Reflection vydává otevřené váhy modelu Beam pod licencí Apache 2.0

Reflection vydala 16. října 2026 na Hugging Face váhy modelu Beam, svého prvního modelu s otevřenými váhami, pod licencí Apache 2.0. Baseten zpřístupnil tento model typu mixture of experts s 501 miliardami parametrů na své platformě s podporou od prvního dne prostřednictvím Model APIs a Dedicated Inference.

Reflection model Beam poprvé představila 5. října 2026, kdy procházel závěrečným bezpečnostním testováním a evaluacemi. Předběžný přístup byl omezen na čekací listinu a váhy měly být zveřejněny později během měsíce. Společnost uvedla, že Beam předtrénovala na 23,8 bilionu tokenů a následně jej zdokonalila během trénovacího běhu s posilovaným učením, který za čtyři týdny vytvořil více než 100 milionů běhů a využil 10,5 tisíce GPU NVIDIA GB300.

Váhy, dokumentace a dostupnost na platformách

V oznámení o dostupnosti Reflection uvedla, že vydání zahrnuje kartu modelu s konečnými výsledky benchmarků a technickou zprávu o bezpečnosti modelu Beam, která popisuje kompletní metodiku posuzování bezpečnosti modelu a provedené evaluace. Společnost v oznámení o dostupnosti popsala uvedení modelu na trh jako ekosystém více než 40 partnerů a integrací, který tvoří to, čemu říká „otevřený operační systém pro agenty“. Model v něm slouží jako jádro a nad infrastrukturní vrstvou jsou otevřené referenční integrace agentních systémů, kontejnery pro nasazení, integrace pro inferenci a nástroje pro přizpůsobení.

Reflection také spustila veřejnou betaverzi svého vlastního API na adrese platform.reflection.ai, jehož používání je podle společnosti zpočátku zdarma. Mezi platformy, na kterých lze model při uvedení používat a které společnost jmenovala, patří mimo jiné Amazon Web Services, Baseten, Cloudflare, CoreWeave, Databricks, Fireworks AI, Google Cloud, LM Studio, Microsoft Azure, Modal, Nebius, NVIDIA NIMs, Ollama, OpenRouter, Oracle, Together AI, Vercel a Weights & Biases. Pro místní nasazení, suverénní prostředí a prostředí bez připojení k síti dodávají Beam za firewallem společnosti Dell a HPE.

Formáty přesnosti a podpora frameworků

Reflection vydala váhy ve formátech s přesností BF16, FP8 a NVFP4 a také model pro spekulativní dekódování, který navrhuje další tokeny. Společnost uvedla, že spolupracovala s partnery na optimalizaci konfigurací pro obsluhu modelu a vývoji sloučených jader, které snižují latenci a zvyšují propustnost. Podle společnosti tyto kroky snižují nároky na paměť a umožňují rychlejší generování tokenů ihned po instalaci.

Beam má od prvního dne nativní podporu v knihovně Transformers od Hugging Face, vLLM od Inferact, SGLang od RadixArk, Unsloth, Axolotl, TokenSpeed od nadace LightSeek Foundation a Dynamo od NVIDIA. Reflection uvedla, že vývojáři si mohou model stáhnout a provozovat na vlastní infrastruktuře, vyhodnocovat jej, přizpůsobit pro vlastní obory a propojit ho s agentními systémy prostřednictvím Reflection a jejích partnerů.

Podpora od prvního dne a ceny na Baseten

Baseten oznámil podporu modelu Beam od prvního dne 16. října 2026 a zpřístupnil jej prostřednictvím Baseten Model APIs a Dedicated Inference. Knihovna modelů Baseten popisuje Beam jako textový model vyvinutý společností Reflection pod licencí Apache 2.0 a uvádí ceny za používání Model API za jeden milion tokenů: 1,30 USD za vstup, 4,30 USD za vstup z mezipaměti a 0,13 USD za výstup.

Beam je autoregresivní transformer, který přijímá textový vstup a vytváří textový výstup. Jeho architektura typu mixture of experts obsahuje celkem 501 miliard parametrů, z nichž se na každý token aktivuje 23 miliard, a podporuje kontextové okno o délce až jednoho milionu tokenů.

Výsledky benchmarků z evaluací Reflection, které citoval Baseten v příspěvku k uvedení modelu, uvádějí, že Beam dosáhl 90,5 % v testu GPQA Diamond, který měří vědecké uvažování na úrovni postgraduálního studia; 80,9 % v testu SWE-bench Verified zaměřeném na řešení skutečných problémů se softwarem; 97,8 % v soutěžní matematice AIME 2026; 80,1 % v testu Terminal-Bench 2.1, který hodnotí plnění úloh v prostředí příkazového řádku; a 78,7 % v testu MCP Atlas zaměřeném na používání nástrojů z reálného světa prostřednictvím serverů MCP. Baseten uvedl, že Reflection model Beam trénovala k řešení programátorských a agentních úloh s menším počtem tokenů. Delší běhy posilovaného učení modelu umožňovaly procvičovat vícekrokové úlohy a během trénování se uplatňovala penalizace délky, která měla odrazovat od používání zbytečných tokenů. Uživatelé mohou upravit parametr Beam určující míru úsilí při uvažování: nižší nastavení upřednostňují kratší odpovědi, zatímco vyšší umožňují důkladnější uvažování u náročných úloh.

Mirror CLI a přizpůsobení

Reflection také zveřejnila jako open source Mirror CLI, terminálový framework pro agenty trénovaný souběžně s Beam. Mirror propojuje frontend v Pythonu pro práci s prompty, dovednostmi a vývojářskými nástroji s jádrem agenta v Rustu, které řídí model. Podporuje obnovení konverzací, souběžné agenty v oddělených pracovních stromech, projektové instrukce, připojení MCP a rozšíření v Pythonu. Reflection uvedla, že Mirror nejprve vytvořila pro interní vývojářské využití, s izolovanými pracovními prostory, relacemi na pozadí a integracemi do Slack, Linear a GitHub, a teprve později z něj udělala nástroj, který mohla zveřejnit jako open source.

Beam byl testován s nástroji Pi od Earendil, OpenCode od Anomaly a Hermes od Nous Research při programátorských úlohách a úlohách spojených s odbornou prací, včetně čtení repozitářů, úprav souborů a spouštění příkazů.

V rámci přizpůsobení Reflection spolupracovala se společností NVIDIA na projektech NeMo RL, AutoModel a Megatron, s RadixArk na Miles, s Hugging Face na TRL, s Anyscale na SkyRL a se společností Axolotl na vývoji pracovních postupů pro dolaďování a posilované učení. Společnost uvedla, že při nejrozsáhlejších bězích posilovaného učení pro Beam využila přibližně 1,3 miliardy sandboxů napříč trénováním, vyhodnocováním a ablačními testy. V závěrečném běhu dosáhla špičkového výkonu 883 006 vCPU, tedy 83 % dostupné kapacity, napříč 23 clustery na GCP a AWS. Reflection uvedla, že v nadcházejících dnech plánuje zveřejnit postupy pro vlastní destilaci a že při budoucích bězích přijme otevřený standard prostředí OpenEnv. Baseten popisuje Beam jako první model z nové řady společnosti Reflection; vícejazyčné a multimodální schopnosti mají být součástí budoucích verzí.