Reflection AI, la startup américaine soutenue par Nvidia, a présenté son premier modèle à poids ouvert le 5 octobre, un système à mélange d'experts clairsemé appelé Beam que la société présente comme le plus grand défi occidental à ce jour à la frontière du poids ouvert actuellement dominée par les laboratoires chinois. L'annonce, publiée sur le propre blog de Reflection et rapidement reprise par Reuters, TechCrunch, Fortune et Semafor, arrive avec une particularité : le modèle n'est pas encore téléchargeable.

Beam fait actuellement l'objet de ce que l'entreprise décrit comme une équipe rouge et des évaluations finales. L'accès anticipé est ouvert via un processus d'inscription, et Reflection indique qu'il publiera les poids, un rapport technique, une carte modèle et des artefacts de développement plus tard ce mois-ci. Lorsque cela se produira, Beam deviendra l’une des plus grandes versions ouvertes jamais publiées par un laboratoire américain, et le test le plus clair à ce jour pour savoir si une entreprise américaine peut égaler la cadence de publication et l’ouverture qui ont fait des modèles chinois le choix par défaut pour une grande partie de la communauté open source. Pour une couverture continue de la course aux poids libres et de tout ce qui bouge sur le terrain, ajoutez notre page d'accueil d'actualités sur l'IA à vos favoris.

Les chiffres derrière Beam

Beam est un modèle mixte d'experts avec 501 milliards de paramètres au total, dont environ 23 milliards sont actifs par jeton. Reflection affirme avoir pré-entraîné le modèle sur 23,8 billions de jetons tirés du Web et d'ensembles de données propriétaires sous licence, affirmant que le modèle de base correspond ou surpasse les modèles de base ouverts de taille similaire.

L’affirmation la plus distinctive concerne l’apprentissage par renforcement. Reflection a construit les algorithmes, les environnements de formation et l'infrastructure pour soutenir le RL de calcul élevé à grande échelle, et la société rapporte que son exécution RL a généré plus de 100 millions de déploiements sur 10 500 GPU NVIDIA GB300 sur quatre semaines de formation. Il s'agit d'un investissement RL inhabituellement important pour une version à poids ouvert, et Reflection lui attribue les performances compétitives de Beam avec ce qu'il appelle l'efficacité de calcul de l'inférence de frontière.

Benchmarks : compétitif, pas encore leader

Le tableau de référence publié par Reflection place Beam solidement dans le peloton des poids ouverts, derrière les plus grands modèles chinois mais devant ou au niveau de plusieurs noms établis.

Sur SWE-Bench Pro v2-Hard, Beam obtient un score de 77,2, derrière GLM 5,3 à 88,2 et Kimi K3 à 88,2 sur la même ligne, mais bien devant Inkling à 56,9. Sur SWE-Bench Pro v1, Beam obtient un score de 65,5, devant Inkling (54,3), Nemotron 3 Ultra (46,4) et GLM 5.2 (62,1), tandis que Qwen 3.8-Max affiche 67,7. Sur le benchmark de codage agent DeepSWE v1.1, Beam enregistre 44,4, au niveau des 44,0 de GLM 5.2 et derrière GLM 5.3 (61,0), Qwen 3.8-Max (51,0) et DeepSeek V4.1 Flash (74,2).

Le propre cadrage de l’entreprise est franc sur la position de Beam. Dans le billet de blog, Reflection écrit que Beam « fait progresser la frontière occidentale du poids ouvert » et est « compétitif avec des modèles ouverts plus grands comme GLM 5.2 et se rapproche de Qwen 3.8-Max en termes de codage et de tâches d'agent ». Il admet également que les modèles ouverts comme le Kimi K3 « restent en avance en termes de capacités brutes ».

Deux mises en garde méritent d’être soulignées. Premièrement, chaque chiffre ici est auto-déclaré par Reflection avant le largage du poids, et une vérification indépendante ne deviendra possible qu'une fois que le rapport technique et les points de contrôle seront publics. Deuxièmement, plusieurs cellules du tableau de l'entreprise sont marquées comme non déclarées, ce qui rend impossible pour l'instant des comparaisons complètes entre pommes.

L'argument de l'efficacité

Ce que Reflection présente comme le véritable avantage de Beam n'est pas la position brute dans le classement, mais le coût au moment de l'inférence. Étant donné que seulement 23 milliards de ses 501 milliards de paramètres sont activés par jeton, la société affirme que Beam peut offrir des performances d'agent et de codage proches des frontières pour une fraction du coût de calcul des modèles denses plus grands. Ce positionnement reflète la stratégie qui a rendu les familles chinoises à poids ouvert si populaires auprès des startups : des capacités suffisamment solides à des prix qui rendent les agents toujours actifs économiquement viables.

Si l’allégation d’efficacité survit à une analyse comparative indépendante, elle pourrait avoir plus d’importance que les deltas du classement. Les équipes qui exécutent des milliers d’agents de codage parallèle se soucient davantage du coût par tâche terminée que des points de référence à un chiffre.

Un courant géopolitique sous-jacent

La couverture du lancement a été étonnamment géopolitique pour un modèle open source. Reuters a décrit Beam comme le « premier modèle d'IA » de Reflection à « s'attaquer aux modèles ouverts chinois ». Fortune a demandé si Beam pouvait être « la meilleure chance pour l'Amérique de rivaliser avec la Chine », et Semafor a présenté l'entreprise comme « une réponse occidentale open source aux laboratoires chinois ».

Ce cadre reflète l'état de l'écosystème des poids ouverts à la fin de 2026 : les modèles téléchargeables les plus performants proviennent en grande majorité de laboratoires chinois, notamment la famille GLM de Z.ai, la gamme Kimi de Moonshot, Qwen et DeepSeek d'Alibaba. Les laboratoires américains ont largement gardé leurs meilleures pondérations fermées, pariant plutôt sur les revenus des API. La réflexion parie sur le contraire : qu'un modèle de frontière occidentale ouverte peut attirer l'écosystème des développeurs et que le soutien de Nvidia lui donne la piste de calcul nécessaire pour suivre le rythme.

Que se passe-t-il ensuite

La publication des poids plus tard ce mois-ci répondra aux questions importantes : comment Beam fonctionne en dehors des propres évaluations de Reflection, quelle licence accompagne les poids et si l'efficacité résiste sous une charge indépendante. D’ici là, Beam reste une table de référence prometteuse, un formulaire d’inscription et la promesse de poids ouvert la plus conséquente qu’un laboratoire américain ait faite cette année.

Pour les développeurs qui décident de standardiser sur GLM, Kimi, Qwen ou d'attendre Beam, le conseil pratique est de prendre les décisions finales jusqu'à ce que le rapport technique et les évaluations tierces arrivent. La course aux poids ouverts compte un nouveau participant américain et, pour la première fois depuis longtemps, elle ne part pas de l'arrière du peloton.

Gardez une longueur d'avance sur l'IA

La frontière du poids ouvert se déplace chaque semaine et les laboratoires publient plus rapidement que quiconque ne peut le suivre. Lisez plus d'actualités sur l'IA sur AI Buzz Wire pour les lancements de modèles, les analyses de référence et les histoires commerciales qui les sous-tendent.

Découvrez les derniers développements de l'IA ici.