Reflection, Apache 2.0 라이선스로 Beam 가중치 공개

Reflection은 2026년 10월 16일 Hugging Face에서 자사 최초의 오픈 웨이트 모델인 Beam의 가중치를 Apache 2.0 라이선스로 공개했고, Baseten은 5,010억 개 매개변수를 사용하는 전문가 혼합 모델을 자사 플랫폼에 출시 당일부터 지원하며 Model APIs와 Dedicated Inference를 통해 제공했다.

Reflection은 최종 레드팀 테스트와 평가가 진행 중이던 2026년 10월 5일 Beam을 처음 공개했다. 당시 얼리 액세스는 대기자 명단에 오른 사용자로 제한됐으며, 가중치는 그달 말 공개할 예정이었다. 회사는 2조 3,800억 개의 토큰으로 Beam을 사전 학습하고, NVIDIA GB300 GPU 1만 500대에서 4주 동안 1억 회가 넘는 롤아웃을 생성한 강화 학습을 통해 모델을 개선했다고 밝혔다.

가중치, 문서 및 플랫폼 제공 현황

Reflection은 가용성을 알리며, 최종 벤치마크와 모델의 전체 안전성 방법론 및 평가 내용을 담은 Beam Safety Technical Report가 포함된 모델 카드를 이번 공개에 함께 제공한다고 밝혔다. 회사는 이번 출시를 40곳이 넘는 파트너 및 통합 서비스로 이뤄진 생태계라고 설명했다. 이 생태계는 회사가 ‘에이전트를 위한 개방형 운영체제’라고 부르는 것으로, 모델을 커널로 삼고 참조용 에이전트 통합, 배포 컨테이너, 추론 통합 및 맞춤화 파이프라인을 인프라 계층 위에 개방하는 구조다. Reflection은 이 내용을 가용성 발표에서 밝혔다.

Reflection은 platform.reflection.ai에서 자사 공식 API의 공개 베타도 시작했으며, 처음에는 무료로 이용할 수 있다고 밝혔다. 회사가 출시 플랫폼으로 언급한 곳에는 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 등이 포함된다. 온프레미스, 주권형 및 에어갭 환경에서는 Dell과 HPE가 방화벽 내부에서 Beam을 제공한다.

정밀도 형식 및 프레임워크 지원

Reflection은 BF16, FP8, NVFP4 정밀도 형식의 가중치와 추측 디코딩용 드래프터 모델을 공개했다. 회사는 파트너들과 함께 서빙 구성을 최적화하고 지연 시간을 줄이면서 처리량을 높이는 융합 커널을 개발했다고 밝혔다. 또한 이러한 작업으로 메모리 요구량을 낮추고 별도 설정 없이 토큰 생성 속도를 높일 수 있다고 설명했다.

Beam은 Hugging Face의 Transformers, Inferact의 vLLM, RadixArk의 SGLang, Unsloth, Axolotl, LightSeek Foundation의 TokenSpeed, NVIDIA의 Dynamo에서 출시일부터 기본 지원된다. Reflection은 개발자가 모델을 다운로드해 자체 호스팅하고, 평가하고, 각자의 도메인에 맞게 조정하고, Reflection 및 파트너사를 통해 에이전트 시스템에 연결할 수 있다고 밝혔다.

Baseten의 출시 당일 지원 및 가격

Baseten은 2026년 10월 16일 Beam을 출시 당일부터 지원한다고 발표했으며, Baseten Model APIs와 Dedicated Inference를 통해 이용할 수 있도록 했다. Baseten의 모델 라이브러리에는 Beam이 Apache 2.0 라이선스로 Reflection이 개발한 텍스트 전용 모델로 소개되어 있으며, Model API 요금은 토큰 100만 개당 입력 $1.30, 캐시 입력 $4.30, 출력 $0.13으로 안내되어 있다.

Beam은 텍스트 입력을 받아 텍스트 출력을 생성하는 자기회귀 트랜스포머다. 전문가 혼합 아키텍처를 채택해 전체 매개변수는 5,010억 개이며 토큰당 활성 매개변수는 230억 개다. 컨텍스트 창은 최대 100만 토큰이다.

Baseten의 출시 게시물에서 인용한 Reflection 평가 결과에 따르면 Beam은 대학원 수준의 과학적 추론을 측정하는 GPQA Diamond에서 90.5%, 실제 소프트웨어 문제 해결 능력을 평가하는 SWE-bench Verified에서 80.9%, AIME 2026 경시 수학에서 97.8%, 명령줄 환경에서의 과제 수행 능력을 평가하는 Terminal-Bench 2.1에서 80.1%, MCP 서버를 통한 실제 도구 사용 능력을 평가하는 MCP Atlas에서 78.7%를 기록했다. Baseten은 Reflection이 Beam을 더 적은 토큰으로 코딩 및 에이전트 작업을 해결하도록 학습시켰으며, 강화 학습 롤아웃을 길게 진행해 모델이 여러 단계로 이뤄진 문제를 연습하게 하고 학습 중 길이 페널티를 적용해 불필요한 토큰 사용을 억제했다고 밝혔다. 사용자는 Beam의 추론 노력 매개변수를 조정할 수 있다. 설정을 낮추면 답변이 짧아지고, 높이면 어려운 작업에서 더 많은 추론을 수행한다.

Mirror CLI 및 맞춤화

Reflection은 Beam과 함께 학습한 터미널 에이전트 실행 프레임워크인 Mirror CLI도 오픈 소스로 공개했다. Mirror는 프롬프트, 스킬 및 개발자 도구를 아우르는 Python 프런트엔드와 모델을 구동하는 Rust 에이전트 코어를 결합한다. 또한 대화를 이어서 재개하는 기능, 별도의 워크트리에서 여러 에이전트를 병렬로 실행하는 기능, 프로젝트 지침, MCP 연결 및 Python 확장 기능을 지원한다. Reflection은 처음에 내부 엔지니어링 용도로 Mirror를 구축했으며, 격리된 작업 공간, 백그라운드 세션, Slack, Linear 및 GitHub 통합 기능을 갖췄다고 밝혔다. 이후 오픈 소스로 공개할 수 있는 도구로 발전시켰다.

Beam은 코딩 및 지식 업무에서 저장소 읽기, 파일 편집, 명령 실행 등의 작업을 수행하며 Earendil의 Pi, Anomaly의 OpenCode, Nous Research의 Hermes와 함께 테스트됐다.

맞춤형 개발을 위해 Reflection은 미세 조정 및 강화 학습 워크플로를 구축하고자 NVIDIA와 NeMo RL, AutoModel, Megatron을, RadixArk와 Miles를, Hugging Face와 TRL을, Anyscale과 SkyRL을, Axolotl과 협력했습니다. 회사 측은 Beam을 대상으로 한 최대 규모의 강화 학습 실행에서 학습, 평가, 절제 실험 전반에 걸쳐 약 13억 개의 샌드박스를 운영했으며, 마지막 실행에서는 GCP와 AWS의 23개 클러스터에서 할당 가능한 용량의 83%에 해당하는 883,006 vCPU를 기록했다고 밝혔습니다. Reflection은 앞으로 며칠 안에 자기 증류 레시피를 공개할 계획이며, 향후 실행에는 개방형 환경 표준인 OpenEnv를 도입할 예정이라고 밝혔습니다. Baseten은 Beam을 Reflection의 새로운 모델 제품군 가운데 첫 번째 모델로 소개하며, 다국어 및 멀티모달 기능은 향후 출시될 모델에 적용할 계획이라고 설명합니다.