Reflection, Beam’in Açık Ağırlıklarını Apache 2.0 Lisansı Altında Yayımladı

Reflection, ilk açık ağırlıklı modeli Beam’in ağırlıklarını 16 Ekim 2026’da Hugging Face’te Apache 2.0 lisansı altında yayımladı. Baseten ise 501 milyar parametreli uzman karışımı (mixture-of-experts) modelini, Model APIs ve Dedicated Inference üzerinden ilk günden destek sunarak platformuna ekledi.

Reflection, son kırmızı takım testleri ve değerlendirmeleri sürerken Beam’i ilk kez 5 Ekim 2026’da tanıttı. O sırada erken erişim bir bekleme listesiyle sınırlıydı ve ağırlıkların ayın ilerleyen günlerinde yayımlanacağı belirtilmişti. Şirket, Beam’i 23,8 trilyon token üzerinde önceden eğittiğini ve dört hafta boyunca 10,5 bin NVIDIA GB300 GPU’da 100 milyondan fazla örnek üretildiği bir pekiştirmeli öğrenme çalışmasıyla modeli geliştirdiğini söyledi.

Ağırlıklar, Dokümantasyon ve Platform Erişilebilirliği

Reflection, yayımlama duyurusunda sürümün nihai kıyaslama sonuçlarını içeren bir model kartı ile modelin güvenlik metodolojisinin ve değerlendirmelerinin tamamını kapsayan Beam Güvenlik Teknik Raporu’nu içerdiğini söyledi. Şirket, erişilebilirlik duyurusunda bu lansmanı, 40’tan fazla iş ortağı ve entegrasyondan oluşan bir ekosistem olarak tanımladı. Reflection’ın “ajanlar için açık işletim sistemi” adını verdiği bu yapıda model çekirdek işlevini görüyor; referans niteliğindeki ajan entegrasyonları, dağıtım kapsayıcıları, çıkarım entegrasyonları ve özelleştirme iş akışları ise altyapı katmanının üzerinde açık biçimde sunuluyor.

Reflection ayrıca platform.reflection.ai adresinde birinci taraf API’sinin herkese açık beta sürümünü kullanıma açtı; şirket, API’yi kullanmaya başlamanın ücretsiz olduğunu belirtti. Şirketin adını verdiği lansman platformları arasında 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 ve Weights & Biases’in yanı sıra başka platformlar da bulunuyor. Şirket içi kurulum, egemen bulut ve ağ bağlantısı olmayan ortamlar için Dell ve HPE, Beam’i güvenlik duvarının arkasında sunuyor.

Hassasiyet Biçimleri ve Çerçeve Desteği

Reflection, ağırlıkları BF16, FP8 ve NVFP4 hassasiyet biçimlerinde, spekülatif çözümleme için kullanılan bir taslak modelle birlikte yayımladı. Şirket, sunum yapılandırmalarını optimize etmek ve gecikmeyi azaltıp iş hacmini artırmak üzere birleştirilmiş çekirdekler geliştirmek için iş ortaklarıyla çalıştığını söyledi. Belirttiğine göre bu adımlar, gereken bellek miktarını düşürüyor ve token üretimini ilk kullanımdan itibaren hızlandırıyor.

Beam, Hugging Face’in Transformers’ında, Inferact’ın vLLM’inde, RadixArk’ın SGLang’inde, Unsloth’ta, Axolotl’da, LightSeek Foundation’ın TokenSpeed’inde ve NVIDIA’nın Dynamo’sunda ilk günden yerel olarak destekleniyor. Reflection, geliştiricilerin modeli indirip kendi sunucularında çalıştırabileceğini, değerlendirebileceğini, kendi alanlarına göre özelleştirebileceğini ve Reflection ile iş ortakları aracılığıyla ajan sistemlerine bağlayabileceğini söyledi.

Baseten’de İlk Günden Destek ve Fiyatlandırma

Baseten, Beam için ilk günden destek sunduğunu 16 Ekim 2026’da duyurdu; model, Baseten Model APIs ve Dedicated Inference üzerinden kullanıma açıldı. Baseten’in model kütüphanesinde Beam, Reflection tarafından geliştirilen ve Apache 2.0 lisansı altında sunulan, yalnızca metinle çalışan bir model olarak tanımlanıyor. Kütüphanede Model API fiyatları bir milyon token başına girdi için 1,30 $, önbellek girdisi için 4,30 $ ve çıktı için 0,13 $ olarak listeleniyor.

Beam, metin girdilerini kabul edip metin çıktıları üreten otoregresif bir transformatör modelidir. Uzman karışımı mimarisi toplam 501 milyar parametre içerir; token başına 23 milyar parametre etkinleştirilir ve bağlam penceresi en fazla bir milyon token’dır.

Baseten’in lansman gönderisinde aktarılan Reflection değerlendirmelerinin kıyaslama sonuçlarına göre Beam, lisansüstü düzeyde bilimsel akıl yürütmeyi ölçen GPQA Diamond’da %90,5; gerçek yazılım sorunlarının çözümünü kapsayan SWE-bench Verified’da %80,9; AIME 2026 yarışma matematiğinde %97,8; komut satırı ortamında görevleri tamamlamayı ölçen Terminal-Bench 2.1’de %80,1 ve MCP sunucuları aracılığıyla gerçek dünya araçlarını kullanmayı ölçen MCP Atlas’ta %78,7 puan aldı. Baseten, Reflection’ın Beam’i daha az token kullanarak kodlama ve ajan görevlerini çözmesi için eğittiğini söyledi. Daha uzun pekiştirmeli öğrenme çalışmaları modelin çok adımlı problemler üzerinde pratik yapmasını sağlarken, eğitim sırasında gereksiz token kullanımını caydırmak için bir uzunluk cezası uygulandı. Kullanıcılar Beam’in akıl yürütme çabası parametresini ayarlayabilir: düşük ayarlar daha kısa yanıtları desteklerken yüksek ayarlar zorlu görevlerde daha fazla akıl yürütmeye olanak tanıyor.

Mirror CLI ve Özelleştirme

Reflection ayrıca Beam’le birlikte eğitilen bir terminal ajanı altyapısı olan Mirror CLI’ı açık kaynaklı hâle getirdi. Mirror; istemleri, becerileri ve geliştirici araçlarını kapsayan bir Python ön yüzünü, modeli yöneten Rust tabanlı bir ajan çekirdeğiyle bir araya getiriyor. Ayrıca kaldığı yerden sürdürülebilen konuşmaları, ayrı çalışma ağaçlarında paralel ajanları, proje talimatlarını, MCP bağlantılarını ve Python uzantılarını destekliyor. Reflection, Mirror’ı başlangıçta yalıtılmış çalışma alanları, arka plan oturumları ve Slack, Linear ve GitHub entegrasyonlarıyla şirket içi mühendislik çalışmaları için geliştirdiğini; daha sonra aracı açık kaynaklı hâle getirebileceği bir ürüne dönüştürdüğünü söyledi.

Beam; kodlama ve bilgi işi görevlerinde, depoları okuma, dosyaları düzenleme ve komut çalıştırma da dâhil olmak üzere, Earendil’in Pi’si, Anomaly’nin OpenCode’u ve Nous Research’ün Hermes’i ile test edildi.

Özelleştirme çalışmaları kapsamında Reflection; ince ayar ve pekiştirmeli öğrenme iş akışları oluşturmak için NeMo RL, AutoModel ve Megatron konusunda NVIDIA; Miles konusunda RadixArk; TRL konusunda Hugging Face; SkyRL konusunda Anyscale ve Axolotl ile iş birliği yaptı. Şirket, Beam için gerçekleştirdiği en büyük pekiştirmeli öğrenme (RL) çalıştırmalarında eğitim, değerlendirme ve ablasyon çalışmaları genelinde yaklaşık 1,3 milyar yalıtılmış ortam kullandığını; son çalıştırmada GCP ve AWS’deki 23 kümede, tahsis edilebilir kapasitenin %83’üne karşılık gelen 883.006 vCPU’ya ulaşıldığını söyledi. Reflection, öz damıtma tariflerini önümüzdeki günlerde yayımlamayı planladığını ve gelecekteki çalıştırmalarında açık bir ortam standardı olan OpenEnv’i benimseyeceğini belirtti. Baseten, Beam’i Reflection’ın yeni model ailesinin ilk modeli olarak tanımlıyor; çok dilli ve çok modlu özelliklerin gelecek sürümlerde sunulması planlanıyor.