🚀 Reflection выпустила американскую MoE-модель Beam на 501 млрд параметров

Beam — текстовая модель Reflection для программирования, агентных задач и науки: в MoE-архитектуре у неё 501 млрд параметров, из которых на токен активны 23 млрд. Модель обучили с нуля на 23,8 трлн токенов; Reflection обещает выпустить веса под Apache 2.0 в октябре.

Масштаб обучения внушительный: команда сообщает о более чем 100 млн RL-роллаутов примерно на миллионе задач и запуске на 10 500 ускорителях GB300. В обзоре Latent Space приводится заявленный результат 80,9 на SWE-bench Verified и оценка в 3–4 раза большей эффективности инференса, чем у GLM 5.2.

Но это пока не делает Beam лидером: по оценке авторов обзора, более новые GLM 5.3, Kimi K3, Qwen 3.8 Max и DeepSeek V4.1 Flash обычно впереди. Цифры Reflection стоит считать заявлениями компании, а преимущество в эффективности — проверять на одинаковых задачах и настройках; ранняя независимая оценка лишь ожидает, что Beam окажется экономной по числу токенов.

Я бы смотрел на Beam не как на нового чемпиона бенчмарков, а как на проверку способности американской лаборатории регулярно выпускать открытые модели промышленного масштаба. Для self-hosting Apache 2.0 может оказаться важнее первого места в рейтинге — но только если заявленная эффективность выдержит независимый тест на реальной нагрузке.

#Reflection #Beam #MoE #открытыевеса