Reflection julkaisee Beamin avoimet painot Apache 2.0 -lisenssillä

Reflection julkaisi ensimmäisen avoimilla painoilla varustetun mallinsa Beamin painot Hugging Facessa Apache 2.0 -lisenssillä 16. lokakuuta 2026. Baseten toi 501 miljardin parametrin asiantuntijasekoitusmallin alustalleen ja tarjosi sille tuen heti julkaisupäivänä Model APIs- ja Dedicated Inference -palveluissaan.

Reflection esitteli Beamin ensimmäisen kerran 5. lokakuuta 2026 mallin ollessa vielä viimeisessä red team -testaus- ja arviointivaiheessa. Varhainen käyttöoikeus oli rajattu jonotuslistalla oleville, ja painot luvattiin julkaista myöhemmin samassa kuussa. Yhtiön mukaan se esikoulutti Beamin 23,8 biljoonalla tokenilla ja hienosääti sitä vahvistusoppimisajolla, jossa tuotettiin yli 100 miljoonaa rolloutia 10 500 NVIDIA GB300 -grafiikkasuorittimella neljän viikon aikana.

Painot, dokumentaatio ja saatavuus eri alustoilla

Saatavuusilmoituksessaan Reflection kertoi julkaisun sisältävän mallikortin, jossa on lopulliset vertailutulokset, sekä Beamin turvallisuutta käsittelevän teknisen raportin, joka kattaa mallin koko turvallisuusmenetelmän ja arvioinnit. Yhtiö kuvaili julkaisua saatavuusilmoituksessaan yli 40 kumppanin ja integraation muodostamaksi ekosysteemiksi, jota se kutsuu ”avoimeksi agenttien käyttöjärjestelmäksi”. Malli toimii sen ytimenä, ja infrastruktuurikerroksen päälle on avattu agenttikäyttöön tarkoitetut viiteintegraatiot, käyttöönoton kontit, päättelyintegraatiot ja mukautusputket.

Reflection avasi myös oman API-rajapintansa julkisen beetaversion osoitteessa platform.reflection.ai. Yhtiön mukaan palvelun käytön voi aloittaa maksutta. Yhtiön nimeämiä julkaisualustoja ovat muun muassa 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 ja Weights & Biases. Paikallisissa, suvereeneissa ja verkosta eristetyissä ympäristöissä Dell ja HPE tarjoavat Beamin palomuurin takana.

Tarkkuusmuodot ja kehystuki

Reflection julkaisi painot BF16-, FP8- ja NVFP4-tarkkuusmuodoissa sekä spekulatiivisen dekoodauksen luonnostelumallin. Yhtiön mukaan se teki yhteistyötä kumppaneiden kanssa palvelukokoonpanojen optimoinnissa ja yhdistettyjen ytimien kehittämisessä viiveen pienentämiseksi ja läpimenon parantamiseksi. Näiden toimien kerrottiin vähentävän muistivaatimuksia ja nopeuttavan tokenien tuottamista heti käyttövalmiina.

Beam tukee heti ensimmäisestä päivästä lähtien natiivisti Hugging Facen Transformersia, Inferactin vLLM:ää, RadixArkin SGLangia, Unslothia, Axolotlia, LightSeek Foundationin TokenSpeediä ja NVIDIA:n Dynamoa. Reflectionin mukaan kehittäjät voivat ladata mallin ja ylläpitää sitä itse, arvioida sitä, mukauttaa sen omiin käyttötarkoituksiinsa ja liittää sen agenttijärjestelmiin Reflectionin ja sen kumppaneiden kautta.

Tuki ja hinnoittelu Basetenissä heti julkaisupäivänä

Baseten ilmoitti Beamin tuesta julkaisupäivänä 16. lokakuuta 2026, jolloin se tuli saataville Baseten Model APIs- ja Dedicated Inference -palveluiden kautta. Basetenin mallikirjastossa Beam kuvataan Apache 2.0 -lisenssillä julkaistuksi, Reflectionin kehittämäksi vain tekstiä käsitteleväksi malliksi. Kirjastossa ilmoitetaan Model API -palvelun hinnat miljoonaa tokenia kohden: syöte 1,30 $, välimuistista luettu syöte 4,30 $ ja tuloste 0,13 $.

Beam on autoregressiivinen transformer-malli, joka ottaa vastaan tekstisyötteitä ja tuottaa tekstimuotoisia tulosteita. Sen asiantuntijasekoitusarkkitehtuurissa on kaikkiaan 501 miljardia parametria, joista 23 miljardia on aktiivisena kutakin tokenia kohden. Konteksti-ikkunan koko on enintään miljoona tokenia.

Reflectionin arviointien tulokset, joihin Baseten viittasi julkaisutiedotteessaan, osoittavat Beamin saavuttaneen GPQA Diamond -testissä 90,5 %. Testi mittaa jatko-opintotasoista tieteellistä päättelyä. SWE-bench Verified -testissä, jossa arvioidaan todellisten ohjelmisto-ongelmien ratkaisemista, tulos oli 80,9 %; AIME 2026 -kilpailumatematiikassa 97,8 %; komentoriviympäristössä suoritettavien tehtävien Terminal-Bench 2.1 -testissä 80,1 %; ja MCP Atlas -testissä 78,7 % tosielämän työkalujen käytössä MCP-palvelimien kautta. Basetenin mukaan Reflection koulutti Beamin ratkaisemaan ohjelmointi- ja agenttitehtäviä vähemmillä tokeneilla. Pidemmät vahvistusoppimisen rolloutit antoivat mallille mahdollisuuden harjoitella monivaiheisia ongelmia, ja koulutuksessa käytettiin pituusrangaistusta tarpeettomien tokenien vähentämiseksi. Käyttäjät voivat säätää Beamin päättelyponnistuksen parametria: pienemmillä asetuksilla vastaukset ovat lyhyempiä, kun taas suuremmat asetukset mahdollistavat perusteellisemman päättelyn vaativissa tehtävissä.

Mirror CLI ja mukauttaminen

Reflection julkaisi myös avoimena lähdekoodina Mirror CLI:n, Beamin rinnalla koulutetun pääteagenttikehyksen. Mirror yhdistää Python-käyttöliittymän, joka sisältää kehotteet, taidot ja kehittäjätyökalut, mallia ohjaavaan Rust-pohjaiseen agenttiytimeen. Se tukee keskustelujen jatkamista, rinnakkaisia agentteja erillisissä työpuissa, projektikohtaisia ohjeita, MCP-yhteyksiä ja Python-laajennuksia. Reflection kertoi kehittäneensä Mirrorin alun perin sisäiseen ohjelmistokehityskäyttöön, jossa sitä käytettiin eristetyissä työtiloissa ja taustasessioissa sekä Slack-, Linear- ja GitHub-integraatioiden kanssa, ennen kuin siitä kehitettiin avoimena lähdekoodina julkaistava työkalu.

Beamia on testattu Earendilin Pi:llä, Anomalyn OpenCodella ja Nous Researchin Hermeksellä ohjelmointi- ja tiedonhakutehtävissä, kuten koodivarastojen lukemisessa, tiedostojen muokkaamisessa ja komentojen suorittamisessa.

Reflection teki räätälöintityötä varten yhteistyötä NVIDIA:n kanssa NeMo RL:n, AutoModelin ja Megatronin parissa, RadixArkin kanssa Milesin parissa, Hugging Facen kanssa TRL:n parissa, Anyscalen kanssa SkyRL:n parissa sekä Axolotlin kanssa hienosäätö- ja vahvistusoppimisen työnkulkujen rakentamiseksi. Yhtiön mukaan Beamia varten tehdyissä suurimmissa vahvistusoppimisen ajoissa käsiteltiin yhteensä noin 1,3 miljardia hiekkalaatikkoa koulutuksen, arvioinnin ja ablaatiokokeiden aikana. Viimeisen ajon huippu oli 883 006 vCPU:ta eli 83 % varattavissa olevasta kapasiteetista 23 klusterissa GCP:ssä ja AWS:ssä. Reflection kertoi aikovansa julkaista itse-distillointireseptit tulevien päivien aikana ja ottaa tulevissa ajoissa käyttöön OpenEnvin, avoimen ympäristöstandardin. Baseten kuvailee Beamia Reflectionin uuden malliperheen ensimmäiseksi malliksi, jonka tuleviin julkaisuihin on suunniteltu monikielisiä ja multimodaalisia ominaisuuksia.