Reflection publiserer Beams åpne modellvekter under Apache 2.0-lisensen

Reflection publiserte vektene for Beam, sin første modell med åpne vekter, på Hugging Face under Apache 2.0-lisensen 16. oktober 2026. Baseten gjorde modellen, en blanding-av-eksperter-modell med 501 milliarder parametere, tilgjengelig på sin plattform med støtte fra dag null gjennom Model APIs og Dedicated Inference.

Reflection lanserte Beam første gang 5. oktober 2026, mens modellen gjennomgikk de siste testene for å avdekke sårbarheter og evalueringene. Tidlig tilgang var begrenset til en venteliste, og vektene skulle etter planen publiseres senere samme måned. Selskapet opplyste at det forhåndstrente Beam på 23,8 billioner tokens og videreutviklet modellen gjennom en forsterkende læringskjøring som genererte mer enn 100 millioner utrullinger på 10,5K NVIDIA GB300-GPU-er over fire uker.

Vekter, dokumentasjon og plattformtilgjengelighet

I kunngjøringen om tilgjengeligheten opplyste Reflection at utgivelsen omfatter et modellkort med endelige referanseresultater og en teknisk rapport om Beam-sikkerhet, som dekker modellens fullstendige sikkerhetsmetodikk og evalueringer. I kunngjøringen om tilgjengeligheten beskrev selskapet lanseringen som et økosystem med mer enn 40 partnere og integrasjoner, som til sammen utgjør det selskapet kaller et «åpent operativsystem for agenter». Modellen er kjernen, og referanseintegrasjoner for agenter, distribusjonscontainere, inferensintegrasjoner og tilpasningsløsninger er åpne over infrastrukturlaget.

Reflection åpnet også en offentlig betaversjon av sitt eget API på platform.reflection.ai, som ifølge selskapet er gratis å komme i gang med. Blant plattformene selskapet nevner for lanseringen, er 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 og Weights & Biases, blant andre. For lokale, suverene og nettverksisolerte miljøer leverer Dell og HPE Beam bak brannmuren.

Presisjonsformater og støtte for rammeverk

Reflection publiserte vektene i presisjonsformatene BF16, FP8 og NVFP4, sammen med en utkastmodell for spekulativ dekoding. Selskapet opplyste at det samarbeidet med partnere om å optimalisere konfigurasjoner for modellservering og utvikle sammenslåtte kjerner for lavere forsinkelse og høyere gjennomstrømning. Ifølge selskapet reduserer disse tiltakene minnebehovet og øker hastigheten på genereringen av tokens uten ekstra oppsett.

Beam har innebygd støtte fra dag null i Transformers fra Hugging Face, vLLM fra Inferact, SGLang fra RadixArk, Unsloth, Axolotl, TokenSpeed fra LightSeek Foundation og Dynamo fra NVIDIA. Reflection opplyste at utviklere kan laste ned og drifte modellen selv, evaluere den, tilpasse den til sine egne fagområder og koble den til agentsystemer gjennom Reflection og partnerne selskapet samarbeider med.

Støtte fra dag null og priser på Baseten

Baseten kunngjorde støtte for Beam fra dag null 16. oktober 2026, og gjorde modellen tilgjengelig gjennom Baseten Model APIs og Dedicated Inference. Basetens modellbibliotek beskriver Beam som en tekstbasert modell utviklet av Reflection under Apache 2.0-lisensen, og oppgir prisene for Model API per én million tokens: 1,30 dollar for inndata, 4,30 dollar for cachede inndata og 0,13 dollar for utdata.

Beam er en autoregressiv transformer som tar imot tekst som inndata og genererer tekst som utdata. Arkitekturen med en blanding av eksperter har totalt 501 milliarder parametere, hvorav 23 milliarder er aktive per token, og et kontekstvindu på opptil én million tokens.

Referanseresultater fra Reflections evalueringer, omtalt i Basetens lanseringsinnlegg, viser at Beam oppnådde 90,5 % på GPQA Diamond, som måler vitenskapelig resonnering på forskernivå; 80,9 % på SWE-bench Verified, som måler evnen til å løse reelle programvareproblemer; 97,8 % på konkurranseoppgavene i matematikk i AIME 2026; 80,1 % på Terminal-Bench 2.1 for gjennomføring av oppgaver i et kommandolinjemiljø; og 78,7 % på MCP Atlas for bruk av verktøy fra den virkelige verden via MCP-servere. Baseten opplyste at Reflection trente Beam til å løse kodeoppgaver og agentbaserte oppgaver med færre tokens. Lengre utrullinger i forsterkende læring ga modellen mulighet til å øve på oppgaver i flere trinn, og under treningen ble det brukt en lengdestraff for å motvirke unødvendig bruk av tokens. Brukerne kan justere Beam-parameteren for resonnementinnsats: Lavere innstillinger gir kortere svar, mens høyere innstillinger åpner for mer resonnering i krevende oppgaver.

Mirror CLI og tilpasning

Reflection publiserte også Mirror CLI som åpen kildekode, et agentrammeverk for terminalen som ble trent sammen med Beam. Mirror kombinerer et Python-grensesnitt for ledetekster, ferdigheter og utviklerverktøy med en agentkjerne i Rust som styrer modellen. Det støtter gjenopptakbare samtaler, parallelle agenter i separate worktrees, prosjektinstruksjoner, MCP-tilkoblinger og Python-utvidelser. Reflection opplyste at selskapet først utviklet Mirror for intern teknisk bruk, med isolerte arbeidsområder, bakgrunnsøkter og integrasjoner med Slack, Linear og GitHub, før det videreutviklet verktøyet til noe selskapet kunne publisere som åpen kildekode.

Beam er testet med Pi fra Earendil, OpenCode fra Anomaly og Hermes fra Nous Research på oppgaver innen programmering og kunnskapsarbeid, blant annet lesing av kodelagre, redigering av filer og kjøring av kommandoer.

For å tilpasse modellene samarbeidet Reflection med NVIDIA om NeMo RL, AutoModel og Megatron; med RadixArk om Miles; med Hugging Face om TRL; med Anyscale om SkyRL; og med Axolotl om å bygge arbeidsflyter for finjustering og forsterkende læring. Selskapet sa at de største RL-kjøringene for Beam omfattet rundt 1,3 milliarder sandkasser til sammen for trening, evaluering og ablasjoner, og at den siste kjøringen nådde en topp på 883 006 vCPU-er, tilsvarende 83 % av den tilgjengelige kapasiteten, fordelt på 23 klynger på GCP og AWS. Reflection sa at selskapet planlegger å lansere oppskrifter for selv-destillasjon i løpet av de kommende dagene, og at det vil ta i bruk OpenEnv, en åpen standard for miljøer, i fremtidige kjøringer. Baseten beskriver Beam som den første modellen i en ny modellfamilie fra Reflection, med flerspråklige og multimodale egenskaper planlagt for fremtidige lanseringer.