Le domande su Beam, con risposta

Beam è un modello linguistico di grandi dimensioni di Reflection AI, annunciato il October 5, 2026. È un modello Mixture-of-Experts sparso con 501 miliardi di parametri totali e 23 miliardi attivi per token, progettato per la programmazione, il ragionamento e le attività basate su agenti. È il primo modello a pesi aperti di Reflection.

Reflection AI, un laboratorio di New York fondato nel 2024 da Misha Laskin (CEO) e Ioannis Antonoglou, entrambi ex ricercatori di Google DeepMind. Tra i suoi investitori figurano Nvidia, Sequoia e Citigroup.

Beam è un modello a pesi aperti. Reflection afferma che pubblicherà i pesi con licenza Apache 2.0, che consente l’uso commerciale, la modifica e la ridistribuzione. I dati di addestramento non sono aperti: una parte proviene da set di dati proprietari concessi in licenza.

Reflection afferma che saranno pubblicati «più avanti questo mese», ovvero October 2026, insieme a un rapporto tecnico, una scheda del modello e strumenti per eseguirlo, valutarlo e perfezionarne l’addestramento. Non è stata comunicata una data esatta. Il nostro tracker dei rilasci mostra lo stato attuale.

Iscriviti alla lista d’attesa per la beta dell’API di Reflection. Gli utenti approvati ottengono un endpoint compatibile con OpenAI all’indirizzo https://api.reflection.ai/openai/v1 con l’ID del modello Beam-501B-A23B. Una volta pubblicati i pesi, potrai anche eseguirlo in autonomia o tramite provider di hosting.

I pesi saranno gratuiti da scaricare e usare con licenza Apache 2.0. Eseguire un modello da 501B, però, non è gratuito: pagherai le GPU o un provider di hosting. Reflection non ha pubblicato i prezzi della sua API.

Non ci sono ancora requisiti ufficiali. Secondo le nostre stime, i soli pesi occupano circa 1 TB in BF16, circa 500 GB in FP8 e circa 250 GB a 4-bit, a cui va aggiunta la memoria per la cache KV. Serve quindi un server con più GPU: non funzionerà su un normale portatile né su una singola GPU consumer.

Non secondo la maggior parte dei risultati pubblicati. Nel confronto con DeepSeek V4.1 Flash, Beam prevale su CritPt e sull’indice AA Omniscience, ma è indietro sugli altri sette benchmark condivisi, tra cui Terminal-Bench, DeepSWE, HLE e AutomationBench. Reflection punta sull’efficienza e su un modello open sviluppato negli Stati Uniti, non su una vittoria netta su tutti i fronti.

No. La tabella di Reflection mostra che Kimi K3 è avanti in 13 dei 14 benchmark riportati da entrambi i modelli; Beam prevale solo su τ³ banking (38.0 contro 37.1). Reflection afferma che il vantaggio di Beam rispetto a modelli come Kimi K3 è l’efficienza di inferenza.

Nell’ingegneria del software e nella programmazione agentica. Ottiene 80.9 su SWE-Bench Verified, 78.0 su SWE-Bench Multilingual e 80.1 su Terminal-Bench v2.1; inoltre, può usare strumenti, navigare sul web e chiamare altri servizi durante attività lunghe e articolate in più passaggi.

No. Beam è solo testuale. Può lavorare con altri tipi di dati solo quando vengono convertiti in testo, per esempio tramite OCR.

L’API beta indica 256K token, con un massimo di 128K token in output, e Reflection segnala che questi valori potrebbero cambiare durante la beta. Nell’annuncio si afferma che il midtraining ha esteso il contesto effettivo a 1 milione di token.

The Wall Street Journal ha riferito nel marzo 2026 che alcuni investitori hanno usato questa espressione. Come DeepSeek, Reflection punta su modelli efficienti e rilasciati apertamente; a differenza di DeepSeek, è un’azienda statunitense, un aspetto importante per chi preferisce non dipendere da modelli cinesi.

Non ancora, alla data indicata in cima al nostro tracker dei rilasci. Reflection prevede di distribuire i pesi aperti tramite partner e di integrarli con librerie open source.

No. ReflectionBeam è una guida indipendente. Non siamo affiliati a Reflection AI. Per ogni dato pubblicato rimandiamo alle fonti ufficiali.