ரிஃப்ளெக்ஷன் AI, Nvidia-ஆதரவு கொண்ட அமெரிக்க ஸ்டார்ட்அப், அதன் முதல் ஓப்பன் வெயிட் மாடலை அக்டோபர் 5 அன்று அறிமுகப்படுத்தியது, பீம் எனப்படும் ஒரு ஸ்பேர்ஸ் கலவை-ஆஃப்-நிபுணர் அமைப்பு, தற்போது சீன ஆய்வகங்கள் ஆதிக்கம் செலுத்தும் திறந்த-எடை எல்லைக்கு இன்னும் வலுவான மேற்கத்திய சவாலாக நிறுவனம் நிலைநிறுத்துகிறது. இந்த அறிவிப்பு, ரிஃப்ளெக்ஷனின் சொந்த வலைப்பதிவில் வெளியிடப்பட்டது மற்றும் ராய்ட்டர்ஸ், டெக் க்ரஞ்ச், பார்ச்சூன் மற்றும் செமாஃபோர் ஆகியவற்றால் விரைவாக எடுக்கப்பட்டது, ஒரு திருப்பத்துடன் வருகிறது: மாடல் இன்னும் பதிவிறக்கம் செய்யப்படவில்லை.
பீம் நிறுவனம் இறுதி ரெட்-டீமிங் மற்றும் மதிப்பீடுகள் என விவரிக்கிறது. பதிவுசெய்தல் செயல்முறையின் மூலம் ஆரம்ப அணுகல் திறக்கப்பட்டுள்ளது, மேலும் இந்த மாத இறுதியில் எடைகள், தொழில்நுட்ப அறிக்கை, மாதிரி அட்டை மற்றும் டெவலப்பர் கலைப்பொருட்கள் ஆகியவற்றை வெளியிடுவதாக பிரதிபலிப்பு கூறுகிறது. அது நிகழும்போது, பீம் ஒரு அமெரிக்க ஆய்வகத்தால் இதுவரை வெளியிடப்பட்ட மிகப்பெரிய ஓப்பன் வெயிட் வெளியீடுகளில் ஒன்றாக மாறும், மேலும் சீன மாடல்களை பெரும்பாலான திறந்த மூல சமூகத்தின் இயல்புநிலை தேர்வாக மாற்றிய வெளியீட்டுத் தன்மை மற்றும் வெளிப்படைத்தன்மையுடன் ஒரு அமெரிக்க நிறுவனம் பொருந்துமா என்பது பற்றிய தெளிவான சோதனை. ஓப்பன் வெயிட் ரேஸ் மற்றும் களத்தை நகர்த்தும் மற்ற அனைத்தையும் தொடர்ந்து கவரேஜ் செய்ய, எங்கள் AI செய்தி முகப்புப் பக்கத்தை புக்மார்க் செய்யவும்.
பீமின் பின்னால் உள்ள எண்கள்
பீம் என்பது 501 பில்லியன் மொத்த அளவுருக்கள் கொண்ட ஒரு சிறிய அளவிலான நிபுணர்களின் மாடலாகும், இதில் ஒரு டோக்கனுக்கு சுமார் 23 பில்லியன் செயலில் உள்ளது. இணையம் மற்றும் தனியுரிம உரிமம் பெற்ற தரவுத்தொகுப்புகளில் இருந்து எடுக்கப்பட்ட 23.8 டிரில்லியன் டோக்கன்களில் மாடலை முன்கூட்டியே பயிற்றுவித்ததாக ரிஃப்ளெக்ஷன் கூறுகிறது.
மிகவும் தனித்துவமான கூற்று வலுவூட்டல் கற்றலைப் பற்றியது. ரிஃப்ளெக்ஷன் உயர்-கணினி RL ஐ நிலைநிறுத்துவதற்கான வழிமுறைகள், பயிற்சி சூழல்கள் மற்றும் உள்கட்டமைப்பை உருவாக்கியது, மேலும் அதன் RL ரன் நான்கு வார பயிற்சியில் 10,500 NVIDIA GB300 GPUகளில் 100 மில்லியனுக்கும் அதிகமான வெளியீடுகளை உருவாக்கியது என்று நிறுவனம் தெரிவிக்கிறது. இது ஒரு திறந்த-எடை வெளியீட்டிற்கான வழக்கத்திற்கு மாறாக பெரிய RL முதலீடு ஆகும், மேலும் Reflection ஆனது பீமின் போட்டித்திறன் செயல்திறனுக்காக இது வரவு வைக்கிறது.
வரையறைகள்: போட்டி, இன்னும் முன்னணியில் இல்லை
ரிஃப்ளெக்ஷனின் வெளியிடப்பட்ட பெஞ்ச்மார்க் அட்டவணையானது, மிகப் பெரிய சீன மாடல்களுக்குப் பின்னால், ஆனால் பல நிறுவப்பட்ட பெயர்களுடன் முன்னோக்கியோ அல்லது நிலையாகவோ, திறந்த எடைப் பொதியில் பீமை திடமாக வைக்கிறது.
SWE-Bench Pro v2-Hard இல், பீம் 77.2 மதிப்பெண்களைப் பெற்றுள்ளது, GLM 5.3 க்கு பின்னால் 88.2 மற்றும் கிமி K3 88.2 இல் அதே வரிசையில், ஆனால் 56.9 இல் Inkling ஐ விட மிகவும் முன்னால் உள்ளது. SWE-Bench Pro v1 இல், பீம் 65.5 மதிப்பெண்களைப் பெற்றுள்ளது, இன்க்லிங் (54.3), நெமோட்ரான் 3 அல்ட்ரா (46.4) மற்றும் GLM 5.2 (62.1) ஆகியவற்றை விட, Qwen 3.8-Max இடுகைகள் 67.7 ஆகும். DeepSWE v1.1 ஏஜென்டிக் கோடிங் பெஞ்ச்மார்க்கில், பீம் 44.4, GLM 5.2 இன் 44.0 மற்றும் GLM 5.3 (61.0), Qwen 3.8-Max (51.0) மற்றும் DeepSeek V4.1 Flash (74.2) ஆகியவற்றைப் பதிவு செய்கிறது.
பீம் அமர்ந்திருக்கும் இடத்தில் நிறுவனத்தின் சொந்த ஃப்ரேமிங் நேர்மையானது. வலைப்பதிவு இடுகையில், பீம் "மேற்கத்திய திறந்த-எடை எல்லையை முன்னேற்றுகிறது" மற்றும் "GLM 5.2 போன்ற பெரிய திறந்த மாடல்களுடன் போட்டியிடுகிறது மற்றும் குறியீட்டு மற்றும் முகவர் பணிகளில் Qwen 3.8-Max ஐ அணுகுகிறது" என்று பிரதிபலிப்பு எழுதுகிறது. கிமி கே3 போன்ற எல்லைப்புற திறந்த மாதிரிகள் "மூலத் திறனில் முன்னணியில் உள்ளன" என்பதையும் இது ஒப்புக்கொள்கிறது.
இரண்டு எச்சரிக்கைகள் வலியுறுத்தப்பட வேண்டியவை. முதலாவதாக, இங்குள்ள ஒவ்வொரு எண்ணும் எடை வெளியீட்டிற்கு முன்னதாக பிரதிபலிப்பு மூலம் சுய-அறிக்கை செய்யப்படுகிறது, மேலும் தொழில்நுட்ப அறிக்கை மற்றும் சோதனைச் சாவடிகள் பொதுவில் இருந்தால் மட்டுமே சுயாதீன சரிபார்ப்பு சாத்தியமாகும். இரண்டாவதாக, நிறுவனத்தின் சொந்த அட்டவணையில் உள்ள பல செல்கள் புகாரளிக்கப்படவில்லை எனக் குறிக்கப்பட்டுள்ளது, இது முழுமையான ஆப்பிள்-டு-ஆப்பிள் ஒப்பீடுகளை இப்போதைக்கு சாத்தியமற்றதாக்குகிறது.
செயல்திறன் வாதம்
பீமின் உண்மையான சாதகமாக ரிஃப்ளெக்ஷன் பிட்ச் ஆனது மூல லீடர்போர்டு நிலை அல்ல, ஆனால் அனுமான நேரத்தில் செலவாகும். ஒரு டோக்கனுக்கு அதன் 501 பில்லியன் அளவுருக்களில் 23 பில்லியன் மட்டுமே செயல்படுவதால், பெரிய அடர்த்தியான மாடல்களின் கணக்கீட்டு செலவில் ஒரு பகுதியிலேயே பீம் எல்லைக்கு அருகில் உள்ள முகவர் மற்றும் குறியீட்டு செயல்திறனை வழங்க முடியும் என்று நிறுவனம் வாதிடுகிறது. அந்த நிலைப்படுத்தல் சீன திறந்த-எடைக் குடும்பங்களை ஸ்டார்ட்அப்களில் மிகவும் பிரபலமாக்கிய மூலோபாயத்தை பிரதிபலிக்கிறது: விலையில் வலுவான-போதுமான திறன் எப்போதும் இருக்கும் முகவர்களை பொருளாதார ரீதியாக லாபகரமானதாக ஆக்குகிறது.
செயல்திறன் உரிமைகோரல் சுயாதீனமான தரப்படுத்தலில் நீடித்தால், அது லீடர்போர்டு டெல்டாக்களை விட முக்கியமானது. ஆயிரக்கணக்கான இணையான குறியீட்டு முகவர்களை இயக்கும் குழுக்கள் ஒற்றை இலக்க பெஞ்ச்மார்க் புள்ளிகளைக் காட்டிலும் முடிக்கப்பட்ட பணிக்கான செலவைப் பற்றி அதிகம் அக்கறை கொள்கின்றன.
ஒரு புவிசார் அரசியல் அடியோட்டம்
துவக்கத்தின் கவரேஜ் ஒரு திறந்த மூல மாதிரி வெளியீட்டிற்கு வியக்கத்தக்க புவிசார் அரசியலாக உள்ளது. ராய்ட்டர்ஸ் பீமை "முதல் AI மாடல்" என்று ரிஃப்ளெக்ஷனில் இருந்து "சீன திறந்த மாதிரிகளை எடுத்துக் கொண்டது" என்று விவரித்தது. பீம் "சீனாவுடன் போட்டியிடுவதற்கான சிறந்த வாய்ப்பு" என்று பார்ச்சூன் கேட்டது, மேலும் செமாஃபோர் நிறுவனத்தை "சீன ஆய்வகங்களுக்கு ஒரு திறந்த மூல மேற்கத்திய பதில்" என்று வடிவமைத்தார்.
அந்த ஃப்ரேமிங் 2026 இன் பிற்பகுதியில் திறந்த எடை சுற்றுச்சூழல் அமைப்பின் நிலையைப் பிரதிபலிக்கிறது: Z.ai இன் GLM குடும்பம், மூன்ஷாட்டின் கிமி லைன், அலிபாபாவின் க்வென் மற்றும் டீப்சீக் உள்ளிட்ட சீன ஆய்வகங்களில் இருந்து மிகவும் திறமையான தரவிறக்கம் செய்யக்கூடிய மாதிரிகள் பெருமளவில் வந்துள்ளன. அமெரிக்க ஆய்வகங்கள் பெரும்பாலும் தங்கள் சிறந்த எடைகளை மூடி வைத்துள்ளன, அதற்கு பதிலாக API வருவாயில் பந்தயம் கட்டுகின்றன. பிரதிபலிப்பு இதற்கு நேர்மாறாக பந்தயம் கட்டுகிறது: ஒரு திறந்த மேற்கத்திய எல்லை மாதிரியானது டெவலப்பர் சுற்றுச்சூழல் அமைப்பை ஈர்க்க முடியும், மேலும் என்விடியாவின் ஆதரவு அதைத் தொடர கணினி ஓடுபாதையை அளிக்கிறது.
அடுத்து என்ன நடக்கும்
இந்த மாதத்தின் பிற்பகுதியில் வெளியிடப்படும் எடை முக்கியமான கேள்விகளுக்கு பதிலளிக்கும்: ரிஃப்ளெக்ஷனின் சொந்த மதிப்பீடுகளுக்கு வெளியே பீம் எவ்வாறு செயல்படுகிறது, எடைகளுடன் என்ன உரிமம் உள்ளது மற்றும் செயல்திறன் சுயாதீன சுமையின் கீழ் இருக்கிறதா. அதுவரை, பீம் ஒரு நம்பிக்கைக்குரிய பெஞ்ச்மார்க் டேபிளாகவும், பதிவுபெறும் படிவமாகவும், இந்த ஆண்டு ஒரு அமெரிக்க ஆய்வகம் வழங்கிய மிகத் தொடர்ச்சியான திறந்த எடை வாக்குறுதியாகவும் உள்ளது.
GLM, Kimi, Qwen இல் தரப்படுத்த வேண்டுமா அல்லது Beam க்காக காத்திருக்க வேண்டுமா என்பதை டெவலப்பர்கள் முடிவு செய்ய, தொழில்நுட்ப அறிக்கை மற்றும் மூன்றாம் தரப்பு மதிப்பீடுகள் வரும் வரை இறுதி முடிவுகளை எடுப்பதே நடைமுறை ஆலோசனை. ஓபன் வெயிட் ரேஸில் ஒரு புதிய அமெரிக்க நுழைவு உள்ளது, மேலும் சிறிது நேரத்தில் முதல் முறையாக, அது பேக்கின் பின்புறத்தில் இருந்து தொடங்கவில்லை.
AIக்கு முன்னால் இருங்கள்
திறந்த-எடை எல்லை வாரந்தோறும் நகர்கிறது, மேலும் ஆய்வகங்கள் யாராலும் கண்காணிக்க முடியாததை விட வேகமாக வெளியிடப்படுகின்றன. AI Buzz Wire இல் மேலும் AI செய்திகளைப் படிக்கவும் மாதிரி வெளியீடுகள், முக்கிய முறிவுகள் மற்றும் அவற்றின் பின்னணியில் உள்ள வணிகக் கதைகள்.
இங்கே சமீபத்திய AI மேம்பாடுகளை ஆராயுங்கள்.
