Reflection выпустила Beam — самую сильную открытую модель вне Китая

Компания Reflection представила Beam — свою первую свободно доступную модель. Это mixture-of-experts с 501 млрд параметров, из которых 23 млрд активируются на каждый токен. Такой подход позволяет удерживать вычислительные затраты на относительно низком уровне.

Beam создана для кодинга, логических рассуждений и агентных задач. По словам Reflection, на сложных задачах модель показывает результаты уровня GLM 5.2, используя в три-четыре раза меньше вычислений. Компания ориентируется на бизнес, который применяет ИИ для программирования и автоматизации процессов, но вынужден следить за операционными расходами.

На бенчмарках по кодингу и агентным сценариям Beam также близка к значительно более крупной Qwen3.8-Max. Более сильные открытые модели, например Kimi K3, всё ещё обходят её по сырой производительности. Reflection уже обучает преемника, который должен сократить оставшийся разрыв с лидерами среди открытых моделей.

Обучение и возможности

Способности Beam получены сочетанием стандартного крупномасштабного предобучения и особенно ресурсоёмкой фазы обучения с подкреплением. Reflection сообщает, что во время RL-этапа использовала 10 500 GPU Nvidia GB300 более четырёх недель. По словам компании, это один из крупнейших прогонов обучения, выполненных открытой лабораторией. Производительность росла до конца прогона, не выходя на плато.

Пользователи могут управлять глубиной рассуждений Beam: настраиваемый параметр позволяет выбирать, отвечать быстро или тратить больше времени на размышления над сложными задачами, обменивая вычислительные затраты на качество результата. По числу сгенерированных токенов Beam также эффективнее GLM-5.2 и Qwen 3.8 при сопоставимом уровне производительности.

Во время обучения Reflection зафиксировала так называемые эмерджентные способности. В RL-смеси были задачи на рассуждения, разработку ПО и работу в терминале, но не было задач по веб-браузингу — тем не менее модель стала лучше в работе с вебом. Получив доступ к сети, Beam самостоятельно научилась обращаться к другим языковым моделям и извлекать документы из внешних сервисов.

Reflection показала несколько демо, включая живую карту метро Нью-Йорка, небольшую 3D-игру и ноутбук для файнтюнинга другой ИИ-модели. Beam работает только с текстом, но, по словам компании, может обрабатывать контент из других медиаформатов, если он представлен в виде текста.

Безопасность и планы

Для безопасности и выравнивания Reflection обучила вторую модель и объединила её с Beam. Правила включают жёсткие ограничения, которые модель не должна нарушать, а также стандарты качества — фактическую точность, признание неопределённости и прямой, подробный и проактивный стиль ответов. Компания планирует опубликовать результаты тестов на безопасность в техническом отчёте и открыть методы оценки, которые разработала.

Технический отчёт, документация для разработчиков и веса модели под открытой лицензией Apache 2.0 должны выйти позднее в этом месяце. Beam всё ещё проходит финальное тестирование на безопасность, а ранняя версия пока доступна избранным пользователям.

Кто стоит за Beam

Reflection основана в 2024 году бывшими исследователями Google Deepmind Мишей Ласкиным и Иоаннисом Антонологу. Ласкин руководил reward modeling для Gemini, Антонологу участвовал в создании AlphaGo. Стартап запустился в марте 2025 года с $130 млн посевных инвестиций и целью построить сверхинтеллект через автономный кодинг.

Летом 2025 года компания выпустила Asimov — агента для анализа больших кодовых баз. Затем в октябре 2025 года Reflection привлекла $2 млрд при оценке $8 млрд, среди инвесторов была Nvidia. С тех пор компания позиционирует себя как западный аналог Deepseek и Qwen. Веса моделей она публикует, но данные и пайплайны обучения оставляет проприетарными. Недавно Reflection заключила многомиллиардные вычислительные сделки с SpaceX и облачным провайдером Nebius.