Reflection AI · inihayag noong October 5, 2026
Beam: isang open-weight na modelong ginawa para makagawa ng higit pa gamit ang mas kaunting compute
Ang Beam ang unang open-weight na modelo ng Reflection AI: isang Mixture-of-Experts na may 501 bilyong parameter, kung saan 23 bilyong parameter lang ang ina-activate sa bawat token. Para ito sa coding, pangangatwiran at mga gawaing gumagamit ng agent. Ayon sa Reflection, kapantay nito ang GLM 5.2 sa mahihirap na gawain sa pangangatwiran habang gumagamit ng tatlo hanggang apat na beses na mas kaunting compute sa inference.
Katayuan ng release ngayon
Inihayag ang Beam na may waitlist. Narito ang magagawa at hindi mo magagawa rito sa ngayon.
Beta API (waitlist)
Endpoint ng Chat Completions na tugma sa OpenAI para sa mga piling user na may maagang access.
Mga open weight sa Hugging Face
Nangakong ilalabas sa ilalim ng Apache 2.0 sa bandang huli ng October 2026. Wala pang pampublikong repository.
OpenRouter
Wala pa sa catalog ng OpenRouter.
Ollama / LM Studio
Hindi available. Mangangailangan pa rin ng humigit-kumulang 250 GB na memory kahit ang 4-bit na mga weight, kaya limitado ang lokal na paggamit sa malalaking workstation.
Sa loob ng isang minuto
Ano ang Beam, at bakit ito tinatawag ng ilan na “DeepSeek ng Kanluran”
Isang lab sa New York ang Reflection AI na itinatag noong 2024 nina Misha Laskin at Ioannis Antonoglou, dalawang dating mananaliksik sa Google DeepMind. Ang Beam ang una nitong frontier model at unang modelo sa planong serye.
Episyente ang pangunahing bentahe nito. Isa ang Beam sa mga sparse Mixture-of-Experts: sa 501 bilyong parameter nito, mga 23 bilyon lang ang gumagana para sa bawat token. Dahil dito, mas malapit sa isang katamtamang laki ng modelo ang gastos sa pagpapatakbo nito, habang napapakinabangan ang kaalaman ng isang napakalaking modelo.
“Open-weight” ito: ayon sa Reflection, ilalathala nito ang mga weight sa ilalim ng lisensyang Apache 2.0 sa huling bahagi ng October 2026, para ma-download, mapatakbo, ma-fine-tune at ma-deploy ito ng sinuman sa sarili nilang hardware. Hanggang noon, sa pamamagitan ng beta API na may waitlist lang ito maa-access.
Itinuring ng mga mamumuhunan at ng press ang Beam bilang sagot ng Amerika sa malalakas na open model mula sa mga Chinese lab gaya ng DeepSeek, Alibaba (Qwen), Z.ai (GLM) at Moonshot AI (Kimi). Maingat naman ang Reflection: ipinapakita ng sarili nitong mga chart na nangunguna pa rin ang Kimi K3 sa raw capability.
Mga benchmark
Paghahambing ng mga score ng Beam sa pinakamalalakas na open model
Mga piling resulta mula sa anunsyo ng Reflection. Ipinapakita ng mga bar ang paghahambing ng Beam sa GLM 5.2 at Kimi K3 kung saan iniulat ang mga score ng mga ito.
SWE-Bench Pro v1
Terminal-Bench v2.1
τ³ banking
MCP Atlas
GPQA Diamond
Humanity's Last Exam (no tools)
Mga score na iniulat ng vendor. Hindi pa independiyenteng nabeberipika.
Lahat ng 21 benchmarkAng pahayag tungkol sa kahusayan
3–4× na mas kaunting compute sa inference kaysa GLM 5.2 sa mahihirap na gawain sa pangangatwiran
Tinatantiya ng Reflection ang compute gamit ang 2 × mga aktibong parameter × mga nabuong token. Dahil sa 23B aktibong parameter at parusang batay sa haba na sinanay sa reinforcement learning, mas kaunting FLOPs ang ginugugol ng Beam sa bawat sagot kaysa sa mas malalaking open model. Sariling pagtatantiya ito ng kumpanya batay sa datos ng Artificial Analysis at DataCurve; hindi nito kasama ang prompt prefill at overhead sa pagpapatakbo, at wala pang independiyenteng pag-uulit sa resulta.
- 23B aktibong parameter bawat token
- Antas ng pangangatwiran na maaari mong itaas o ibaba
- Sinanay upang maiwasan ang mga hindi kailangang token para sa pangangatwiran
Direktang paghahambing
Paghahambing sa Beam
Mga pahinang magkatabi na nagpapakita ng bawat benchmark na iniulat ng parehong modelo, pati na ang laki, lisensya at availability.
Z.ai (Zhipu AI)
Beam vs GLM 5.2
Moonshot AI
Beam vs Kimi K3
Alibaba (Qwen)
Beam vs Qwen 3.8 Max
DeepSeek
Beam vs DeepSeek V4.1 Flash
Z.ai (Zhipu AI)
Beam vs GLM 5.3
NVIDIA
Beam vs Nemotron 3 Ultra
Thinking Machines Lab
Beam vs Inkling
Pinakabago
Balita tungkol sa Beam
Ina-update ng Reflection ang talahanayan ng mga benchmark ng Beam
Ayon sa isang tala noong October 8 sa post tungkol sa paglulunsad, binago ang mga resulta ng Beam.
Wala pa ang Beam sa OpenRouter, Ollama o Hugging Face
Limitado ang pamamahagi hangga't hindi inilalabas ang mga weight.
Bakit tinatawag ang Reflection na “DeepSeek ng Kanluran”
Nauna pa sa Beam ang bansag na ito, at muli itong ginamit sa mga ulat tungkol sa paglulunsad.
Mabilisang sagot
Mga karaniwang tanong
Ano ang Reflection Beam?
Ang Beam ay isang malaking language model mula sa Reflection AI, na inanunsyo noong October 5, 2026. Isa itong sparse Mixture-of-Experts model na may kabuuang 501 bilyong parameter at 23 bilyong aktibong parameter bawat token, at ginawa para sa coding, reasoning at agentic na gawain. Ito ang unang open-weight na modelo ng Reflection.
Sino ang gumagawa ng Beam?
Ang Reflection AI ay isang laboratoryo sa New York na itinatag noong 2024 nina Misha Laskin (CEO) at Ioannis Antonoglou, na kapwa dating mananaliksik sa Google DeepMind. Kabilang sa mga mamumuhunan nito ang Nvidia, Sequoia at Citigroup.
Open source ba ang Beam?
Open-weight ang Beam. Ayon sa Reflection, ilalabas nito ang mga weight sa ilalim ng lisensyang Apache 2.0, na nagpapahintulot sa komersyal na paggamit, pagbabago at muling pamamahagi. Hindi open ang training data: bahagi nito ay mula sa mga proprietary na dataset na lisensyado.
Kailan ilalabas ang mga weight ng Beam?
Ayon sa Reflection, “later this month”—ibig sabihin, sa October 2026—kasabay ng isang technical report, model card at mga tool para patakbuhin, suriin at i-fine-tune ang modelo. Wala pang ibinigay na eksaktong petsa. Ipinapakita ng aming release tracker ang kasalukuyang status.
Paano ko magagamit ang Beam ngayon?
Sumali sa waitlist para sa beta API ng Reflection. Makakakuha ang mga aprubadong user ng OpenAI-compatible na endpoint sa https://api.reflection.ai/openai/v1 gamit ang model ID na Beam-501B-A23B. Kapag nailabas na ang mga weight, mapapatakbo mo rin ito nang mag-isa o sa pamamagitan ng mga hosting provider.