Reflection AI при поддержке Nvidia представляет Beam, модель открытого веса с параметром 501B, которая бросает вызов китайским лабораториям

Reflection AI, американский стартап, поддерживаемый Nvidia, 5 октября представил свою первую модель с открытым весом — систему с редким составом экспертов под названием Beam, которую компания позиционирует как самый сильный западный вызов на пути к границе открытого веса, в которой в настоящее время доминируют китайские лаборатории. Объявление, опубликованное в собственном блоге Reflection и быстро подхваченное Reuters, TechCrunch, Fortune и Semafor, имеет неожиданный поворот: модель пока недоступна для скачивания.

Beam проходит то, что компания называет окончательным объединением и оценкой. Ранний доступ открыт после регистрации, и Reflection заявляет, что выпустит веса, технический отчет, карточку модели и артефакты разработчика позднее в этом месяце. Когда это произойдет, Beam станет одним из крупнейших релизов с открытым исходным кодом, когда-либо опубликованных американской лабораторией, и самым четким тестом того, сможет ли американская компания соответствовать темпу выпуска и открытости, которые сделали китайские модели выбором по умолчанию для большей части сообщества разработчиков открытого исходного кода. Чтобы постоянно освещать гонки в открытом весе и все остальное, что происходит на поле, добавьте в закладки нашу домашнюю страницу новостей AI.

Цифры за лучом

Beam — это модель с редким составом экспертов с 501 миллиардом общих параметров, из которых примерно 23 миллиарда активных на каждый токен. В Reflection заявляют, что предварительно обучили модель на 23,8 триллионах токенов, взятых из Интернета и собственных лицензированных наборов данных, утверждая, что базовая модель соответствует или превосходит аналогичные модели с открытой базой аналогичного размера.

Более четкое утверждение касается обучения с подкреплением. Компания Reflection создала алгоритмы, среду обучения и инфраструктуру для поддержки высокопроизводительного RL в масштабе, и компания сообщает, что ее запуск RL привел к более чем 100 миллионам развертываний на 10 500 графических процессорах NVIDIA GB300 за четыре недели обучения. Это необычно большие инвестиции в RL для выпуска с открытым весом, и Reflection отдает должное этим конкурентоспособным характеристикам Beam с тем, что они называют «передовой эффективностью вычислений на основе вывода».

Контрольные показатели: конкурентоспособность, но еще не лидерство

Опубликованная Reflection таблица эталонных показателей ставит Beam прочно в рейтинге открытых моделей, позади самых крупных китайских моделей, но опережая или на одном уровне с несколькими известными именами.

На SWE-Bench Pro v2-Hard Beam набрал 77,2, отстав от GLM на 5,3 с 88,2 и Kimi K3 с 88,2 в том же ряду, но значительно опережая Inkling с 56,9. На SWE-Bench Pro v1 Beam набрал 65,5 баллов, опередив Inkling (54,3), Nemotron 3 Ultra (46,4) и GLM 5,2 (62,1), а Qwen 3.8-Max набрал 67,7. В тесте агентного кодирования DeepSWE v1.1 Beam набрал 44,4, что соответствует 44,0 у GLM 5.2 и уступает GLM 5.3 (61,0), Qwen 3.8-Max (51,0) и DeepSeek V4.1 Flash (74,2).

Сама компания откровенно говорит о том, где находится Бим. В своем блоге Reflection пишет, что Beam «продвигает западные границы открытого веса» и «конкурирует с более крупными открытыми моделями, такими как GLM 5.2, и приближается к Qwen 3.8-Max по программированию и агентным задачам». Он также признает, что такие открытые модели, как Kimi K3, «остаются впереди по своим возможностям».

Два предостережения заслуживают особого внимания. Во-первых, каждое число здесь указывается компанией Reflection самостоятельно перед публикацией веса, и независимая проверка станет возможной только после того, как технический отчет и контрольные точки станут общедоступными. Во-вторых, несколько ячеек в собственной таблице компании помечены как не сообщаемые, что делает на данный момент невозможным полное сравнение яблок с яблоками.

Аргумент эффективности

Реальным преимуществом Beam Reflection считает не чистую позицию в таблице лидеров, а стоимость на этапе вывода. Поскольку только 23 миллиарда из 501 миллиарда параметров активируются на каждый токен, компания утверждает, что Beam может обеспечить почти граничную производительность агентов и кодирования за небольшую часть вычислительных затрат, которые требуют более крупные плотные модели. Такое позиционирование отражает стратегию, которая сделала китайские семьи открытого веса настолько популярными среди стартапов: достаточно сильные возможности по ценам, которые делают постоянно действующих агентов экономически жизнеспособными.

Если заявление об эффективности выдержит независимый сравнительный анализ, это может иметь большее значение, чем разница в таблице лидеров. Команды, использующие тысячи агентов параллельного кодирования, больше заботятся о стоимости выполненной задачи, чем о однозначных контрольных точках.

Геополитическое течение

Освещение запуска было поразительно геополитическим для выпуска модели с открытым исходным кодом. Агентство Reuters описало Beam как «первую модель искусственного интеллекта» от Reflection, которая «взяла на вооружение китайские открытые модели». Fortune спросил, может ли Beam стать «лучшим шансом Америки конкурировать с Китаем», а Семафор представил компанию как «западный ответ с открытым исходным кодом китайским лабораториям».

Эта структура отражает состояние экосистемы открытых весов в конце 2026 года: самые функциональные загружаемые модели в подавляющем большинстве поступили из китайских лабораторий, включая семейство GLM от Z.ai, линейку Kimi от Moonshot, Qwen от Alibaba и DeepSeek. Американские лаборатории в основном держали свои лучшие веса закрытыми, вместо этого делая ставку на доходы от API. Reflection делает ставку на обратное: модель открытого западного фронта может привлечь экосистему разработчиков, а поддержка Nvidia дает ей вычислительную взлетно-посадочную полосу, позволяющую не отставать.

Что будет дальше

Информация о весе, опубликованная позднее в этом месяце, ответит на важные вопросы: как Beam работает за пределами собственных оценок Reflection, какая лицензия сопровождает веса и сохраняется ли эффективность при независимой нагрузке. До тех пор Beam остается многообещающей контрольной таблицей, формой регистрации и самым важным обещанием открытого веса, которое американская лаборатория дала в этом году.

Для разработчиков, решающих, следует ли стандартизировать GLM, Kimi, Qwen или дождаться Beam, практический совет — придержать окончательные решения до тех пор, пока не появится технический отчет и сторонние оценки. В гонке в открытом весе появился новый американец, и впервые за долгое время она стартует не с конца.

Будьте впереди ИИ

Граница открытого веса сдвигается еженедельно, и лаборатории выпускают продукцию быстрее, чем кто-либо может отследить. Читайте больше новостей об искусственном интеллекте на AI Buzz Wire, чтобы узнать о запуске моделей, анализах тестов и бизнес-историях, стоящих за ними.

Изучите последние разработки в области искусственного интеллекта здесь.