Reflection AI mengumumkan Beam pada 5 Oktober 2026 sebagai model berbobot terbuka pertamanya. Model berbasis teks ini dirancang untuk coding, penalaran, dan pekerjaan agen AI. Reflection memosisikannya sebagai alternatif bagi model terbuka terkemuka dari China maupun negara-negara Barat. Namun, klaim performa dan efisiensi yang menjadi sorotan masih perlu diuji secara independen setelah bobot model tersedia.
3
7
13
Arsitektur, pelatihan, dan panjang konteks
Beam menggunakan arsitektur sparse mixture-of-experts (MoE), dengan 501 miliar parameter secara keseluruhan dan sekitar 23 miliar parameter aktif untuk setiap token. Reflection menyebut model ini dilatih sebelumnya dengan 23,8 triliun token, lalu menjalani pelatihan reinforcement learning berkomputasi tinggi. Menurut pengumuman perusahaan, tahap tersebut menghasilkan lebih dari 100 juta rollout—rangkaian percobaan yang digunakan dalam proses pelatihan.
14
Reflection menyatakan Beam memiliki jendela konteks hingga 1 juta token. Namun, ada perbedaan antara spesifikasi yang diumumkan dan batas pada layanan beta: laporan pihak ketiga menyebut antarmuka awalnya membatasi konteks hingga 256.000 token. Informasi yang tersedia belum menunjukkan apakah batas beta tersebut berlaku untuk semua cara Beam digunakan.
3
7
17
18
Apa yang ditunjukkan oleh angka benchmark?
Reflection melaporkan skor 80,9% pada SWE-bench Verified, yang menguji kemampuan menyelesaikan masalah rekayasa perangkat lunak. Dalam perbandingan lain pada Terminal-Bench v2.1, Beam memperoleh skor 80,1—di bawah GLM-5.2 dengan 81,0, Kimi K3 dengan 88,3, dan DeepSeek V4.1 Flash dengan 90,6. Angka-angka ini menunjukkan Beam mungkin kompetitif pada tugas tertentu, tetapi belum mendukung klaim luas bahwa model tersebut mengungguli model terbuka terkemuka dari China atau Barat.
12
20
Reflection juga menyatakan Beam setara dengan kelas penalaran GLM-5.2 pada sejumlah benchmark pilihan. Perusahaan memperkirakan komputasi yang dibutuhkan untuk menghasilkan jawaban sekitar tiga hingga empat kali lebih rendah daripada GLM-5.2, dan lebih dari empat kali lebih rendah dibandingkan model terbuka Barat terkemuka dalam perbandingan mereka. Ini adalah estimasi perusahaan, bukan pengukuran independen yang membuktikan setiap pengguna akan memperoleh penghematan biaya layanan atau waktu respons yang sama.
13
16
Bobot Beam belum tersedia untuk pengujian independen, sehingga hasil benchmark dan perbandingan komputasi tersebut sebaiknya dianggap sementara. Metode evaluasi dan kondisi layanan dapat memengaruhi hasil perbandingan; angka yang dilaporkan saja belum menunjukkan bagaimana Beam akan bekerja pada tugas atau lingkungan penggunaan lain.
7
13
Jadwal rilis dan akses
Reflection berencana merilis bobot Beam dengan lisensi Apache 2.0 pada akhir Oktober 2026. Sumber yang tersedia belum mencantumkan tanggal rilis yang pasti. Akses awal ditawarkan melalui daftar tunggu. Sejumlah laporan juga menyebut rencana penerbitan materi pendukung, termasuk laporan teknis dan kartu model (model card). Sampai materi tersebut tersedia, rincian lengkap mengenai paket rilisnya belum jelas.
2
3
21
Bobot terbuka memungkinkan pengembang menjalankan dan mengadaptasi model yang dirilis. Namun, hal itu tidak serta-merta berarti Beam sudah terverifikasi dan siap digunakan oleh organisasi tertentu. Model ini ditujukan bagi pengembang, perusahaan, dan lembaga sektor publik. Laporan peluncuran yang tersedia belum membuktikan adanya penerapan di lembaga tertentu atau versi model yang disesuaikan dengan data privat suatu institusi.
1
5
31
Posisi Beam dalam strategi Reflection AI
Peluncuran Beam hadir bersama upaya besar Reflection untuk membangun infrastruktur komputasi. Laporan menyebut kesepakatan senilai US$6,3 miliar dengan SpaceX yang melibatkan sistem Nvidia GB300, serta perjanjian komputasi terpisah dengan Nebius. Kesepakatan itu memberi gambaran tentang skala infrastruktur yang mendukung ambisi Reflection, tetapi tidak dengan sendirinya membuktikan performa Beam atau penghematan komputasi yang diklaim perusahaan.
4
8
Untuk saat ini, cara paling jernih menilai Beam adalah memisahkan spesifikasi yang telah diumumkan dari klaim yang belum terverifikasi. Arsitektur, skala pelatihan, dan sasaran penggunaannya sudah dijabarkan; sementara performa relatif pada benchmark dan efisiensi di penggunaan nyata masih perlu diuji ketika bobot serta materi evaluasi yang lebih lengkap tersedia.
7
13
14