Az AI-startup Reflection bemutatta Beamet, egy 501 milliárd paraméteres Mixture-of-Experts (MoE) nyelvi modellt, amelynek aktív paraméterkészlete 23 milliárd. A cég a modellt elsősorban token-hatékonyságra alapozott képességeivel népszerűsíti: állításuk szerint Beam intelligensen tud következtetni jóval kevesebb tokenfelhasználással, mint sok más modell.
Mire alapozza hatékonysági állításait Reflection?
Reflection közlése szerint Beam előképzése és finomhangolása jelentős számítási erőforrásokat használt fel. A pretraining négy hétig zajlott 6,144 darab GB300 NVL72 GPU-n, ezt követően a megerősítéses tanulásos (RL) futtatás mintegy további négy hétig tartott, hozzávetőleg 10,500 ugyanolyan GPU használatával. A vállalat azt írja, hogy az előképzéshez használt adathalmaz „23,8 billió különféle, kurált, nagy minőségű tokenből” állt, webes és engedélyezett propriatary forrásokból, amely szerintük hasonló méretű nyílt alapmodelleknél versenyképes vagy jobb eredményt ad.
Reflection külön hangsúlyozza az adatlánc és az adatkuráció jellegét: a pipeline célja volt, hogy Beam jó alapot kapjon 'downstream agentic coding' feladatokhoz — forráskód, technikai magyarázatok, valamint matematikai és tudományos tudás terén.
Milyen benchmarkokat közöltek, és hogyan teljesít Beam?
A nyilvánosságra hozott eredmények szerint Beam több mérést publikált, de a pontszámok a kínai frontvonalbeli modellek mögé sorolják:
- DeepSWE 1.1: Beam 44.4 pont, szemben Zhipu GLM-5.3 61 pontjával
- GPQA Diamond: Beam 90.5, GLM-5.3 91.7
- MCP Atlas: Beam 78.7, GLM-5.3 84.2
Ezek a számok azt mutatják, hogy bár Beam versenyképes bizonyos feladatokban, a jelenlegi mérési frontvonalat meghatározó kínai modellekkel, például Zhipu (GLM) és Moonshot (Kimi), valamint DeepSeek megoldásaival összevetve elmarad.
Token-hatékonyság és RL-módszerek
Reflection azt állítja, hogy Beam a kódolási és agentikus képességeket hatékony következtetéssel párosítja: „fejlett következtetési benchmarkokon GLM-5.2-höz hasonló pontszámokat ér el úgy, hogy 3–4× kevesebb inference compute-ot használ”. A hatékonyság egy részét a gondosan megtervezett RL-futtatásoknak tulajdonítják: a cég szerint egymillió, magas minőségű kódolási, agentikus és STEM környezetet gyűjtöttek össze a finomhangoláshoz, és ezt egyike a legnagyobb skálájú RL-futtatásoknak, amelyet bármely nyílt labor eddig végrehajtott.
Miért fontos ez — az amerikai nyílt-súly trend visszatérése
A Reflection által bemutatott Beam az Egyesült Államok részéről egy lehetséges lépés a nyílt weights (open-weight) modellek élvonalába való visszatérés felé. A cég megjegyzése szerint, kivéve a Google Gemma jellegű kisebb modelleit, az amerikai ökoszisztéma visszább szorult az open-weight élvonaltól — részben azért, mert a Meta nem adott ki további, versenyképes LLaMA-származékokat, és a Meta MSL csapata még nem lépett teljes kapacitásra. Modellek és cégek, mint Beam és Reflection, egy lehetőséget jelentenek arra, hogy az amerikai oldal visszaszerezze a versenyképességet ezen a téren.
Súlyok és további kiadványok
Reflection azt közölte, hogy „a hónap elején” közzéteszik a súlyokat, a technikai jelentést, a model-card-ot és a fejlesztői anyagokat. A publikáció és a súlyok nyílt elérhetősége lehetővé teheti a külső kutatók számára a modellel kapcsolatos részletes vizsgálatokat és összehasonlításokat.
Összegzés
Beam egy token-hatékony, 501 milliárd paraméteres MoE modell, amelyet nagy számítási kapacitással és széles, kurált adatkészlettel képeztek. Bár a cég token-hatékonysági állításokat tesz és erős fókuszt helyez a kódolási/agentikus képességekre, a nyilvánosságra hozott benchmarkok szerint jelenleg elmarad a kínai élvonalbeli LLM-ektől. A súlyok és a részletes dokumentáció közzététele után megtudható lesz, mennyire tarthatók állításai a független vizsgálatok fényében.
