальных условиях, а результаты в программировании особенно чувствительны к способу проведения тестов. Ключевые даты, за которыми стоит следить, — запланированный релиз весов и технический отчёт в октябре 2026 года.

Источник: CryptoBriefing