Reflection ने Apache 2.0 लाइसेंस के तहत Beam के ओपन वेट्स जारी किए

Reflection ने 16 अक्टूबर, 2026 को Hugging Face पर Apache 2.0 लाइसेंस के तहत Beam के वेट्स जारी किए। यह उसका पहला ओपन-वेट मॉडल है। Baseten ने 501 अरब पैरामीटर वाले इस मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल को अपने प्लेटफ़ॉर्म पर उपलब्ध कराया और Model APIs तथा Dedicated Inference के ज़रिए पहले ही दिन से इसका समर्थन दिया।

Reflection ने पहली बार 5 अक्टूबर, 2026 को Beam पेश किया, जब मॉडल का अंतिम रेड-टीमिंग और मूल्यांकन चल रहा था। शुरुआती पहुँच केवल प्रतीक्षा-सूची में शामिल लोगों तक सीमित थी और वेट्स उसी महीने के आखिर में जारी करने का वादा किया गया था। कंपनी ने बताया कि उसने Beam को 23.8 ट्रिलियन टोकन पर प्रीट्रेन किया और फिर चार हफ़्तों में 10.5 हज़ार NVIDIA GB300 GPU पर 10 करोड़ से अधिक रोलआउट तैयार करने वाले रीइन्फ़ोर्समेंट लर्निंग रन के ज़रिए इसे बेहतर बनाया।

वेट्स, दस्तावेज़ीकरण और प्लेटफ़ॉर्म पर उपलब्धता

अपनी उपलब्धता की घोषणा में Reflection ने बताया कि इस रिलीज़ में अंतिम बेंचमार्क वाला मॉडल कार्ड और Beam की संपूर्ण सुरक्षा पद्धति तथा मूल्यांकनों को शामिल करने वाली Beam Safety Technical Report शामिल है। कंपनी ने उपलब्धता की घोषणा में इस लॉन्च को 40 से अधिक साझेदारों और एकीकरणों वाले पारिस्थितिकी तंत्र के रूप में पेश किया, जो उसके शब्दों में “एजेंटों के लिए एक खुला ऑपरेटिंग सिस्टम” बनाते हैं। इसमें मॉडल कर्नेल की भूमिका निभाता है, जबकि संदर्भ एजेंट-आधारित एकीकरण, डिप्लॉयमेंट कंटेनर, इनफ़रेंस एकीकरण और अनुकूलन पाइपलाइनें इन्फ़्रास्ट्रक्चर परत के ऊपर खुली हैं।

Reflection ने platform.reflection.ai पर अपने फ़र्स्ट-पार्टी API का सार्वजनिक बीटा भी शुरू किया। कंपनी के अनुसार, इसे इस्तेमाल करना मुफ़्त है। कंपनी ने लॉन्च प्लेटफ़ॉर्म के रूप में 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 और Weights & Biases सहित अन्य के नाम बताए। ऑन-प्रिमाइज़, संप्रभु और एयर-गैप्ड वातावरणों के लिए Dell और HPE फ़ायरवॉल के भीतर Beam उपलब्ध कराते हैं।

प्रिसिजन फ़ॉर्मैट और फ़्रेमवर्क समर्थन

Reflection ने वेट्स को BF16, FP8 और NVFP4 प्रिसिजन फ़ॉर्मैट में जारी किया। इसके साथ ही, स्पेक्युलेटिव डिकोडिंग के लिए एक ड्राफ्टर मॉडल भी जारी किया। कंपनी ने बताया कि उसने साझेदारों के साथ मिलकर सर्विंग कॉन्फ़िगरेशन को अनुकूलित किया और कम लेटेंसी तथा अधिक थ्रूपुट के लिए फ़्यूज़्ड कर्नेल बनाए। कंपनी के अनुसार, इन कदमों से मेमोरी की ज़रूरत घटती है और बिना किसी अतिरिक्त सेटअप के टोकन जनरेशन तेज़ होता है।

Beam को Hugging Face के Transformers, Inferact के vLLM, RadixArk के SGLang, Unsloth, Axolotl, LightSeek Foundation के TokenSpeed और NVIDIA के Dynamo में पहले दिन से ही मूल समर्थन प्राप्त है। Reflection ने बताया कि डेवलपर मॉडल डाउनलोड करके उसे अपने सर्वर पर होस्ट कर सकते हैं, उसका मूल्यांकन कर सकते हैं, अपने क्षेत्र के मुताबिक उसे अनुकूलित कर सकते हैं और Reflection तथा उसके साझेदारों के ज़रिए उसे एजेंट-आधारित सिस्टम से जोड़ सकते हैं।

Baseten पर पहले दिन से समर्थन और मूल्य निर्धारण

Baseten ने 16 अक्टूबर, 2026 को Beam के लिए पहले दिन से समर्थन की घोषणा की और इसे Baseten Model APIs तथा Dedicated Inference के ज़रिए उपलब्ध कराया। Baseten की मॉडल लाइब्रेरी में Beam को Apache 2.0 लाइसेंस के तहत Reflection द्वारा विकसित केवल-टेक्स्ट मॉडल बताया गया है। इसमें Model API के लिए प्रति दस लाख टोकन की कीमतें इनपुट के $1.30, कैश इनपुट के $4.30 और आउटपुट के $0.13 दी गई हैं।

Beam एक ऑटोरेग्रेसिव ट्रांसफ़ॉर्मर है, जो टेक्स्ट इनपुट स्वीकार करता है और टेक्स्ट आउटपुट तैयार करता है। इसके मिक्सचर-ऑफ़-एक्सपर्ट्स आर्किटेक्चर में कुल 501 अरब पैरामीटर हैं, जिनमें से हर टोकन के लिए 23 अरब सक्रिय रहते हैं। इसकी कॉन्टेक्स्ट विंडो में अधिकतम दस लाख टोकन आ सकते हैं।

Reflection के मूल्यांकनों के बेंचमार्क नतीजे, जिनका उल्लेख Baseten की लॉन्च पोस्ट में किया गया है, Beam को GPQA Diamond पर 90.5% देते हैं। यह बेंचमार्क स्नातकोत्तर स्तर के वैज्ञानिक तर्क का आकलन करता है। वास्तविक सॉफ़्टवेयर समस्याओं को हल करने वाले SWE-bench Verified पर इसे 80.9%, AIME 2026 प्रतियोगिता की गणित पर 97.8%, कमांड-लाइन वातावरण में कार्य पूरे करने वाले Terminal-Bench 2.1 पर 80.1% और MCP सर्वर के ज़रिए वास्तविक दुनिया के टूल इस्तेमाल करने वाले MCP Atlas पर 78.7% अंक मिले। Baseten के अनुसार, Reflection ने Beam को कम टोकन इस्तेमाल करते हुए कोडिंग और एजेंट-आधारित कार्य हल करने के लिए प्रशिक्षित किया। रीइन्फ़ोर्समेंट लर्निंग के लंबे रोलआउट से मॉडल को कई चरणों वाले सवालों का अभ्यास करने का अवसर मिला, जबकि अनावश्यक टोकन इस्तेमाल को हतोत्साहित करने के लिए प्रशिक्षण के दौरान लंबाई पर दंड लगाया गया। उपयोगकर्ता Beam के तर्क-प्रयास पैरामीटर को समायोजित कर सकते हैं: कम सेटिंग से जवाब छोटे होते हैं, जबकि अधिक सेटिंग कठिन कार्यों पर ज़्यादा तर्क करने की गुंजाइश देती है।

Mirror CLI और अनुकूलन

Reflection ने Mirror CLI को भी ओपन-सोर्स किया। यह टर्मिनल एजेंट चलाने का एक ढाँचा है, जिसे Beam के साथ-साथ प्रशिक्षित किया गया था। Mirror में Python फ़्रंटएंड है, जिसमें प्रॉम्प्ट, कौशल और डेवलपर टूल शामिल हैं, जबकि Rust एजेंट कोर मॉडल को संचालित करता है। यह बातचीत को वहीं से फिर शुरू करने, अलग-अलग वर्कट्री में समानांतर एजेंट चलाने, प्रोजेक्ट निर्देशों, MCP कनेक्शन और Python एक्सटेंशन का समर्थन करता है। Reflection ने बताया कि उसने शुरुआत में Mirror को अपने इंजीनियरिंग कार्यों के लिए बनाया था। इसमें अलग-थलग वर्कस्पेस, बैकग्राउंड सेशन और Slack, Linear तथा GitHub के साथ एकीकरण शामिल थे। बाद में इसे ऐसे टूल के रूप में विकसित किया गया जिसे कंपनी ओपन-सोर्स कर सकती थी।

Beam को कोडिंग और ज्ञान-आधारित कार्यों में Earendil के Pi, Anomaly के OpenCode और Nous Research के Hermes के साथ परखा गया है। इन कार्यों में रिपॉज़िटरी पढ़ना, फ़ाइलें संपादित करना और कमांड चलाना शामिल था।

अनुकूलन के लिए, Reflection ने फ़ाइन-ट्यूनिंग और रीइन्फ़ोर्समेंट लर्निंग वर्कफ़्लो बनाने हेतु NeMo RL, AutoModel और Megatron पर NVIDIA के साथ; Miles पर RadixArk के साथ; TRL पर Hugging Face के साथ; SkyRL पर Anyscale के साथ; और Axolotl के साथ साझेदारी की। कंपनी ने कहा कि Beam के लिए उसके सबसे बड़े RL रन में प्रशिक्षण, मूल्यांकन और एब्लेशन के दौरान लगभग 1.3 अरब सैंडबॉक्स चले। अंतिम रन में 23 क्लस्टरों में 883,006 वर्चुअल सीपीयू तक का उपयोग हुआ, जो आवंटित की जा सकने वाली क्षमता का 83% था। Reflection ने कहा कि आने वाले दिनों में उसकी योजना सेल्फ़-डिस्टिलेशन रेसिपी जारी करने की है और भविष्य के रन के लिए वह OpenEnv को अपनाएगी, जो एक खुला एनवायरनमेंट मानक है। Baseten के अनुसार, Beam Reflection के नए मॉडल परिवार का पहला मॉडल है; भविष्य के संस्करणों के लिए बहुभाषी और मल्टीमॉडल क्षमताएँ नियोजित हैं।