Reflection publică ponderile deschise ale modelului Beam sub licența Apache 2.0

Pe 16 octombrie 2026, Reflection a publicat pe Hugging Face ponderile modelului Beam, primul său model cu ponderi deschise, sub licența Apache 2.0, iar Baseten a adăugat pe platforma sa modelul mixture-of-experts cu 501 de miliarde de parametri, oferind suport din prima zi prin Model APIs și Dedicated Inference.

Reflection l-a prezentat pentru prima dată pe Beam pe 5 octombrie 2026, în timp ce modelul era supus ultimelor teste adversariale și evaluări; accesul timpuriu era limitat la o listă de așteptare, iar publicarea ponderilor fusese promisă pentru mai târziu în cursul lunii. Compania a declarat că a preantrenat Beam pe 23,8 bilioane de tokenuri și l-a rafinat printr-o rundă de învățare prin întărire care a generat peste 100 de milioane de episoade pe 10,5 mii de GPU-uri NVIDIA GB300, timp de patru săptămâni.

Ponderi, documentație și disponibilitatea pe platforme

În anunțul privind disponibilitatea, Reflection a precizat că lansarea include o fișă a modelului cu rezultatele finale ale testelor comparative și un raport tehnic privind siguranța Beam, care prezintă metodologia completă de siguranță și evaluările modelului. În anunțul privind disponibilitatea, compania a descris lansarea drept un ecosistem cu peste 40 de parteneri și integrări, care formează ceea ce numește un „sistem de operare deschis pentru agenți”; modelul este nucleul, iar integrările de referință pentru agenți, containerele de implementare, integrările de inferență și fluxurile de personalizare sunt deschise deasupra stratului de infrastructură.

Reflection a lansat și o versiune beta publică a API-ului propriu la platform.reflection.ai, despre care a spus că poate fi folosită gratuit de la început. Printre platformele de lansare menționate de companie se numără 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 și Weights & Biases, printre altele. Pentru mediile locale, suverane și izolate de rețea, Dell și HPE oferă Beam în spatele firewallului.

Formate de precizie și compatibilitate cu cadrele de lucru

Reflection a publicat ponderile în formatele de precizie BF16, FP8 și NVFP4, împreună cu un model auxiliar pentru decodare speculativă. Compania a declarat că a colaborat cu parteneri pentru a optimiza configurațiile de servire și a dezvolta nuclee fuzionate, cu latență mai mică și debit mai mare; potrivit companiei, aceste măsuri reduc necesarul de memorie și accelerează generarea tokenurilor din start.

Beam beneficiază de suport nativ din prima zi în Transformers de la Hugging Face, vLLM de la Inferact, SGLang de la RadixArk, Unsloth, Axolotl, TokenSpeed de la LightSeek Foundation și Dynamo de la NVIDIA. Reflection a declarat că dezvoltatorii pot descărca și găzdui modelul pe propriile sisteme, îl pot evalua și personaliza pentru domeniile lor și îl pot conecta la sisteme agentice prin Reflection și partenerii săi.

Suport din prima zi și prețuri pe Baseten

Pe 16 octombrie 2026, Baseten a anunțat suportul pentru Beam din prima zi, făcându-l disponibil prin Baseten Model APIs și Dedicated Inference. Biblioteca de modele a Baseten îl descrie pe Beam drept un model exclusiv text, dezvoltat de Reflection sub licența Apache 2.0, și afișează prețurile Model API pentru un milion de tokenuri: 1,30 USD pentru intrare, 4,30 USD pentru intrare din memoria cache și 0,13 USD pentru ieșire.

Beam este un transformator autoregresiv care primește intrări text și generează ieșiri text. Arhitectura sa mixture-of-experts are în total 501 de miliarde de parametri, dintre care 23 de miliarde sunt activi pentru fiecare token, și o fereastră de context de până la un milion de tokenuri.

Rezultatele testelor comparative din evaluările Reflection, citate în articolul de lansare al Baseten, indică pentru Beam un scor de 90,5% la GPQA Diamond, care măsoară raționamentul științific de nivel postuniversitar; 80,9% la SWE-bench Verified, care evaluează rezolvarea unor probleme reale de software; 97,8% la probele de matematică ale concursului AIME 2026; 80,1% la Terminal-Bench 2.1, pentru îndeplinirea sarcinilor într-un mediu de linie de comandă; și 78,7% la MCP Atlas, pentru folosirea unor instrumente din lumea reală prin servere MCP. Baseten a declarat că Reflection l-a antrenat pe Beam să rezolve sarcini de programare și sarcini agentice folosind mai puține tokenuri; rundele mai lungi de învățare prin întărire îi permit modelului să exerseze probleme cu mai mulți pași, iar în timpul antrenării se aplică o penalizare pentru lungime, pentru a descuraja tokenurile inutile. Utilizatorii pot ajusta parametrul de efort de raționament al Beam: setările mai joase favorizează răspunsurile mai scurte, în timp ce setările mai înalte permit un raționament mai amplu pentru sarcinile dificile.

Mirror CLI și personalizare

Reflection a publicat și Mirror CLI ca software cu sursă deschisă, un cadru pentru agenți care funcționează în terminal și a fost antrenat alături de Beam. Mirror combină o interfață Python, care acoperă prompturile, competențele și instrumentele pentru dezvoltatori, cu un nucleu de agent în Rust care coordonează modelul; acceptă conversații care pot fi reluate, agenți paraleli în worktree-uri separate, instrucțiuni pentru proiecte, conexiuni MCP și extensii Python. Reflection a declarat că a creat inițial Mirror pentru uz intern în activitățile de inginerie, cu spații de lucru izolate, sesiuni în fundal și integrări cu Slack, Linear și GitHub, apoi l-a transformat într-un instrument pe care îl putea publica cu sursă deschisă.

Beam a fost testat cu Pi de la Earendil, OpenCode de la Anomaly și Hermes de la Nous Research pentru sarcini de programare și de lucru cu informații, inclusiv citirea depozitelor de cod, editarea fișierelor și rularea comenzilor.

Pentru personalizare, Reflection a colaborat cu NVIDIA pentru NeMo RL, AutoModel și Megatron; cu RadixArk pentru Miles; cu Hugging Face pentru TRL; cu Anyscale pentru SkyRL; și cu Axolotl pentru a crea fluxuri de lucru de reglare fină și învățare prin consolidare. Compania a declarat că cele mai ample rulări de învățare prin consolidare pentru Beam au implicat aproximativ 1,3 miliarde de sandbox-uri pentru antrenare, evaluare și ablații, rularea finală atingând un vârf de 883.006 vCPU, adică 83% din capacitatea alocabilă, în 23 de clustere pe GCP și AWS. Reflection a declarat că intenționează să publice rețete de autodistilare în zilele următoare și că va adopta OpenEnv, un standard deschis pentru medii, în rulările viitoare. Baseten descrie Beam drept primul model dintr-o nouă familie de modele Reflection, cu capabilități multilingve și multimodale planificate pentru versiunile viitoare.