Ответы на вопросы о Beam

Beam — большая языковая модель от Reflection AI, анонсированная 5 октября 2026 года. Это разреженная модель Mixture-of-Experts с 501 миллиардом параметров всего и 23 миллиардами активных параметров на токен, созданная для программирования, рассуждений и работы с агентами. Это первая модель Reflection с открытыми весами.

Reflection AI — лаборатория из Нью-Йорка, основанная в 2024 году бывшими исследователями Google DeepMind Мишей Ласкиным (генеральный директор) и Иоаннисом Антоноглу. Среди инвесторов — Nvidia, Sequoia и Citigroup.

Beam — модель с открытыми весами. Reflection сообщает, что выпустит веса по лицензии Apache 2.0, которая разрешает коммерческое использование, модификацию и распространение. Данные для обучения не открыты: часть из них взята из проприетарных лицензированных наборов данных.

Reflection сообщает, что выпустит их «позже в этом месяце», то есть в октябре 2026 года, вместе с техническим отчётом, карточкой модели и инструментами для запуска, оценки и дообучения. Точная дата пока не объявлена. Текущий статус указан в нашем трекере релизов.

Запишитесь в список ожидания бета-версии API Reflection. Одобренные пользователи получат совместимую с OpenAI конечную точку https://api.reflection.ai/openai/v1 с идентификатором модели Beam-501B-A23B. После выхода весов вы также сможете запускать модель самостоятельно или через провайдеров хостинга.

Веса можно будет бесплатно скачать и использовать по лицензии Apache 2.0. Однако запуск модели на 501B параметров не бесплатен: придётся платить за GPU или услуги провайдера хостинга. Reflection пока не публиковала цены на API.

Официальных требований пока нет. По нашей оценке, сами веса занимают около 1 TB в BF16, около 500 GB в FP8 и около 250 GB при 4-битном квантовании; дополнительно потребуется память для KV-кэша. Значит, понадобится сервер с несколькими GPU: на обычном ноутбуке или одной потребительской видеокарте модель не запустить.

По большинству опубликованных показателей — нет. В сравнении с DeepSeek V4.1 Flash Beam превосходит её по CritPt и индексу AA Omniscience, но уступает по остальным семи общим бенчмаркам, включая Terminal-Bench, DeepSWE, HLE и AutomationBench. Reflection делает ставку на эффективность и открытую модель из США, а не на безоговорочное превосходство.

Нет. Согласно собственной таблице Reflection, Kimi K3 опережает Beam по 13 из 14 бенчмарков, результаты по которым опубликовали обе модели; Beam впереди только по τ³ banking (38.0 против 37.1). Reflection говорит, что преимущество Beam над такими моделями, как Kimi K3, — в эффективности инференса.

В разработке ПО и программировании с помощью агентов. Результат модели — 80.9 на SWE-Bench Verified, 78.0 на SWE-Bench Multilingual и 80.1 на Terminal-Bench v2.1. Она умеет использовать инструменты, просматривать сайты и обращаться к другим сервисам в длинных многоэтапных задачах.

Нет. Beam работает только с текстом. Она может работать с другими типами данных, только если их преобразовать в текст, например с помощью OCR.

В бета-версии API указано 256K токенов и до 128K выходных токенов; Reflection отмечает, что во время бета-тестирования эти значения могут измениться. В анонсе говорится, что благодаря дополнительному обучению на среднем этапе эффективный контекст увеличился до 1 миллиона токенов.

В марте 2026 года The Wall Street Journal сообщила, что некоторые инвесторы использовали эту фразу. Как и DeepSeek, Reflection делает ставку на эффективные модели с открытой публикацией; в отличие от DeepSeek, это американская компания, что важно для покупателей, которые предпочитают не зависеть от китайских моделей.

Пока нет — по состоянию на дату вверху нашего трекера релизов. Reflection планирует выпустить веса модели с помощью партнёров по дистрибуции и интеграций с библиотеками с открытым исходным кодом.

Нет. ReflectionBeam — независимый справочник. Мы не связаны с Reflection AI. Для каждого публикуемого числа мы приводим ссылки на официальные источники.