Reflection AI hivatalosan bemutatta Beamet, a vállalat első frontier, nyílt súlyú (open-weight) nagy nyelvi modelljét. A brooklyni székhelyű, 2024-ben alapított startup szerint a Beam a cég állítása alapján összevethető teljesítményt nyújt a vezető kínai nyílt modellekkel az összetett következtetési benchmarkokon, miközben lényegesen alacsonyabb költséggel működik — ez a pozíció felhívhatja a figyelmet a nyugati válasz megalkotására olyan szereplőkkel szemben, mint a DeepSeek, Qwen és Z.ai.
A bejelentés megerősíti az Axios hétvégi beszámolóját, miszerint a startup közel állt a rajthoz. Reflection a hét elején megjelent hosszabb blogposztban közölt részleteket, amelyek szerint a Beam egy szövegalapú (text-only) mixture-of-experts architektúra, és nagy számításigényű megerősítéses tanulással (reinforcement learning) tanították, hogy hatékony legyen következtetési, programozási és agent-szerű feladatokban, miközben állítólag „töredéknyi tokenköltséggel és inferenciaidő-számítással” működik versenytársaival összehasonlítva.
Műszaki paraméterek és teljesítmény
- A Beam teljes paraméterszáma 501 milliárd, ebből 23 milliárd az aktív paraméterek száma.
- A modellt 23,8 billió (trillió) tokennel előképzett adatállományon tanították.
- A kontextusablak (context window) mérete 1 millió token.
Összehasonlításképp: Z.ai GLM-5.2 modellje körülbelül 744 milliárd összparaméterrel és 40 milliárd aktív paraméterrel rendelkezik.
Reflection teljesítményre vonatkozó állításait függetlenül még nem igazolták. A vállalat szerint azonban fejlett következtetési benchmarkokon a Beam eredményei lényegében megegyeznek Z.ai GLM-5.2 modelljével, és felülmúlják a mai vezető nyugati nyílt modelleket, miközben állítása szerint 3–4-szer kevesebb inferencia-számításigényt használnak.
Reflection a Beamet „munkaközi modellnek” (workhorse model) nevezi, amely vállalatoknak, állami szereplőknek és fejlesztőknek szól.
Piaci pozicionálás és versenytársak
Reflection célpontjai egyaránt a zárt laborokat (például Anthropic és OpenAI), a népszerű kínai nyílt modelleket, valamint nyugati szereplőket (Mistral, Meta, Cohere) jelentik. Legközvetlenebb amerikai riválisának az Inklinget nevezi, amelyet Mira Murati Thinking Machines Labja adott ki júliusban. Reflection saját benchmarkjai alapján a Beam jobb eredményeket mutat négy kódolási teszten, ahol mindkét modell közöl adatokat, ugyanakkor fontos különbség, hogy Inkling multimodális modell, míg Beam kifejezetten csak szövegfeldolgozásra készült.
Finanszírozás és számítási erőforrások
A Reflectiont 2024-ben két korábbi Google DeepMind-kutató alapította. A PitchBook adatai szerint a cég mintegy 4,7 milliárd dollárnyi befektetést vont be olyan támogatóknál, mint a Nvidia, Sequoia Capital és Lightspeed Venture Partners; az utolsó forduló előtti értékelés 25 milliárd dolláros pre-money volt.
A startup nagy hangsúlyt fektetett a számítási kapacitás biztosítására, amely a frontier modellek képzéséhez és versenyképes működtetéséhez kulcsfontosságú. A nyáron Reflection több szerződést kötött, amelyek együttes értéke több mint 7 milliárd dollár, és ezek SpaceX-szel és Nebiusszal biztosítják a hozzáférést az Nvidia GB300 chipekhez 2029-ig.
Termékötlet: AI gyárak és szuverén megoldások
Reflection a Beamet és a jövőbeli modelleket vállalati és szuverén ügyfelek felé pozícionálja. A cég „AI factory” koncepciót kínálna: olyan szolgáltatást, amely lehetővé tenné intézmények számára, hogy saját, helyi, testreszabott AI rendszereket építsenek a Reflection modelljeinek saját — gyakran érzékeny vagy védett — adataikkal történő finomhangolásával. Jensen Huang, az Nvidia vezérigazgatója, aki a Reflection befektetője is, hosszú ideje támogatta az „AI factory” elképzelését, amely egyben az Nvidia GPU-ira épülő ökoszisztémát is erősítené.
Axios értesülései szerint fedezeti alapok és kereskedő cégek is érdeklődnek ilyen rendszerek építése iránt. Reflection már megkezdte egy szuverén AI factory partnerség tesztelését a Shinsegae Group-pal Dél-Koreában.
Súlyok és nyílt hozzáférés
A Reflection közölte, hogy a Beam súlyait és a teljes műszaki dokumentációt ebben a hónapban elérhetővé teszi, továbbá a disztribúciót hyperscalereken és neocloudekon keresztül tervezi, valamint integrációkat kínál majd nyílt forráskódú könyvtárakhoz indításkor.
A TechCrunch részben további információkért tett megkeresésére a Reflection időben nem válaszolt.
(Kiinduló források: Reflection AI közleménye, PitchBook, Axios, TechCrunch.)
