Reflection udostępnia otwarte wagi modelu Beam na licencji Apache 2.0

16 października 2026 r. Reflection udostępniło w serwisie Hugging Face wagi modelu Beam, swojego pierwszego modelu z otwartymi wagami, na licencji Apache 2.0. Tego samego dnia Baseten udostępniło na swojej platformie model typu mixture of experts o 501 mld parametrów, zapewniając wsparcie od dnia premiery w ramach Model APIs i Dedicated Inference.

Reflection po raz pierwszy zaprezentowało model Beam 5 października 2026 r., gdy przechodził on końcowe testy red-teamowe i ewaluacje. Wczesny dostęp ograniczono do osób zapisanych na listę oczekujących, a udostępnienie wag zapowiedziano na późniejszą część miesiąca. Firma poinformowała, że wstępnie trenowała Beam na 23,8 bln tokenów, a następnie doskonaliła go w ramach przebiegu uczenia przez wzmacnianie, podczas którego w ciągu czterech tygodni wygenerowano ponad 100 mln przebiegów na 10,5 tys. procesorów graficznych NVIDIA GB300.

Wagi, dokumentacja i dostępność na platformach

W komunikacie o udostępnieniu Reflection poinformowała, że wydanie obejmuje kartę modelu z końcowymi wynikami testów porównawczych oraz raport techniczny dotyczący bezpieczeństwa Beam, przedstawiający pełną metodykę zapewniania bezpieczeństwa modelu i przeprowadzone oceny. Firma opisała premierę w komunikacie o udostępnieniu jako ekosystem ponad 40 partnerów i integracji, tworzących to, co określa mianem „otwartego systemu operacyjnego dla agentów”: model pełni w nim funkcję jądra, a referencyjne integracje agentowe, kontenery wdrożeniowe, integracje wnioskowania i potoki dostosowywania są udostępniane jako otwarte rozwiązania ponad warstwą infrastruktury.

Reflection uruchomiło również publiczną wersję beta własnego API pod adresem platform.reflection.ai, która — jak podała firma — jest bezpłatna na początek. Wśród platform udostępniających model, wymienionych przez firmę, znalazły się m.in. 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 oraz Weights & Biases. W przypadku środowisk lokalnych, suwerennych i odizolowanych od sieci Dell i HPE udostępniają Beam za zaporą sieciową.

Formaty precyzji i obsługa środowisk programistycznych

Reflection udostępniło wagi w formatach precyzji BF16, FP8 i NVFP4, a także model pomocniczy do dekodowania spekulatywnego. Firma poinformowała, że współpracowała z partnerami nad optymalizacją konfiguracji serwowania modelu i opracowaniem łączonych jąder obliczeniowych, które zmniejszają opóźnienia i zwiększają przepustowość. Według firmy działania te ograniczają zapotrzebowanie na pamięć i przyspieszają generowanie tokenów od razu po uruchomieniu.

Model Beam od pierwszego dnia jest natywnie obsługiwany przez Transformers od Hugging Face, vLLM od Inferact, SGLang od RadixArk, Unsloth, Axolotl, TokenSpeed od LightSeek Foundation oraz Dynamo od NVIDIA. Reflection poinformowało, że programiści mogą pobierać i samodzielnie hostować model, oceniać go, dostosowywać do własnych dziedzin oraz łączyć z systemami agentowymi za pośrednictwem Reflection i jej partnerów.

Wsparcie od dnia premiery i ceny w Baseten

16 października 2026 r. Baseten ogłosiło wsparcie dla Beam od dnia premiery, udostępniając model w ramach Baseten Model APIs i Dedicated Inference. Katalog modeli Baseten opisuje Beam jako model tekstowy opracowany przez Reflection na licencji Apache 2.0. Podaje też ceny korzystania z Model API za milion tokenów: 1,30 USD za tokeny wejściowe, 4,30 USD za tokeny wejściowe z pamięci podręcznej i 0,13 USD za tokeny wyjściowe.

Beam to autoregresyjny transformer, który przyjmuje tekst na wejściu i generuje tekst na wyjściu. Jego architektura typu mixture of experts obejmuje łącznie 501 mld parametrów, z czego 23 mld jest aktywnych dla każdego tokenu. Długość okna kontekstowego wynosi maksymalnie milion tokenów.

Wyniki ewaluacji Reflection, przytoczone we wpisie Baseten z okazji premiery, pokazują, że Beam uzyskał 90,5% w teście GPQA Diamond, mierzącym zaawansowane rozumowanie naukowe na poziomie studiów magisterskich; 80,9% w SWE-bench Verified, dotyczącym rozwiązywania rzeczywistych problemów z oprogramowaniem; 97,8% w konkursie matematycznym AIME 2026; 80,1% w Terminal-Bench 2.1 za wykonywanie zadań w środowisku wiersza poleceń; oraz 78,7% w MCP Atlas za korzystanie z rzeczywistych narzędzi za pośrednictwem serwerów MCP. Baseten poinformowało, że Reflection trenowało Beam do rozwiązywania zadań programistycznych i agentowych przy użyciu mniejszej liczby tokenów. Dłuższe przebiegi uczenia przez wzmacnianie pozwalały modelowi ćwiczyć rozwiązywanie problemów wieloetapowych, a podczas treningu stosowano karę za długość, aby zniechęcić do używania zbędnych tokenów. Użytkownicy mogą regulować parametr Beam określający nakład rozumowania: niższe ustawienia sprzyjają krótszym odpowiedziom, a wyższe pozwalają na więcej rozumowania przy trudniejszych zadaniach.

Mirror CLI i dostosowywanie

Reflection udostępniło również Mirror CLI jako otwarte oprogramowanie — środowisko agenta działającego w terminalu, trenowane równolegle z Beam. Mirror łączy interfejs napisany w Pythonie, obejmujący prompty, umiejętności i narzędzia dla programistów, z głównym modułem agenta napisanym w Rust, który steruje modelem. Obsługuje także wznawiane konwersacje, równoległe działanie agentów w oddzielnych drzewach roboczych, instrukcje projektowe, połączenia MCP i rozszerzenia w Pythonie. Reflection poinformowało, że początkowo stworzyło Mirror na wewnętrzne potrzeby zespołów inżynieryjnych, zapewniając odizolowane przestrzenie robocze, sesje działające w tle oraz integracje ze Slack, Linear i GitHub, a następnie rozwinęło je w narzędzie, którego kod mogło udostępnić jako otwarte oprogramowanie.

Beam testowano z Pi od Earendil, OpenCode od Anomaly i Hermes od Nous Research w zadaniach programistycznych i związanych z pracą umysłową, takich jak czytanie repozytoriów, edytowanie plików i uruchamianie poleceń.

Aby dostosować rozwiązania do swoich potrzeb, Reflection nawiązało współpracę z NVIDIA w zakresie NeMo RL, AutoModel i Megatron; z RadixArk w zakresie Miles; z Hugging Face w zakresie TRL; z Anyscale w zakresie SkyRL; oraz z Axolotl, aby opracować procesy dostrajania i uczenia przez wzmacnianie. Firma poinformowała, że największe przebiegi uczenia przez wzmacnianie dla Beam obejmowały około 1,3 miliarda środowisk testowych wykorzystywanych do trenowania, ewaluacji i ablacji, a w szczytowym momencie ostatniego przebiegu działało 883 006 vCPU, co stanowiło 83% dostępnej do przydzielenia mocy obliczeniowej, w 23 klastrach w GCP i AWS. Reflection poinformowało, że w najbliższych dniach planuje udostępnić przepisy samodestylacji, a w przyszłych przebiegach przyjmie OpenEnv — otwarty standard środowisk. Baseten opisuje Beam jako pierwszy model z nowej rodziny modeli Reflection; w przyszłych wydaniach planowane jest dodanie obsługi wielu języków i wielu modalności.