Odpowiedzi na pytania o Beam

Beam to duży model językowy od Reflection AI, zapowiedziany 5 października 2026 roku. To rzadki model typu Mixture-of-Experts, mający łącznie 501 miliardów parametrów, z czego 23 miliardy są aktywne dla każdego tokenu. Został stworzony z myślą o programowaniu, rozumowaniu i zadaniach agentowych. To pierwszy model Reflection z otwartymi wagami.

Reflection AI, nowojorskie laboratorium założone w 2024 roku przez Misha Laskin (CEO) i Ioannis Antonoglou, oboje wcześniej pracujących w Google DeepMind. Wśród inwestorów są Nvidia, Sequoia i Citigroup.

Beam ma otwarte wagi. Reflection zapowiada ich udostępnienie na licencji Apache 2.0, która pozwala na użytek komercyjny, modyfikacje i redystrybucję. Dane treningowe nie są otwarte: ich część pochodzi z zastrzeżonych, licencjonowanych zbiorów danych.

Reflection zapowiada, że nastąpi to „jeszcze w tym miesiącu”, czyli w październiku 2026 roku. Wagi zostaną udostępnione wraz z raportem technicznym, kartą modelu oraz narzędziami do uruchamiania, ewaluacji i dostrajania. Nie podano dokładnej daty. Aktualny status można sprawdzić w naszym trackerze wydań.

Dołącz do listy oczekujących na dostęp do beta API Reflection. Zaakceptowani użytkownicy otrzymają zgodny z OpenAI endpoint pod adresem https://api.reflection.ai/openai/v1 z identyfikatorem modelu Beam-501B-A23B. Po udostępnieniu wag będzie można też uruchomić model samodzielnie lub za pośrednictwem dostawców hostingu.

Wagi będzie można bezpłatnie pobrać i używać na licencji Apache 2.0. Uruchomienie modelu z 501B parametrami nie jest jednak bezpłatne: trzeba zapłacić za GPU lub dostawcę hostingu. Reflection nie opublikowało cen API.

Na razie nie ma oficjalnych wymagań. Według naszych szacunków same wagi zajmują około 1 TB w formacie BF16, około 500 GB w FP8 i około 250 GB przy 4-bitowej kwantyzacji, do czego dochodzi pamięć na pamięć podręczną KV. Potrzebny będzie więc serwer z wieloma GPU; model nie uruchomi się na typowym laptopie ani na pojedynczym konsumenckim GPU.

Nie w większości opublikowanych wyników. W porównaniu z DeepSeek V4.1 Flash Beam wypada lepiej w CritPt i indeksie AA Omniscience, ale gorzej w pozostałych siedmiu wspólnych benchmarkach, w tym Terminal-Bench, DeepSWE, HLE i AutomationBench. Reflection stawia na wydajność i otwarty model z USA, a nie na wygraną we wszystkich zestawieniach.

Nie. Własna tabela Reflection pokazuje, że Kimi K3 wyprzedza Beam w 13 z 14 benchmarków, w których podano wyniki obu modeli. Beam wypada lepiej tylko w τ³ banking (38.0 vs 37.1). Reflection twierdzi, że przewagą Beam nad modelami takimi jak Kimi K3 jest wydajność wnioskowania.

W inżynierii oprogramowania i programowaniu agentowym. Uzyskuje 80.9 w SWE-Bench Verified, 78.0 w SWE-Bench Multilingual i 80.1 w Terminal-Bench v2.1. Potrafi korzystać z narzędzi, przeglądać strony i wywoływać inne usługi w długich zadaniach wieloetapowych.

Nie. Beam obsługuje wyłącznie tekst. Może pracować z innymi rodzajami danych tylko wtedy, gdy zostaną przekształcone w tekst, na przykład za pomocą OCR.

W dokumentacji wersji beta API podano 256K tokenów, w tym do 128K tokenów wyjściowych. Reflection zaznacza, że te wartości mogą się zmienić w trakcie beta-testów. W ogłoszeniu podano, że midtraining wydłużył efektywny kontekst do 1 miliona tokenów.

The Wall Street Journal podał w marcu 2026 roku, że niektórzy inwestorzy używali tego określenia. Podobnie jak DeepSeek, Reflection koncentruje się na wydajnych modelach udostępnianych publicznie; w odróżnieniu od DeepSeek jest amerykańską firmą, co ma znaczenie dla klientów, którzy wolą nie polegać na chińskich modelach.

Jeszcze nie — na dzień podany na górze naszego trackera wydań. Reflection planuje udostępnić otwarte wagi we współpracy z partnerami dystrybucyjnymi i zapewnić integracje z bibliotekami open source.

Nie. ReflectionBeam to niezależny przewodnik. Nie jesteśmy powiązani z Reflection AI. Do każdej publikowanej przez nas liczby podajemy linki do oficjalnych źródeł.