Reflection frigiver Beams åbne modelvægte under Apache 2.0-licensen

Reflection frigav vægtene til Beam, sin første model med åbne vægte, på Hugging Face under Apache 2.0-licensen den 16. oktober 2026, og Baseten lancerede Mixture-of-Experts-modellen med 501 mia. parametre på sin platform med understøttelse fra lanceringsdagen via Model APIs og Dedicated Inference.

Reflection præsenterede første gang Beam den 5. oktober 2026, mens modellen gennemgik de sidste red-team-tests og evalueringer. Den tidlige adgang var begrænset til en venteliste, og vægtene blev lovet senere på måneden. Virksomheden oplyste, at den fortrænede Beam på 23,8 billioner tokens og videreudviklede den gennem en forstærkningslæringskørsel, der genererede mere end 100 millioner rollout-forløb på 10,5K NVIDIA GB300-GPU’er over fire uger.

Vægte, dokumentation og tilgængelighed på platforme

I sin meddelelse om tilgængeligheden oplyste Reflection, at udgivelsen omfatter et modelkort med de endelige benchmarkresultater og en teknisk rapport om Beam-sikkerhed, der dækker modellens fulde sikkerhedsmetode og evalueringer. I meddelelsen om tilgængeligheden beskrev virksomheden lanceringen som et økosystem med mere end 40 partnere og integrationer, der tilsammen udgør det, virksomheden kalder et »åbent operativsystem til agenter«. Modellen fungerer som kernen, mens referenceintegrationer til agentbaserede systemer, implementeringscontainere, inferensintegrationer og tilpasningsforløb er åbne oven på infrastrukturlaget.

Reflection åbnede også en offentlig betaversion af sin egen API på platform.reflection.ai, som ifølge virksomheden er gratis at komme i gang med. Blandt de platforme, virksomheden nævner i forbindelse med lanceringen, er 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 og Weights & Biases. Dell og HPE leverer Beam bag virksomhedens firewall til lokal drift, suveræne miljøer og netværksisolerede miljøer.

Præcisionsformater og understøttelse af rammeværk

Reflection frigav vægtene i præcisionsformaterne BF16, FP8 og NVFP4 sammen med en draftmodel til spekulativ dekodning. Virksomheden oplyste, at den samarbejdede med partnere om at optimere konfigurationer til modelafvikling og udvikle fusionerede kerner, der giver lavere latenstid og højere gennemløb. Ifølge virksomheden reducerer disse tiltag hukommelseskravene og fremskynder genereringen af tokens direkte fra start.

Beam understøttes fra dag ét i Transformers fra Hugging Face, vLLM fra Inferact, SGLang fra RadixArk, Unsloth, Axolotl, TokenSpeed fra LightSeek Foundation og Dynamo fra NVIDIA. Reflection oplyste, at udviklere kan downloade og selv hoste modellen, evaluere den, tilpasse den til deres egne domæner og forbinde den med agentbaserede systemer via Reflection og virksomhedens partnere.

Understøttelse fra lanceringsdagen og priser hos Baseten

Baseten annoncerede understøttelse af Beam fra lanceringsdagen den 16. oktober 2026, så modellen blev tilgængelig via Baseten Model APIs og Dedicated Inference. Basetens modelbibliotek beskriver Beam som en tekstbaseret model udviklet af Reflection under Apache 2.0-licensen og angiver priserne for Model API pr. en million tokens: 1,30 $ for input, 4,30 $ for cacheinput og 0,13 $ for output.

Beam er en autoregressiv transformer, der modtager tekstinput og genererer tekstoutput. Dens Mixture-of-Experts-arkitektur rummer i alt 501 milliarder parametre, hvoraf 23 milliarder er aktive pr. token, og har et kontekstvindue på op til en million tokens.

Benchmarkresultater fra Reflections evalueringer, som omtales i Basetens lanceringsindlæg, viser, at Beam opnåede 90,5 % på GPQA Diamond, der måler videnskabelig ræsonnering på kandidatniveau; 80,9 % på SWE-bench Verified, der måler evnen til at løse reelle softwareproblemer; 97,8 % i konkurrencepræget matematik på AIME 2026; 80,1 % på Terminal-Bench 2.1 for løsning af opgaver i et kommandolinjemiljø; og 78,7 % på MCP Atlas for brug af værktøjer fra den virkelige verden via MCP-servere. Baseten oplyste, at Reflection trænede Beam til at løse programmeringsopgaver og agentbaserede opgaver med færre tokens. Længere rollout-forløb i forstærkningslæringen giver modellen mulighed for at øve sig på opgaver i flere trin, og under træningen blev der anvendt en længdestraf for at modvirke unødvendig brug af tokens. Brugerne kan justere Beams parameter for ræsonneringsindsats: Lavere indstillinger favoriserer kortere svar, mens højere indstillinger giver mulighed for mere ræsonnering ved krævende opgaver.

Mirror CLI og tilpasning

Reflection har også frigivet Mirror CLI som open source, et agentrammeværk til terminalen, der blev trænet sideløbende med Beam. Mirror kombinerer en Python-frontend med prompts, færdigheder og udviklerværktøjer med en Rust-agentkerne, der styrer modellen. Det understøtter desuden samtaler, der kan genoptages, parallelle agenter i separate worktrees, projektinstruktioner, MCP-forbindelser og Python-udvidelser. Reflection oplyste, at virksomheden først byggede Mirror til intern udvikling med isolerede arbejdsområder, baggrundssessioner og integrationer til Slack, Linear og GitHub, før værktøjet blev videreudviklet til noget, virksomheden kunne frigive som open source.

Beam er blevet testet sammen med Pi fra Earendil, OpenCode fra Anomaly og Hermes fra Nous Research på opgaver inden for programmering og vidensarbejde, herunder læsning af kodearkiver, redigering af filer og afvikling af kommandoer.

I forbindelse med tilpasningen samarbejdede Reflection med NVIDIA om NeMo RL, AutoModel og Megatron; med RadixArk om Miles; med Hugging Face om TRL; med Anyscale om SkyRL; og med Axolotl om at udvikle arbejdsgange til finjustering og reinforcement learning. Virksomheden oplyste, at dens største RL-kørsler for Beam omfattede cirka 1,3 milliarder sandkasser på tværs af træning, evaluering og ablationer, og at den sidste kørsel nåede op på 883.006 vCPU’er, svarende til 83 % af den kapacitet, der kunne allokeres, fordelt på 23 klynger hos GCP og AWS. Reflection oplyste, at virksomheden planlægger at offentliggøre opskrifter på selv-destillation i de kommende dage og vil anvende OpenEnv, en åben miljøstandard, til fremtidige kørsler. Baseten beskriver Beam som den første model i en ny modelserie fra Reflection, med flersprogede og multimodale funktioner planlagt til fremtidige udgivelser.