Η Reflection κυκλοφορεί τα ανοιχτά βάρη του Beam με άδεια Apache 2.0

Στις 16 Οκτωβρίου 2026, η Reflection κυκλοφόρησε τα βάρη του Beam, του πρώτου μοντέλου της με ανοιχτά βάρη, στο Hugging Face, με άδεια Apache 2.0. Η Baseten έφερε στην πλατφόρμα της το μοντέλο με αρχιτεκτονική μείγματος ειδικών, 501 δισεκατομμυρίων παραμέτρων, παρέχοντας υποστήριξη από την πρώτη ημέρα μέσω των Model APIs και του Dedicated Inference.

Η Reflection παρουσίασε για πρώτη φορά το Beam στις 5 Οκτωβρίου 2026, ενώ το μοντέλο υποβαλλόταν σε τελικό έλεγχο ασφαλείας από ειδικούς (red teaming) και αξιολογήσεις. Η πρώιμη πρόσβαση περιοριζόταν σε λίστα αναμονής, ενώ τα βάρη είχαν προγραμματιστεί να κυκλοφορήσουν αργότερα μέσα στον μήνα. Η εταιρεία δήλωσε ότι προεκπαίδευσε το Beam με 23,8 τρισεκατομμύρια tokens και το βελτίωσε μέσω μιας εκπαίδευσης ενισχυτικής μάθησης, κατά την οποία δημιουργήθηκαν περισσότερα από 100 εκατομμύρια δοκιμές (rollouts) σε 10.500 GPU NVIDIA GB300 μέσα σε τέσσερις εβδομάδες.

Βάρη, τεκμηρίωση και διαθεσιμότητα σε πλατφόρμες

Στην ανακοίνωση διαθεσιμότητας, η Reflection δήλωσε ότι η κυκλοφορία περιλαμβάνει μια κάρτα μοντέλου με τα τελικά αποτελέσματα αξιολόγησης και μια τεχνική έκθεση ασφάλειας του Beam, η οποία καλύπτει πλήρως τη μεθοδολογία ασφάλειας και τις αξιολογήσεις του μοντέλου. Η εταιρεία περιέγραψε την κυκλοφορία στην ανακοίνωση διαθεσιμότητας ως ένα οικοσύστημα με περισσότερους από 40 συνεργάτες και ενσωματώσεις, το οποίο συγκροτεί αυτό που αποκαλεί «ανοιχτό λειτουργικό σύστημα για πράκτορες»: το μοντέλο λειτουργεί ως πυρήνας, ενώ οι ενσωματώσεις αναφοράς για πράκτορες, τα κοντέινερ ανάπτυξης, οι ενσωματώσεις εξαγωγής συμπερασμάτων και οι αγωγοί προσαρμογής είναι ανοιχτά πάνω από το επίπεδο υποδομής.

Η Reflection άνοιξε επίσης τη δημόσια δοκιμαστική έκδοση της δικής της API στη διεύθυνση platform.reflection.ai, την οποία, όπως δήλωσε, μπορεί κανείς να χρησιμοποιήσει δωρεάν για αρχή. Στις πλατφόρμες κυκλοφορίας που ανέφερε η εταιρεία περιλαμβάνονται, μεταξύ άλλων, οι 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 και Weights & Biases. Για εγκαταστάσεις στις εγκαταστάσεις του πελάτη, κυρίαρχα περιβάλλοντα και περιβάλλοντα απομονωμένα από εξωτερικά δίκτυα, οι Dell και HPE παρέχουν το Beam πίσω από το τείχος προστασίας.

Μορφές ακρίβειας και υποστήριξη πλαισίων

Η Reflection κυκλοφόρησε τα βάρη σε μορφές ακρίβειας BF16, FP8 και NVFP4, καθώς και ένα βοηθητικό μοντέλο για κερδοσκοπική αποκωδικοποίηση. Η εταιρεία δήλωσε ότι συνεργάστηκε με εταίρους για τη βελτιστοποίηση των διαμορφώσεων εξυπηρέτησης και την ανάπτυξη συγχωνευμένων πυρήνων, ώστε να μειωθεί ο χρόνος απόκρισης και να αυξηθεί η διαμεταγωγή. Σύμφωνα με την εταιρεία, αυτά τα βήματα μειώνουν τις απαιτήσεις μνήμης και επιταχύνουν τη δημιουργία token από την αρχή.

Το Beam υποστηρίζεται εγγενώς από την πρώτη ημέρα στα Transformers του Hugging Face, στο vLLM της Inferact, στο SGLang της RadixArk, στο Unsloth, στο Axolotl, στο TokenSpeed του LightSeek Foundation και στο Dynamo της NVIDIA. Η Reflection δήλωσε ότι οι προγραμματιστές μπορούν να κατεβάσουν και να φιλοξενήσουν οι ίδιοι το μοντέλο, να το αξιολογήσουν, να το προσαρμόσουν στους δικούς τους τομείς και να το συνδέσουν με συστήματα πρακτόρων μέσω της Reflection και των συνεργατών της.

Υποστήριξη από την πρώτη ημέρα και τιμολόγηση στη Baseten

Η Baseten ανακοίνωσε υποστήριξη του Beam από την πρώτη ημέρα στις 16 Οκτωβρίου 2026, καθιστώντας το διαθέσιμο μέσω των Baseten Model APIs και του Dedicated Inference. Η βιβλιοθήκη μοντέλων της Baseten περιγράφει το Beam ως μοντέλο μόνο κειμένου, το οποίο αναπτύχθηκε από τη Reflection με άδεια Apache 2.0, και παραθέτει τις τιμές του Model API ανά ένα εκατομμύριο tokens: 1,30 $ για είσοδο, 4,30 $ για είσοδο από την κρυφή μνήμη και 0,13 $ για έξοδο.

Το Beam είναι ένας αυτοπαλίνδρομος μετασχηματιστής που δέχεται κείμενο ως είσοδο και παράγει κείμενο ως έξοδο. Η αρχιτεκτονική του, τύπου μείγματος ειδικών, διαθέτει συνολικά 501 δισεκατομμύρια παραμέτρους, εκ των οποίων 23 δισεκατομμύρια είναι ενεργές ανά token, και παράθυρο περιβάλλοντος έως ένα εκατομμύριο tokens.

Τα αποτελέσματα των αξιολογήσεων της Reflection, τα οποία παρατίθενται στην ανάρτηση κυκλοφορίας της Baseten, δείχνουν ότι το Beam σημείωσε 90,5% στο GPQA Diamond, το οποίο μετρά την επιστημονική συλλογιστική σε επίπεδο μεταπτυχιακών σπουδών· 80,9% στο SWE-bench Verified, που αφορά την επίλυση πραγματικών προβλημάτων λογισμικού· 97,8% στα μαθηματικά του διαγωνισμού AIME 2026· 80,1% στο Terminal-Bench 2.1, για την ολοκλήρωση εργασιών σε περιβάλλον γραμμής εντολών· και 78,7% στο MCP Atlas, για τη χρήση εργαλείων του πραγματικού κόσμου μέσω διακομιστών MCP. Η Baseten δήλωσε ότι η Reflection εκπαίδευσε το Beam να επιλύει εργασίες προγραμματισμού και εργασίες με πράκτορες χρησιμοποιώντας λιγότερα tokens. Οι μεγαλύτερες δοκιμές ενισχυτικής μάθησης έδωσαν στο μοντέλο τη δυνατότητα να εξασκηθεί σε προβλήματα πολλαπλών βημάτων, ενώ κατά την εκπαίδευση εφαρμόστηκε ποινή μήκους για να αποθαρρύνεται η χρήση περιττών tokens. Οι χρήστες μπορούν να προσαρμόσουν την παράμετρο προσπάθειας συλλογιστικής του Beam: οι χαμηλότερες ρυθμίσεις ευνοούν συντομότερες απαντήσεις, ενώ οι υψηλότερες επιτρέπουν περισσότερη συλλογιστική σε απαιτητικές εργασίες.

Mirror CLI και προσαρμογή

Η Reflection διέθεσε επίσης ως ανοιχτό κώδικα το Mirror CLI, ένα πλαίσιο εκτέλεσης για πράκτορες τερματικού, το οποίο εκπαιδεύτηκε παράλληλα με το Beam. Το Mirror συνδυάζει ένα frontend σε Python, που καλύπτει προτροπές, δεξιότητες και εργαλεία ανάπτυξης, με έναν πυρήνα πράκτορα σε Rust, ο οποίος καθοδηγεί το μοντέλο. Υποστηρίζει επίσης συνομιλίες που μπορούν να συνεχιστούν, παράλληλους πράκτορες σε ξεχωριστά worktrees, οδηγίες έργου, συνδέσεις MCP και επεκτάσεις Python. Η Reflection δήλωσε ότι αρχικά δημιούργησε το Mirror για εσωτερική χρήση από την ομάδα μηχανικών της, με απομονωμένους χώρους εργασίας, συνεδρίες στο παρασκήνιο και ενσωματώσεις με τα Slack, Linear και GitHub, προτού το εξελίξει σε εργαλείο που θα μπορούσε να διαθέσει ως ανοιχτό κώδικα.

Το Beam έχει δοκιμαστεί με τα Pi της Earendil, OpenCode της Anomaly και Hermes της Nous Research σε εργασίες προγραμματισμού και εργασίες γνώσης, όπως η ανάγνωση αποθετηρίων, η επεξεργασία αρχείων και η εκτέλεση εντολών.

Για την προσαρμογή, η Reflection συνεργάστηκε με τη NVIDIA στα NeMo RL, AutoModel και Megatron, με τη RadixArk στο Miles, με τη Hugging Face στο TRL, με την Anyscale στο SkyRL και με την Axolotl, για να δημιουργήσει ροές εργασιών τελειοποίησης και ενισχυτικής μάθησης. Η εταιρεία δήλωσε ότι οι μεγαλύτερες εκτελέσεις ενισχυτικής μάθησης για το Beam περιλάμβαναν περίπου 1,3 δισεκατομμύρια περιβάλλοντα sandbox σε εργασίες εκπαίδευσης, αξιολόγησης και μελετών αφαίρεσης στοιχείων, με την τελική εκτέλεση να φτάνει στο μέγιστο τα 883.006 vCPU, δηλαδή το 83% της χωρητικότητας που μπορούσε να διατεθεί, σε 23 συστάδες στο GCP και το AWS. Η Reflection δήλωσε ότι σχεδιάζει να δημοσιεύσει συνταγές αυτοαπόσταξης τις επόμενες ημέρες και ότι θα υιοθετήσει το OpenEnv, ένα ανοιχτό πρότυπο περιβάλλοντος, για μελλοντικές εκτελέσεις. Η Baseten περιγράφει το Beam ως το πρώτο μοντέλο μιας νέας οικογένειας μοντέλων της Reflection, με πολυγλωσσικές και πολυτροπικές δυνατότητες να προγραμματίζονται για μελλοντικές κυκλοφορίες.