Reflection เผยแพร่น้ำหนักของ Beam ภายใต้ใบอนุญาต Apache 2.0

เมื่อวันที่ 16 ตุลาคม 2026 Reflection เผยแพร่น้ำหนักของ Beam ซึ่งเป็นโมเดลแบบเปิดน้ำหนักตัวแรกของบริษัทบน Hugging Face ภายใต้ใบอนุญาต Apache 2.0 ส่วน Baseten นำโมเดล mixture-of-experts ที่มีพารามิเตอร์ 501 พันล้านตัวมาให้บริการบนแพลตฟอร์ม โดยรองรับตั้งแต่วันแรกผ่าน Model APIs และ Dedicated Inference

Reflection เปิดตัว Beam ครั้งแรกเมื่อวันที่ 5 ตุลาคม 2026 ขณะที่โมเดลยังอยู่ระหว่างการทดสอบเชิงรุกด้านความปลอดภัยขั้นสุดท้ายและการประเมินผล โดยจำกัดการเข้าถึงในช่วงแรกไว้เฉพาะผู้ที่อยู่ในรายชื่อรอ และรับปากว่าจะเผยแพร่น้ำหนักภายในเดือนนั้น บริษัทระบุว่าได้ฝึก Beam ล่วงหน้าด้วยโทเคน 23.8 ล้านล้านโทเคน และปรับแต่งโมเดลผ่านการฝึกเสริมกำลังรอบหนึ่ง ซึ่งสร้างการทดลองแบบโรลเอาต์มากกว่า 100 ล้านครั้ง โดยใช้ GPU NVIDIA GB300 จำนวน 10.5K ตัวเป็นเวลาสี่สัปดาห์

น้ำหนัก เอกสาร และความพร้อมให้บริการบนแพลตฟอร์ม

ในประกาศความพร้อมให้บริการ Reflection ระบุว่าการเผยแพร่ครั้งนี้ประกอบด้วยการ์ดโมเดลที่มีผลการทดสอบมาตรฐานฉบับสมบูรณ์ และรายงานทางเทคนิคด้านความปลอดภัยของ Beam ซึ่งครอบคลุมระเบียบวิธีและการประเมินความปลอดภัยของโมเดลอย่างครบถ้วน บริษัทอธิบายการเปิดตัวใน ประกาศความพร้อมให้บริการ ว่าเป็นระบบนิเวศที่มีพันธมิตรและการผสานการทำงานมากกว่า 40 ราย ซึ่งรวมกันเป็นสิ่งที่บริษัทเรียกว่า “ระบบปฏิบัติการแบบเปิดสำหรับเอเจนต์” โดยมีโมเดลทำหน้าที่เป็นเคอร์เนล ขณะที่การผสานการทำงานอ้างอิงสำหรับระบบเอเจนต์ คอนเทนเนอร์สำหรับนำไปใช้งาน การผสานระบบอนุมาน และกระบวนการปรับแต่ง เปิดให้ใช้งานอยู่เหนือชั้นโครงสร้างพื้นฐาน

Reflection ยังเปิดเบต้าสาธารณะของ API ของบริษัทเองที่ platform.reflection.ai โดยระบุว่าเริ่มใช้งานได้ฟรี แพลตฟอร์มสำหรับเปิดตัวที่บริษัทระบุ ได้แก่ 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 และ Weights & Biases รวมถึงรายอื่น ๆ สำหรับสภาพแวดล้อมภายในองค์กร แบบอธิปไตย และแบบแยกขาดจากเครือข่ายภายนอก Dell และ HPE ให้บริการ Beam ภายในไฟร์วอลล์

รูปแบบความแม่นยำและการรองรับเฟรมเวิร์ก

Reflection เผยแพร่น้ำหนักในรูปแบบความแม่นยำ BF16, FP8 และ NVFP4 พร้อมโมเดลตัวช่วยสำหรับการถอดรหัสแบบคาดการณ์ล่วงหน้า บริษัทระบุว่าได้ร่วมมือกับพันธมิตรเพื่อปรับแต่งการตั้งค่าการให้บริการและพัฒนาเคอร์เนลแบบผสาน เพื่อลดเวลาแฝงและเพิ่มอัตราการประมวลผล โดยขั้นตอนเหล่านี้ช่วยลดความต้องการหน่วยความจำและเร่งการสร้างโทเคนได้ทันทีเมื่อนำไปใช้งาน

Beam รองรับตั้งแต่วันแรกใน Transformers จาก Hugging Face, vLLM จาก Inferact, SGLang จาก RadixArk, Unsloth, Axolotl, TokenSpeed จาก LightSeek Foundation และ Dynamo จาก NVIDIA Reflection ระบุว่านักพัฒนาสามารถดาวน์โหลดและโฮสต์โมเดลด้วยตนเอง ประเมินผล ปรับแต่งให้เหมาะกับโดเมนของตน และเชื่อมต่อโมเดลเข้ากับระบบเอเจนต์ผ่าน Reflection และพันธมิตรของบริษัท

การรองรับตั้งแต่วันแรกและราคาบน Baseten

Baseten ประกาศรองรับ Beam ตั้งแต่วันแรก เมื่อวันที่ 16 ตุลาคม 2026 โดยเปิดให้ใช้งานผ่าน Baseten Model APIs และ Dedicated Inference คลังโมเดลของ Baseten อธิบายว่า Beam เป็นโมเดลข้อความเท่านั้นที่ Reflection พัฒนาภายใต้ใบอนุญาต Apache 2.0 และระบุราคาของ Model API ต่อโทเคนหนึ่งล้านโทเคนไว้ที่ 1.30 ดอลลาร์สำหรับอินพุต, 4.30 ดอลลาร์สำหรับอินพุตจากแคช และ 0.13 ดอลลาร์สำหรับเอาต์พุต

Beam เป็นทรานส์ฟอร์เมอร์แบบออโตรีเกรสซีฟที่รับอินพุตเป็นข้อความและสร้างเอาต์พุตเป็นข้อความ สถาปัตยกรรม mixture-of-experts ของโมเดลมีพารามิเตอร์ทั้งหมด 501 พันล้านตัว โดยมีพารามิเตอร์ที่ทำงานอยู่ 23 พันล้านตัวต่อโทเคน และมีหน้าต่างบริบทสูงสุดหนึ่งล้านโทเคน

ผลการทดสอบมาตรฐานจากการประเมินของ Reflection ซึ่ง Baseten อ้างถึงในโพสต์เปิดตัว ระบุว่า Beam ได้คะแนน 90.5% ใน GPQA Diamond ซึ่งวัดความสามารถในการใช้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษา; 80.9% ใน SWE-bench Verified ซึ่งประเมินการแก้ปัญหาซอฟต์แวร์จริง; 97.8% ในโจทย์คณิตศาสตร์แข่งขัน AIME 2026; 80.1% ใน Terminal-Bench 2.1 ซึ่งวัดการทำงานให้สำเร็จในสภาพแวดล้อมบรรทัดคำสั่ง; และ 78.7% ใน MCP Atlas ซึ่งประเมินการใช้เครื่องมือในโลกจริงผ่านเซิร์ฟเวอร์ MCP Baseten ระบุว่า Reflection ฝึก Beam ให้แก้โจทย์ด้านการเขียนโค้ดและงานที่ต้องทำผ่านเอเจนต์ โดยใช้โทเคนน้อยลง การโรลเอาต์ในการฝึกเสริมกำลังที่ยาวขึ้นช่วยให้โมเดลฝึกทำโจทย์หลายขั้นตอนได้ ขณะที่มีการใช้ค่าปรับตามความยาวระหว่างการฝึกเพื่อยับยั้งการใช้โทเคนที่ไม่จำเป็น ผู้ใช้สามารถปรับพารามิเตอร์ระดับความพยายามในการใช้เหตุผลของ Beam ได้ โดยค่าที่ต่ำจะเน้นคำตอบสั้น ส่วนค่าที่สูงขึ้นจะเปิดโอกาสให้ใช้เหตุผลมากขึ้นกับงานที่ท้าทาย

Mirror CLI และการปรับแต่ง

Reflection ยังเปิดซอร์ส Mirror CLI ซึ่งเป็นชุดระบบสำหรับเอเจนต์บนเทอร์มินัลที่ฝึกควบคู่ไปกับ Beam Mirror ประกอบด้วยส่วนหน้า Python ที่ครอบคลุมพรอมป์ต์ ทักษะ และเครื่องมือสำหรับนักพัฒนา ทำงานร่วมกับแกนหลักของเอเจนต์ที่เขียนด้วย Rust เพื่อควบคุมโมเดล และรองรับการสนทนาที่กลับมาทำต่อได้ เอเจนต์หลายตัวที่ทำงานขนานกันใน worktree แยกกัน คำสั่งสำหรับโปรเจกต์ การเชื่อมต่อ MCP และส่วนขยาย Python Reflection ระบุว่าในช่วงแรกบริษัทสร้าง Mirror เพื่อใช้ในงานวิศวกรรมภายใน โดยมีพื้นที่ทำงานแยกส่วน เซสชันที่ทำงานเบื้องหลัง และการผสานการทำงานกับ Slack, Linear และ GitHub ก่อนจะพัฒนาให้กลายเป็นเครื่องมือที่บริษัทสามารถเปิดซอร์สได้

Beam ผ่านการทดสอบร่วมกับ Pi จาก Earendil, OpenCode จาก Anomaly และ Hermes จาก Nous Research ในงานเขียนโค้ดและงานด้านความรู้ ซึ่งรวมถึงการอ่านคลังเก็บโค้ด การแก้ไขไฟล์ และการเรียกใช้คำสั่ง

เพื่อปรับแต่ง Reflection ได้ร่วมมือกับ NVIDIA ในด้าน NeMo RL, AutoModel และ Megatron; กับ RadixArk ในด้าน Miles; กับ Hugging Face ในด้าน TRL; กับ Anyscale ในด้าน SkyRL; และกับ Axolotl เพื่อสร้างเวิร์กโฟลว์สำหรับการปรับแต่งอย่างละเอียดและการเรียนรู้แบบเสริมกำลัง บริษัทระบุว่า การรัน RL ครั้งใหญ่ที่สุดสำหรับ Beam ใช้แซนด์บ็อกซ์ประมาณ 1.3 พันล้านรายการ ครอบคลุมการฝึก การประเมินผล และการทดลองตัดองค์ประกอบ โดยการรันครั้งสุดท้ายมีจำนวน vCPU สูงสุด 883,006 หน่วย คิดเป็น 83% ของความจุที่จัดสรรได้ ในคลัสเตอร์ 23 แห่งบน GCP และ AWS Reflection ระบุว่ามีแผนจะเผยแพร่สูตรการกลั่นตัวเองในอีกไม่กี่วันข้างหน้า และจะนำ OpenEnv ซึ่งเป็นมาตรฐานสภาพแวดล้อมแบบเปิดมาใช้ในการรันครั้งต่อ ๆ ไป Baseten อธิบายว่า Beam เป็นโมเดลแรกในตระกูลโมเดลใหม่จาก Reflection โดยมีแผนเพิ่มความสามารถหลายภาษาและหลายรูปแบบในการเปิดตัวในอนาคต