قدمت شركة Reflection AI، الشركة الأمريكية الناشئة المدعومة من Nvidia، أول نموذج لها للوزن المفتوح في 5 أكتوبر، وهو نظام متناثر من مزيج من الخبراء يسمى Beam والذي تعتبره الشركة أقوى تحدٍ غربي حتى الآن لحدود الوزن المفتوح التي تهيمن عليها حاليًا المختبرات الصينية. يأتي الإعلان، الذي نُشر على مدونة Reflection الخاصة وسرعان ما التقطته رويترز وTechCrunch وFortune وSemafor، مع تطور: النموذج غير قابل للتنزيل بعد.

تخضع شركة Beam لما تصفه الشركة بالفريق الأحمر النهائي والتقييمات. الوصول المبكر مفتوح من خلال عملية الاشتراك، وتقول شركة Reflection إنها ستصدر الأوزان والتقرير الفني وبطاقة النموذج وعناصر المطورين في وقت لاحق من هذا الشهر. عندما يحدث ذلك، ستصبح Beam واحدة من أكبر الإصدارات ذات الوزن المفتوح التي نشرها مختبر أمريكي على الإطلاق، وأوضح اختبار حتى الآن حول ما إذا كانت شركة أمريكية قادرة على مضاهاة إيقاع الإصدار والانفتاح الذي جعل النماذج الصينية الخيار الافتراضي لكثير من مجتمع المصادر المفتوحة. للحصول على تغطية مستمرة لسباق الوزن المفتوح وكل شيء آخر يحرك الملعب، قم بوضع إشارة مرجعية على صفحتنا الرئيسية لأخبار الذكاء الاصطناعي.

الأرقام خلف الشعاع

Beam عبارة عن نموذج متناثر من مزيج من الخبراء يحتوي على 501 مليار معلمة إجمالية، منها ما يقرب من 23 مليار نشطة لكل رمز مميز. تقول شركة Reflection إنها قامت بتدريب النموذج مسبقًا على 23.8 تريليون رمز مميز مستمدة من الويب ومجموعات البيانات المرخصة الخاصة، مدعية أن النموذج الأساسي يطابق أو يتفوق على نماذج القاعدة المفتوحة ذات الحجم المماثل.

الادعاء الأكثر تميزًا يتعلق بالتعلم المعزز. قامت شركة Reflection ببناء الخوارزميات وبيئات التدريب والبنية التحتية للحفاظ على RL عالي الحوسبة على نطاق واسع، وتشير الشركة إلى أن تشغيل RL الخاص بها قد أنتج أكثر من 100 مليون عملية نشر عبر 10500 وحدة معالجة رسوميات NVIDIA GB300 على مدار أربعة أسابيع من التدريب. يعد هذا استثمارًا كبيرًا بشكل غير عادي في RL لإصدار مفتوح الوزن، وينسب إليه Reflection الفضل في أداء Beam التنافسي مع ما يطلق عليه كفاءة حساب الاستدلال الحدودي.

المعايير: تنافسية، وليست رائدة بعد

يضع الجدول القياسي المنشور من Reflection Beam بقوة في حزمة الوزن المفتوح، خلف أكبر الموديلات الصينية ولكنه متقدم أو متساوي مع العديد من الأسماء الراسخة.

في SWE-Bench Pro v2-Hard، حصل Beam على 77.2 نقطة، خلف GLM 5.3 عند 88.2 وKimi K3 عند 88.2 في نفس الصف، لكنه متقدم بفارق كبير عن Inkling عند 56.9. في SWE-Bench Pro v1، سجل Beam 65.5، متقدمًا على Inkling (54.3)، وNemotron 3 Ultra (46.4)، وGLM 5.2 (62.1)، بينما سجل Qwen 3.8-Max 67.7. في معيار الترميز الوكيل DeepSWE v1.1، سجلت Beam 44.4، مساوية لـ GLM 5.2's 44.0 وخلف GLM 5.3 (61.0)، وQwen 3.8-Max (51.0)، وDeepSeek V4.1 Flash (74.2).

إن إطار الشركة الخاص صريح بشأن مكان وجود Beam. في منشور المدونة، كتب Reflection أن Beam "تعمل على تطوير الحدود الغربية للوزن المفتوح" وهي "تتنافس مع النماذج المفتوحة الأكبر مثل GLM 5.2 وتقترب من Qwen 3.8-Max في مهام البرمجة والوكلاء." كما تعترف بأن الطرازات المفتوحة مثل Kimi K3 "تظل في المقدمة من حيث القدرات الخام".

هناك تحذيران يستحقان التركيز. أولاً، يتم الإبلاغ عن كل رقم هنا ذاتيًا بواسطة Reflection قبل إصدار الوزن، ولن يصبح التحقق المستقل ممكنًا إلا بمجرد نشر التقرير الفني ونقاط التفتيش. ثانيًا، تم وضع علامة على العديد من الخلايا في جدول الشركة على أنها لم يتم الإبلاغ عنها، مما يجعل إجراء مقارنات كاملة بين التفاحات أمرًا مستحيلًا في الوقت الحالي.

حجة الكفاءة

ما يعتبره Reflection الميزة الحقيقية لـ Beam ليس موقع المتصدرين الأولي ولكن التكلفة في وقت الاستدلال. نظرًا لأن 23 مليارًا فقط من 501 مليار معلمة يتم تنشيطها لكل رمز مميز، تجادل الشركة بأن Beam يمكنها تقديم أداء وكيل وترميز قريب من الحدود بجزء صغير من التكلفة الحسابية للنماذج الكثيفة الأكبر حجمًا. ويعكس هذا الوضع الاستراتيجية التي جعلت الأسر الصينية ذات الوزن المفتوح تحظى بشعبية كبيرة بين الشركات الناشئة: القدرة القوية بالقدر الكافي بأسعار تجعل الوكلاء الدائمين قابلين للحياة اقتصاديا.

إذا نجح ادعاء الكفاءة في النجاة من معايير القياس المستقلة، فقد يكون الأمر أكثر أهمية من دلتا المتصدرين. تهتم الفرق التي تدير الآلاف من وكلاء الترميز المتوازيين بالتكلفة لكل مهمة مكتملة أكثر من الاهتمام بالنقاط المعيارية المكونة من رقم واحد.

تيار جيوسياسي خفي

كانت تغطية الإطلاق جيوسياسية بشكل لافت للنظر بالنسبة لإصدار نموذج مفتوح المصدر. وصفت رويترز Beam بأنه "أول نموذج للذكاء الاصطناعي" من شركة Reflection "يأخذ النماذج الصينية المفتوحة". وتساءلت مجلة "فورتشن" عما إذا كانت "بيم" يمكن أن تكون "أفضل فرصة لأميركا للتنافس مع الصين"، ووصفت سيمافور الشركة بأنها "إجابة غربية مفتوحة المصدر للمختبرات الصينية".

يعكس هذا الإطار حالة النظام البيئي مفتوح الوزن في أواخر عام 2026: فقد جاءت النماذج الأكثر قدرة القابلة للتنزيل بأغلبية ساحقة من المختبرات الصينية بما في ذلك عائلة Z.ai GLM، وخط Kimi من Moonshot، وQwen من Alibaba، وDeepSeek. أبقت المختبرات الأمريكية أفضل أوزانها مغلقة إلى حد كبير، وراهنت على إيرادات API بدلاً من ذلك. يراهن برنامج Reflection على العكس من ذلك: أن نموذج الحدود الغربية المفتوحة يمكن أن يجذب النظام البيئي للمطورين، وأن دعم Nvidia يمنحها مدرجًا حاسوبيًا لمواكبة ذلك.

ماذا سيحدث بعد ذلك

سوف يجيب إصدار الوزن في وقت لاحق من هذا الشهر على الأسئلة المهمة: كيف يعمل Beam خارج تقييمات Reflection الخاصة، وما هو الترخيص المصاحب للأوزان، وما إذا كانت الكفاءة تصمد تحت الحمل المستقل. وحتى ذلك الحين، يظل Beam بمثابة جدول مرجعي واعد، ونموذج تسجيل، والوعد الأكثر أهمية للوزن المفتوح الذي قدمه مختبر أمريكي هذا العام.

بالنسبة للمطورين الذين يقررون ما إذا كانوا يريدون توحيد معايير GLM أو Kimi أو Qwen أو انتظار Beam، فإن النصيحة العملية هي اتخاذ القرارات النهائية حتى صدور التقرير الفني وتقييمات الطرف الثالث. يضم سباق الوزن المفتوح مشاركًا أمريكيًا جديدًا، ولأول مرة منذ فترة، لا يبدأ من مؤخرة المجموعة.

البقاء في صدارة الذكاء الاصطناعي

تتحرك حدود الوزن المفتوح أسبوعيًا، وتطلق المختبرات سراحها بشكل أسرع مما يستطيع أي شخص تتبعه. اقرأ المزيد من أخبار الذكاء الاصطناعي على AI Buzz Wire لعمليات إطلاق النماذج وتفاصيل المعايير وقصص الأعمال التي تقف خلفها.

استكشف أحدث تطورات الذكاء الاصطناعي هنا.