Reflection AI lanserer Beam: 501 milliarder parametre, åpne vekter i oktober
Det amerikanske selskapet Reflection AI har lansert Beam, selskapets første frontier-modell med åpne vekter. Modellens spesifikasjoner er imponerende – 501 milliarder parametre totalt, 23 milliarder aktive per token og en kontekstvindu på én million token – men den egentlige satsingen er ikke rå kapasitet. Reflection hevder at Beam leverer resultater på nivå med de beste kinesiske åpne modellene mens den bruker «3–4x mindre inferanse-beregning», et tall som per nå utelukkende stammer fra selskapet selv og ikke er uavhengig verifisert. Kilder: TechCrunch.
Hva Beam faktisk er
Beam er en tekstbasert mixture-of-experts-modell (MoE), trent med beregningskrevende forsterkningslæring for resonnering, koding og agentiske oppgaver. Ifølge Reflection, gjengitt av TechCrunch, ble modellen forhåndstrent på 23,8 billioner token og har en kontekstvindu på én million token. Som sammenligning har Z.ai sin GLM-5.2 omtrent 744 milliarder totale parametre med 40 milliarder aktive.
Det er den lave andelen aktive parametre – 23 milliarder av 501 milliarder – som gjør effektivitetsargumentet mulig: per generert token kjøres bare en brøkdel av modellen. Forsterkningslæringsfasen skal ifølge Reflection ha kjørt på 10 500 Nvidia GB300-GPU-er i over fire uker, noe selskapet kaller et av de største RL-kjøringene noe åpent lab har gjort, og ytelsen skal ifølge selskapet ha fortsatt å forbedre seg helt til slutten uten å treffe tak (The Decoder).
Vektene skal slippes «senere denne måneden» under Apache 2.0-lisensen, ifølge The Decoder. Det betyr at ingen tredjepart har kunnet evaluere de faktiske vektene per lanseringstidspunkt – alt som foreløpig er kjent om Beam kommer fra selskapets egne tall og benchmark-tabeller.
Hva Reflection hevder – og hva som er verifisert
Reflections kjernesetting er todelt: Beam skal score omtrent likt med GLM-5.2 på avanserte resonnerings-benchmarks, og den skal slå dagens ledende vestlige åpne modeller samtidig som den bruker langt mindre beregningskraft ved inferanse. TechCrunch understreker eksplisitt at disse ytelsespåstandene ikke er uavhengig verifisert.
Også beregningsbesparelsen bygger på en estimatmetode, ikke målinger. Ifølge how2shout/AInews, som har gått gjennom Reflections metodikk, anslår selskapet beregningskostnad som omtrent det dobbelte av antall aktive parametre multiplisert med gjennomsnittlig antall genererte token – og ekskluderer dermed prompt-prefill, attenstoerenser og serving-overhead. Reflection beskriver selv sammenligningen som tilnærmet, ikke som målt inferansekostnad, og bruker Artificial Analysis og DataCurve som kilde for rivalenes tall. Metoden favoriserer per konstruksjon modeller med færre aktive parametre, så 3–4x-tallet bør leses som et salgsargument under forbehold, ikke som et målt resultat.
Kinesiske modeller leder fortsatt på rå kapasitet
Det mest avslørende i lanseringen er kanskje Reflections egen benchmark-tabell. Analyse fra how2shout konstaterer at DeepSeek V4.1 Flash, Kimi K3 og GLM 5.3 slår Beam på de fleste rader – og at Reflection sier det selv: Der frontier-modeller som Kimi K3 ligger foran på rå kapasitet, er Beams fortrinn effektivitet ved inferanse. Beam leder ifølge samme analyse på SWEBench Verified (80,9) og SWEBench Multilingual (78,0).
Det betyr at den amerikanske åpne laben bevisst konsederer kapasitetslederskapet til kinesiske konkurrenter og satser alt på kostnadsforkant. The Decoder har overskriftet om Beam som den mest kapable åpne modellen bygget utenfor Kina – en ramme som er teknisk korrekt, men som ikke bør leses som at Beam leder det åpne feltet samlet sett.
Hvorfor effektivitet kan være nok
Effektivitetsvinklingen er ikke bare markedsføring. For agentiske arbeidsbelastninger, der en modell kan generere titusener av token i lange kjeder av verktøykall og resonneringsskritt, dominerer inferansekostnaden totaløkonomien. Stephanie Zhan, partner i Sequoia Capital som har investert i Reflection, forklarte rasjonale overfor New York Times DealBook: Det viktigste er at modellen krever mindre regnekraft for å fullføre oppgaver enn kinesiske rivaler, noe som er viktig for beregningskrevende applikasjoner som agenter (NYT).
New York Times rammmer lanseringen bredere: En vellykket amerikansk åpne vektmodell kan true økonomien i lukkede modellselskaper som Anthropic og OpenAI, som finansierer enorme treningskostnader gjennom API-prising. Hvis åpne modeller blir «godt nok» til en brøkdel av kostnaden, presses pris-nyttige-forholdet for lukkede API-er. Det er bakgrunnen for at NYT beskriver Beam som Reflections første virkelige trekk i kappløpet.
Det finnes en dypere teknisk innsats i satsingen: Reflection hevder at store RL-kjøringer på en allerede kapabel basismodell kan gi uventede kapabiliteter. Ifølge how2shout ble Beam kun trent på resonnering, programvareutvikling og terminaloppgaver, uten nettleseroppgaver i treningsmiksen – men da modellen fikk tilgang til nett, begynte den spontant å søke, spørre andre språkmodeller og bruke OCR-API-er for å lese dokumenter, uten å være trent til noe av det. Kontekstvinduet ble dessuten utvidet til én million token midt i treningen. Slike påstander om planløs kapabilitetsoverføring er interessante, men er foreløpig kun selskapets egen beskrivelse og bør verifiseres når vektene er tilgjengelige.
Selskapet bak modellen
Reflection AI ble grunnlagt i 2024 av to tidligere Google DeepMind-forskere, Misha Laskin og Ioannis Antonoglou. Selskapet har ifølge TechCrunch, som citerer PitchBook, samlet inn omtrent 4,7 milliarder dollar fra investorer inkludert Nvidia, Sequoia Capital og Lightspeed Venture Partners, med en siste runde til en pre-money-verdisetting på 25 milliarder dollar. Selskapet har dessuten inngått beregningsavtaler verdt over 7 milliarder dollar med SpaceX og Nebius, som gir tilgang til GB300-hardware frem til 2029.
Med andre ord: Beam er ikke et lite lab-forsøk. Kapitalen og beregningsavtalene setter Reflection i stand til å gjennomføre treningsløp i klasse med de store laboratoriene, og GB300-flåten er grunnlaget for den store RL-fasen selskapet peker på som sin differensiator.
Sikkerhetstilnærmingen
Reflection beskriver også en uvanlig sikkerhetsarkitektur. Ifølge Benzinga, som gjengir selskapets blogginnlegg, trente selskapet en separat sikkerhetsmodell med veiledet finjustering og forsterkningslæring, og kombinerte den deretter med den kapabilitetsdrevne RL-modellen gjennom multi-lærer-distillasjon (Benzinga via MSN). Selskapet skal også publisere resultater fra sikkerhetsevalueringer og åpnekildekode sine interne evalueringsrammeverk. Detaljene i tilnærmingen, og hvordan den fungerer i praksis, gjenstår å se når dokumentasjonen og vektene blir tilgjengelige.
Hva som er verdt å følge
Det avgjørende spørsmålet for Beam er enkelt: holder tallene når noen andre enn Reflection kjører modellen? Tre ting vil avgjøre det:
- Uavhengige benchmarks når vektene slippes under Apache 2.0 senere i oktober – særlig om SWEBench-resultatene og GLM-5.2-pariteten holder utenfor selskapets egen testoppsett.
- Reelle inferansekostnader i produksjon, der prefill, attenstoerenser og serving-overhead – som Reflections estimat ekskluderer – kan endre det faktiske kostnadsbildet vesentlig.
- Om effektivitet slår kapasitet i markedet: Reflections egen tabell viser at kinesiske modeller leder på rå ytelse. Satsingen forutsetter at for agent-arbeidsbelastninger er pris per fullført oppgave viktigere enn rå benchmark-score.
Inntil vektene er ute, er det ærlige sammendraget: Reflection har bygget en gjennomtenkt, effektivitetsorientert modell med imponerende spesifikasjoner og en seriøs treningsinfrastruktur bak seg – men alle de nøkkeltallene som skiller Beam fra konkurrentene, kommer foreløpig fra selskapet selv.