Reflection Merilis Bobot Terbuka Beam di Bawah Lisensi Apache 2.0

Pada 16 Oktober 2026, Reflection merilis bobot Beam, model pertamanya dengan bobot terbuka, di Hugging Face di bawah lisensi Apache 2.0. Baseten menghadirkan model campuran pakar (mixture-of-experts) berparameter 501B itu di platformnya dengan dukungan sejak hari pertama melalui Model APIs dan Dedicated Inference.

Reflection pertama kali memperkenalkan Beam pada 5 Oktober 2026, ketika model tersebut masih menjalani pengujian red-team tahap akhir dan evaluasi. Akses awal dibatasi untuk mereka yang masuk daftar tunggu, sementara bobotnya dijanjikan akan dirilis pada akhir bulan itu. Perusahaan mengatakan bahwa Beam dilatih sebelumnya menggunakan 23,8 triliun token, lalu disempurnakan melalui proses pembelajaran penguatan yang menghasilkan lebih dari 100 juta rollout dengan 10,5 ribu GPU NVIDIA GB300 selama empat minggu.

Bobot, Dokumentasi, dan Ketersediaan Platform

Dalam pengumuman ketersediaannya, Reflection mengatakan bahwa perilisan ini mencakup kartu model berisi tolok ukur akhir dan Laporan Teknis Keselamatan Beam yang membahas metodologi keselamatan serta evaluasi model secara menyeluruh. Dalam pengumuman ketersediaan tersebut, perusahaan menggambarkan peluncuran ini sebagai sebuah ekosistem yang terdiri atas lebih dari 40 mitra dan integrasi, yang membentuk apa yang disebutnya sebagai “sistem operasi terbuka untuk agen”. Model berperan sebagai kernel, sementara integrasi agen referensi, kontainer penerapan, integrasi inferensi, dan alur kerja penyesuaian terbuka di atas lapisan infrastruktur.

Reflection juga membuka versi beta publik API yang dikembangkannya sendiri di platform.reflection.ai, yang menurut perusahaan dapat mulai digunakan secara gratis. Platform peluncuran yang disebutkan perusahaan antara lain 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, dan Weights & Biases. Untuk lingkungan lokal, berdaulat, dan terisolasi dari jaringan luar, Dell dan HPE menyediakan Beam di balik firewall.

Format Presisi dan Dukungan Kerangka Kerja

Reflection merilis bobot dalam format presisi BF16, FP8, dan NVFP4, disertai model drafter untuk decoding spekulatif. Perusahaan mengatakan telah bekerja sama dengan para mitra untuk mengoptimalkan konfigurasi penyajian dan mengembangkan kernel gabungan demi mengurangi latensi dan meningkatkan laju pemrosesan. Menurut perusahaan, langkah-langkah ini mengurangi kebutuhan memori dan mempercepat pembuatan token tanpa memerlukan konfigurasi tambahan.

Beam mendapat dukungan native sejak hari pertama di Transformers dari Hugging Face, vLLM dari Inferact, SGLang dari RadixArk, Unsloth, Axolotl, TokenSpeed dari LightSeek Foundation, dan Dynamo dari NVIDIA. Reflection mengatakan bahwa para pengembang dapat mengunduh dan menghosting model sendiri, mengevaluasinya, menyesuaikannya untuk bidang mereka, serta menghubungkannya ke sistem agen melalui Reflection dan para mitranya.

Dukungan Sejak Hari Pertama dan Harga di Baseten

Pada 16 Oktober 2026, Baseten mengumumkan dukungan untuk Beam sejak hari pertama, sehingga model ini tersedia melalui Baseten Model APIs dan Dedicated Inference. Pustaka model Baseten menjelaskan Beam sebagai model khusus teks yang dikembangkan Reflection di bawah lisensi Apache 2.0. Pustaka itu mencantumkan harga Model API per satu juta token sebesar $1.30 untuk input, $4.30 untuk input cache, dan $0.13 untuk output.

Beam adalah transformer autoregresif yang menerima masukan teks dan menghasilkan keluaran teks. Arsitektur campuran pakarnya memiliki total 501 miliar parameter, dengan 23 miliar parameter aktif per token dan jendela konteks hingga satu juta token.

Hasil tolok ukur dari evaluasi Reflection yang dikutip dalam tulisan peluncuran Baseten menunjukkan bahwa Beam meraih skor 90.5% pada GPQA Diamond, yang mengukur penalaran ilmiah tingkat pascasarjana; 80.9% pada SWE-bench Verified, yang mencakup penyelesaian masalah perangkat lunak nyata; 97.8% pada matematika kompetisi AIME 2026; 80.1% pada Terminal-Bench 2.1 untuk menyelesaikan tugas di lingkungan baris perintah; dan 78.7% pada MCP Atlas untuk menggunakan perangkat dunia nyata melalui server MCP. Baseten mengatakan bahwa Reflection melatih Beam untuk menyelesaikan tugas pemrograman dan tugas berbasis agen dengan lebih sedikit token. Rollout pembelajaran penguatan yang lebih panjang memungkinkan model berlatih menangani masalah bertahap, sedangkan penalti panjang diterapkan selama pelatihan untuk mencegah penggunaan token yang tidak perlu. Pengguna dapat menyesuaikan parameter upaya penalaran Beam: pengaturan yang lebih rendah cenderung menghasilkan jawaban lebih singkat, sedangkan pengaturan yang lebih tinggi memungkinkan penalaran lebih mendalam untuk tugas yang menantang.

Mirror CLI dan Penyesuaian

Reflection juga merilis Mirror CLI sebagai sumber terbuka, sebuah kerangka kerja agen terminal yang dilatih bersama Beam. Mirror memadukan antarmuka frontend Python yang mencakup prompt, keterampilan, dan perangkat pengembangan dengan inti agen Rust yang menggerakkan model. Mirror juga mendukung percakapan yang dapat dilanjutkan, agen paralel di worktree terpisah, instruksi proyek, koneksi MCP, dan ekstensi Python. Reflection mengatakan bahwa Mirror awalnya dibuat untuk keperluan rekayasa internal, dengan ruang kerja terisolasi, sesi latar belakang, serta integrasi dengan Slack, Linear, dan GitHub, sebelum dikembangkan menjadi alat yang dapat dirilis sebagai sumber terbuka.

Beam telah diuji bersama Pi dari Earendil, OpenCode dari Anomaly, dan Hermes dari Nous Research untuk tugas pemrograman dan pekerjaan berbasis pengetahuan, termasuk membaca repositori, mengedit berkas, dan menjalankan perintah.

Untuk kustomisasi, Reflection bekerja sama dengan NVIDIA dalam NeMo RL, AutoModel, dan Megatron; dengan RadixArk dalam Miles; dengan Hugging Face dalam TRL; dengan Anyscale dalam SkyRL; serta dengan Axolotl untuk membangun alur kerja penyetelan halus dan pembelajaran penguatan. Perusahaan itu mengatakan bahwa eksperimen RL terbesarnya untuk Beam menjalankan sekitar 1,3 miliar lingkungan sandbox untuk pelatihan, evaluasi, dan ablasi, dengan eksperimen terakhir mencapai puncak 883.006 vCPU—83% dari kapasitas yang dapat dialokasikan—di 23 klaster pada GCP dan AWS. Reflection mengatakan bahwa mereka berencana merilis resep distilasi mandiri dalam beberapa hari mendatang dan akan mengadopsi OpenEnv, standar lingkungan terbuka, untuk eksperimen mendatang. Baseten menggambarkan Beam sebagai model pertama dalam keluarga model baru dari Reflection, dengan kemampuan multibahasa dan multimodal yang direncanakan untuk rilis mendatang.