Reflection、Apache 2.0ライセンスでBeamのオープンウェイトを公開

Reflectionは2026年10月16日、初のオープンウェイトモデルであるBeamの重みを、Apache 2.0ライセンスの下でHugging Face上に公開した。Basetenは、5,010億パラメーターの混合エキスパートモデルを自社プラットフォームに導入し、Model APIsとDedicated Inferenceを通じてリリース初日から利用できるようにした。

Reflectionは2026年10月5日、最終的なレッドチームテストと評価を進めている段階でBeamを発表しました。初期アクセスはウェイトリスト登録者に限られ、モデルの重みは同月中に公開するとしていた。同社によると、Beamの事前学習には23.8兆トークンを使用し、その後、NVIDIA GB300 GPU 10.5K基で4週間にわたり1億回を超えるロールアウトを生成する強化学習を実施してモデルを改良した。

重み、ドキュメント、プラットフォームでの提供状況

Reflectionは提供開始の発表で、今回のリリースには最終ベンチマークを記載したモデルカードと、モデルの安全性に関する手法および評価の全容をまとめた「Beam Safety Technical Report」が含まれると述べた。同社は提供開始の発表で、40を超えるパートナーや連携機能からなるエコシステムを立ち上げると説明した。これは同社が「エージェントのためのオープンなオペレーティングシステム」と呼ぶもので、モデルをカーネルとし、リファレンスとなるエージェント連携機能、デプロイ用コンテナ、推論連携機能、カスタマイズ用パイプラインをインフラ層の上にオープンに提供する。

Reflectionは、自社提供APIのパブリックベータ版もplatform.reflection.aiで公開し、利用開始は無料だとしている。同社が挙げた提供プラットフォームには、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、Weights & Biasesなどが含まれる。オンプレミス、ソブリン環境、エアギャップ環境向けには、DellとHPEがファイアウォールの内側でBeamを提供する。

精度形式とフレームワークへの対応

Reflectionは、BF16、FP8、NVFP4の各精度形式に加え、投機的デコード用のドラフターモデルを公開した。同社によると、パートナー各社と連携してサービング構成を最適化し、低レイテンシーと高スループットを実現する融合カーネルを開発した。こうした取り組みにより、メモリ要件を削減し、追加設定なしでトークン生成を高速化できるという。

Beamは、Hugging FaceのTransformers、InferactのvLLM、RadixArkのSGLang、Unsloth、Axolotl、LightSeek FoundationのTokenSpeed、NVIDIAのDynamoで、リリース初日からネイティブにサポートされる。Reflectionによると、開発者はモデルをダウンロードしてセルフホストし、評価や独自ドメイン向けのカスタマイズを行えるほか、Reflectionおよびパートナー各社を通じてエージェントシステムに接続できる。

Basetenでのリリース初日からの対応と料金

Basetenは2026年10月16日、Beamのリリース初日からの対応を発表し、Baseten Model APIsとDedicated Inferenceを通じて利用可能にした。Basetenのモデルライブラリでは、BeamはReflectionがApache 2.0ライセンスの下で開発したテキスト専用モデルと説明されている。また、Model APIの料金は100万トークンあたり、入力が1.30ドル、キャッシュ入力が4.30ドル、出力が0.13ドルと記載されている。

Beamは自己回帰型トランスフォーマーで、テキスト入力を受け取り、テキストを出力する。混合エキスパート方式のアーキテクチャを採用し、総パラメーター数は5,010億、トークンあたりの有効パラメーター数は230億で、最大100万トークンのコンテキストウィンドウに対応する。

Basetenのローンチ記事で引用されたReflectionの評価結果によると、Beamは大学院レベルの科学的推論を測るGPQA Diamondで90.5%、実際のソフトウェア課題の解決能力を評価するSWE-bench Verifiedで80.9%、AIME 2026の競技数学で97.8%、コマンドライン環境でのタスク完了能力を測るTerminal-Bench 2.1で80.1%、MCPサーバー経由で実世界のツールを使う能力を評価するMCP Atlasで78.7%を記録した。Basetenによると、Reflectionは、より少ないトークンでコーディングやエージェント型タスクを解決できるようBeamを学習させた。強化学習のロールアウトを長くすることで、モデルは複数段階にわたる問題に取り組む練習ができ、学習中には不要なトークンを抑えるための長さペナルティも適用された。ユーザーはBeamの推論努力パラメーターを調整でき、低い設定では短い応答が優先され、高い設定では難しいタスクについてより深く推論できる。

Mirror CLIとカスタマイズ

Reflectionは、Beamと並行して学習させたターミナルエージェント用の実行環境、Mirror CLIもオープンソース化した。Mirrorは、プロンプト、スキル、開発者向けツールを扱うPython製フロントエンドと、モデルを動かすRust製エージェントコアを組み合わせている。また、中断後に再開できる会話、別々のワークツリーで動作する並列エージェント、プロジェクトごとの指示、MCP接続、Python拡張機能をサポートする。Reflectionによると、Mirrorは当初、隔離されたワークスペース、バックグラウンドセッション、Slack、Linear、GitHubとの連携機能を備えた社内エンジニアリング用ツールとして開発され、その後、オープンソース化できるツールへと発展した。

Beamは、コーディングや知識労働のタスクで、EarendilのPi、AnomalyのOpenCode、Nous ResearchのHermesを使ったテストが行われている。テストには、リポジトリの読み取り、ファイルの編集、コマンドの実行などが含まれる。

カスタマイズにあたり、ReflectionはNVIDIAとNeMo RL、AutoModel、Megatronで、RadixArkとMilesで、Hugging FaceとTRLで、AnyscaleとSkyRLで、またAxolotlと連携し、ファインチューニングと強化学習のワークフローを構築しました。同社によると、Beam向けの最大規模の強化学習実行では、学習、評価、アブレーション実験を通じて約13億件のサンドボックスを実行し、最終実行ではGCPとAWS上の23クラスターにまたがって、割り当て可能な容量の83%に当たる883,006 vCPUをピーク時に使用しました。Reflectionは、今後数日以内に自己蒸留のレシピを公開する予定であり、今後の実行ではオープンな環境標準であるOpenEnvを採用すると述べました。Basetenは、BeamをReflectionの新しいモデルファミリーの第一弾と位置づけており、多言語およびマルチモーダル機能は今後のリリースで提供する予定です。