Reflection AI’s Beam apre l'accesso anticipato, con i pesi aperti previsti per la fine di ottobre
- Reflection AI ha aperto l'accesso anticipato a Beam, un modello open-weight da 501 miliardi di parametri, il 5 ottobre.
- I pesi, un rapporto tecnico e una scheda del modello saranno disponibili più tardi nel mese di ottobre sotto licenza Apache 2.0.
- Reflection afferma che Beam eguaglia GLM-5.2 di Z.ai nei test di ragionamento, utilizzando 3–4 volte meno potenza di calcolo per l'inferenza.
Reflection AI ha lanciato Beam, il suo primo modello open-weight, in accesso anticipato il 5 ottobre. Il modello sta completando le attività di red-teaming; i pesi, il rapporto tecnico e la scheda del modello seguiranno entro la fine del mese.
Secondo Reflection, i pesi verranno rilasciati con licenza Apache 2.0, insieme all'intera stack per eseguire, valutare e affinare Beam.
La parità con GLM-5.2 avviene con 3–4× meno potenza di calcolo per l'inferenza
Beam è un modello sparse mixture-of-experts con 501 miliardi di parametri e 23 miliardi di parametri attivi per token. È stato pre-addestrato su 23,8 trilioni di token e la sua lunghezza del contesto ha raggiunto 1 milione di token durante l'addestramento intermedio.
Secondo Reflection, Beam eguaglia GLM-5.2 di Z.ai nei test di ragionamento avanzato, utilizzando "3–4× meno potenza di calcolo per l'inferenza." Le affermazioni non sono state verificate in modo indipendente.
GLM-5.2 conta circa 744 miliardi di parametri, con 40 miliardi attivi. Reflection posiziona Kimi K3 come superiore nelle capacità grelle e presenta il vantaggio di Beam in termini di efficienza dell'inferenza.
Contro Inkling di Thinking Machines Lab, rilasciato a luglio, le tabelle di Reflection mostrano Beam in testa in quattro benchmark di coding, con punteggi per entrambi i modelli.
Su SWE Bench Pro v2-Hard, Beam ha ottenuto 77,2 contro i 56,9 di Inkling. Inkling è multimodale, mentre Beam è solo testo.
10,500 GPU Nvidia GB300 sono state utilizzate per quattro settimane di RL
L'esecuzione RL di Reflection ha utilizzato 10.500 GPU Nvidia GB300 per quattro settimane, producendo oltre 100 milioni di rollout e utilizzando circa 1,3 miliardi di sandbox per addestramento e valutazione.
Si tratta di una delle esecuzioni RL più grandi mai realizzate da un laboratorio open, afferma l'azienda. Secondo Reflection, Inkling è stato addestrato su 30 milioni di rollout.
Reflection è stata fondata nel 2024 da Misha Laskin e Ioannis Antonoglou, entrambi ex ricercatori di Google DeepMind. Ha raccolto circa 4,7 miliardi di dollari dagli investitori, tra cui Nvidia, Sequoia Capital e Lightspeed Venture Partners, raggiungendo recentemente una valutazione pre-money di 25 miliardi di dollari.
Un anno fa, ha raccolto 2 miliardi di dollari con una valutazione di 8 miliardi di dollari, come riportato da Cryptopolitan. Il suo accordo con SpaceX da solo ammonta a 6,3 miliardi di dollari, pari a 150 milioni al mese per la capacità Nvidia GB300 presso Colossus 2 vicino a Memphis, come segnalato da Cryptopolitan a giugno.
Beam alimenta anche la proposta della "fabbrica AI" di Reflection, che consente alle istituzioni di addestrare i propri modelli sui dati aziendali ed eseguirli sulla propria infrastruttura di calcolo. Il gruppo Shinsegae sta testando un'edizione sovrana in Corea del Sud.
«Sono un po' come navicelle spaziali», ha detto Laskin del percorso dei suoi modelli verso la frontiera. «Per costruire una grande navicella spaziale, ci vuole tempo.»
Non limitarti a leggere le notizie sulle criptovalute. Comprendile. Iscriviti alla nostra newsletter. È gratuita.
Domande frequenti
Cos'è Beam e chi l'ha sviluppato?
Beam è il primo modello open-weight di Reflection AI, un sistema mixture-of-experts da 501 miliardi di parametri.
Quando verranno rilasciati i pesi di Beam?
Più tardi a ottobre 2026, con licenza Apache 2.0, dopo le ultime sessioni di red-teaming.
Come si confronta Beam con i modelli concorrenti?
Secondo Reflection, Beam eguaglia GLM-5.2 di Z.ai nei test di ragionamento, utilizzando però 3–4 volte meno potenza di calcolo per l'inferenza.
Randa Moses
Randa Moses è un'editor e giornalista presso Cryptopolitan, dove si occupa di tecnologia, intelligenza artificiale, robotica, criptovalute, truffe e hacking. Opera nel settore delle criptovalute dal 2017. Ha ricoperto ruoli in Forward Protocol, AmaZix e Cryptosomniac. Randa è laureata in Ingegneria Elettrica ed Elettronica presso l'Università di Bradford.
