Reflection AI annoncerede Beam den 5. oktober 2026 som sin første model med åbne vægte. Den tekstbaserede model er udviklet til kodning, ræsonnement og AI-agenter – software, der kan udføre opgaver i flere trin. Reflection præsenterer den som et alternativ til førende åbne modeller fra både Kina og Vesten. Men indtil andre kan teste de offentliggjorte vægte, bør virksomhedens resultater og effektivitetsløfter betragtes som påstande, ikke uafhængigt bekræftede konklusioner.
3
7
13
En stor model med en aktiv delmængde
Beam er bygget som en sparsom mixture-of-experts-model. Den har 501 milliarder parametre i alt, men ifølge Reflection bruger den omkring 23 milliarder ad gangen for hvert token. Virksomheden oplyser, at modellen blev fortrænet på 23,8 billioner tokens og derefter gennemgik forstærkningslæring med omfattende beregningskraft. Reflection siger, at træningsforløbet skabte mere end 100 millioner såkaldte rollouts – modelgenererede forløb, der bruges i træningen.
14
Reflection angiver et kontekstvindue på op til én million tokens. Der er dog forskel på modellens annoncerede kapacitet og den adgang, der er beskrevet for betatjenesten: omtale af den tidlige API angiver en grænse på 256.000 tokens. Det betyder ikke nødvendigvis, at samme grænse gælder for alle fremtidige måder at bruge Beam på.
3
7
17
18
Hvad benchmarktallene viser – og ikke viser
Reflection har rapporteret en score på 80,9 % på SWE-bench Verified, en test af softwareudviklingsopgaver. På Terminal-Bench v2.1, der blandt andet måler arbejde i kommandolinjen, er Beam rapporteret til 80,1. Det er lavere end GLM-5.2’s 81,0, Kimi K3’s 88,3 og DeepSeek V4.1 Flashs 90,6 i den sammenligning. Tallene peger på, at Beam kan være konkurrencedygtig på visse opgaver, men de dokumenterer ikke, at modellen generelt slår de førende åbne modeller fra Kina eller Vesten.
12
20
Reflection siger også, at Beam opnår ræsonnement på niveau med GLM-5.2 i udvalgte benchmarks. Virksomheden anslår, at Beam bruger omkring tre til fire gange mindre beregningskraft til generering end GLM-5.2 og mere end fire gange mindre end de førende vestlige åbne modeller, den sammenligner med. Det er virksomhedens estimater – ikke uafhængige målinger, der viser, at alle brugere vil få tilsvarende lavere omkostninger eller kortere svartid.
13
16
Vægtene er endnu ikke offentligt tilgængelige til uafhængig test. Derfor bør benchmarkresultaterne og sammenligningerne af beregningsforbrug læses som foreløbige. Testopsætning og forholdene, modellen køres under, kan påvirke sammenligningerne, og de offentliggjorte tal fortæller ikke i sig selv, hvordan Beam vil klare sig på andre opgaver eller i forskellige løsninger.
7
13
Planlagt udgivelse og adgang indtil da
Reflection planlægger at frigive Beams vægte under Apache 2.0-licensen senere i oktober 2026. De tilgængelige oplysninger angiver ikke en præcis dato. Apache 2.0 giver mulighed for at bruge og tilpasse den udgivne model på licensens vilkår, men selve vægtene er endnu ikke ude. Tidlig adgang tilbydes via en venteliste.
2
3
Der er også omtalt planer om materiale som en teknisk rapport og et modelkort, men det er ikke offentliggjort endnu. Indtil vægtene og det supplerende materiale foreligger, er det derfor uklart, hvor meget der bliver tilgængeligt til en grundig vurdering.
21
Åbne vægte kan give udviklere mulighed for at køre modellen på egen infrastruktur og tilpasse den. Det er dog ikke det samme som en færdig eller afprøvet løsning til en bestemt organisation. Beam henvender sig ifølge omtalen til udviklere, virksomheder og offentlige kunder; de tilgængelige oplysninger dokumenterer ikke en konkret myndighedsudrulning eller en version, der er tilpasset en institutions private data.
1
5
31
En del af en større satsning på infrastruktur
Beam-lanceringen følges af en stor satsning på beregningskapacitet. Omtale beskriver en aftale til 6,3 milliarder dollar med SpaceX om Nvidia GB300-systemer samt en særskilt aftale om beregningskapacitet med Nebius. Aftalerne siger noget om omfanget af Reflection AI’s ambitioner, men bekræfter ikke i sig selv modellens præstationer eller virksomhedens estimater for lavere beregningsforbrug.
4
8
Den mest præcise vurdering lige nu er derfor at skelne mellem specifikationer og løfter: Beam er annonceret med en bestemt arkitektur, træningsskala og målgruppe, mens dens placering i forhold til konkurrenterne og dens praktiske effektivitet stadig skal efterprøves, når vægtene og mere detaljerede evalueringer er tilgængelige.
7
13
14