Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c... Secondo Reflection, il modello è stato addestrato su 23.800 miliardi di token, ha una finestra d...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Reflection AI—the two-year-old, Nvidia-backed startup founded by two former Google DeepMind researchers—announce with the October 5. Article summary: On October 5, Reflection AI announced Beam, its first open-weight model, as a U.S.-developed option for organizations that want to run and adapt advanced AI themselves. The two-year-old, Nvidia-backed company founded by . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Il 5 ottobre 2026 Reflection AI ha annunciato Beam, il suo primo modello a pesi aperti. L’azienda lo propone per attività di programmazione, ragionamento complesso e lavoro con agenti AI, e lo presenta come un’opzione sviluppata negli Stati Uniti per imprese e organizzazioni pubbliche che vogliono gestire e adattare i propri sistemi di intelligenza artificiale. Il lancio porta Beam a confrontarsi con modelli di DeepSeek, Alibaba e Z.ai, ma le prestazioni dichiarate restano, per ora, affermazioni dell’azienda e non risultati verificati in modo indipendente. 4
7
18
Beam è progettato per compiti di programmazione e ragionamento, oltre che per attività “agentiche”: lavori in cui un modello può usare strumenti e compiere più passaggi per arrivare a un risultato. Reflection lo rivolge alle organizzazioni interessate a eseguire e adattare i sistemi AI in autonomia. 4
5
18
Il modello utilizza un’architettura sparsa Mixture of Experts: conta 501 miliardi di parametri complessivi, ma ne attiva circa 23 miliardi per ogni token. Reflection riferisce di averlo preaddestrato su 23.800 miliardi di token e indica una finestra di contesto fino a un milione di token. 7
18
L’azienda afferma inoltre che una fase di reinforcement learning durata quattro settimane ha impiegato 10.500 GPU Nvidia GB300 e prodotto oltre 100 milioni di “rollout”, cioè tentativi di completamento di un compito. Sono dati di addestramento comunicati da Reflection. 18
Reflection sostiene che Beam ottenga risultati paragonabili a GLM-5.2 di Z.ai nei benchmark di ragionamento avanzato. Riporta punteggi di 80,1 in Terminal Bench v2.1, 80,9 in SWE-Bench Verified e 90,5 in GPQA Diamond; lo confronta inoltre con Qwen 3.8-Max di Alibaba, Kimi K3 e alcuni dei principali modelli occidentali a pesi aperti. Questi confronti e punteggi vanno letti come dati presentati dall’azienda, non come una classifica indipendente. 3
7
13
La promessa più ambiziosa riguarda l’efficienza: secondo Reflection, Beam potrebbe offrire prestazioni comparabili usando da tre a quattro volte meno risorse di calcolo in inferenza. La stima è approssimativa e non include la fase iniziale di elaborazione del prompt né i costi di gestione del servizio. TechCrunch ha riferito che le prestazioni dichiarate non erano state verificate in modo indipendente; senza test autonomi e condizioni di utilizzo comparabili, il vantaggio di calcolo non equivale ancora a un risparmio reale dimostrato. 7
13
La distinzione è importante: Beam entra nella competizione come nuovo concorrente statunitense nel campo dei modelli a pesi aperti, ma i dati disponibili non dimostrano che abbia superato nel complesso i rivali cinesi. 13
Al momento dell’annuncio Beam era sottoposto alle ultime verifiche di sicurezza, note come red-teaming. Reflection ha detto che alcuni utenti selezionati avrebbero potuto chiedere l’accesso anticipato tramite una lista d’attesa. Per la seconda metà di ottobre aveva pianificato la pubblicazione dei pesi con licenza Apache 2.0, insieme a un rapporto tecnico, una scheda del modello e materiali per gli sviluppatori. Alla data del lancio, la pubblicazione dei pesi era ancora un progetto, non un rilascio già avvenuto. 18
25
28
Quando i pesi e la documentazione saranno disponibili, gli sviluppatori potranno valutare Beam più direttamente. Fino ad allora, restano da verificare le sue prestazioni nell’uso concreto, i costi di distribuzione e la posizione rispetto ai modelli concorrenti.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c...
Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c... Secondo Reflection, il modello è stato addestrato su 23.800 miliardi di token, ha una finestra di contesto fino a un milione di token e ha affrontato quattro settimane di reinforcement learning con 10.500 GPU Nvidia G...
L’azienda sostiene che Beam ottenga risultati paragonabili a Z.ai GLM 5.2 usando da tre a quattro volte meno risorse di calcolo in inferenza; i dati non sono però stati verificati in modo indipendente e non dimostrano...
Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c... Secondo Reflection, il modello è stato addestrato su 23.800 miliardi di token, ha una finestra d...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Reflection AI—the two-year-old, Nvidia-backed startup founded by two former Google DeepMind researchers—announce with the October 5. Article summary: On October 5, Reflection AI announced Beam, its first open-weight model, as a U.S.-developed option for organizations that want to run and adapt advanced AI themselves. The two-year-old, Nvidia-backed company founded by . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Il 5 ottobre 2026 Reflection AI ha annunciato Beam, il suo primo modello a pesi aperti. L’azienda lo propone per attività di programmazione, ragionamento complesso e lavoro con agenti AI, e lo presenta come un’opzione sviluppata negli Stati Uniti per imprese e organizzazioni pubbliche che vogliono gestire e adattare i propri sistemi di intelligenza artificiale. Il lancio porta Beam a confrontarsi con modelli di DeepSeek, Alibaba e Z.ai, ma le prestazioni dichiarate restano, per ora, affermazioni dell’azienda e non risultati verificati in modo indipendente. 4
7
18
Beam è progettato per compiti di programmazione e ragionamento, oltre che per attività “agentiche”: lavori in cui un modello può usare strumenti e compiere più passaggi per arrivare a un risultato. Reflection lo rivolge alle organizzazioni interessate a eseguire e adattare i sistemi AI in autonomia. 4
5
18
Il modello utilizza un’architettura sparsa Mixture of Experts: conta 501 miliardi di parametri complessivi, ma ne attiva circa 23 miliardi per ogni token. Reflection riferisce di averlo preaddestrato su 23.800 miliardi di token e indica una finestra di contesto fino a un milione di token. 7
18
L’azienda afferma inoltre che una fase di reinforcement learning durata quattro settimane ha impiegato 10.500 GPU Nvidia GB300 e prodotto oltre 100 milioni di “rollout”, cioè tentativi di completamento di un compito. Sono dati di addestramento comunicati da Reflection. 18
Reflection sostiene che Beam ottenga risultati paragonabili a GLM-5.2 di Z.ai nei benchmark di ragionamento avanzato. Riporta punteggi di 80,1 in Terminal Bench v2.1, 80,9 in SWE-Bench Verified e 90,5 in GPQA Diamond; lo confronta inoltre con Qwen 3.8-Max di Alibaba, Kimi K3 e alcuni dei principali modelli occidentali a pesi aperti. Questi confronti e punteggi vanno letti come dati presentati dall’azienda, non come una classifica indipendente. 3
7
13
La promessa più ambiziosa riguarda l’efficienza: secondo Reflection, Beam potrebbe offrire prestazioni comparabili usando da tre a quattro volte meno risorse di calcolo in inferenza. La stima è approssimativa e non include la fase iniziale di elaborazione del prompt né i costi di gestione del servizio. TechCrunch ha riferito che le prestazioni dichiarate non erano state verificate in modo indipendente; senza test autonomi e condizioni di utilizzo comparabili, il vantaggio di calcolo non equivale ancora a un risparmio reale dimostrato. 7
13
La distinzione è importante: Beam entra nella competizione come nuovo concorrente statunitense nel campo dei modelli a pesi aperti, ma i dati disponibili non dimostrano che abbia superato nel complesso i rivali cinesi. 13
Al momento dell’annuncio Beam era sottoposto alle ultime verifiche di sicurezza, note come red-teaming. Reflection ha detto che alcuni utenti selezionati avrebbero potuto chiedere l’accesso anticipato tramite una lista d’attesa. Per la seconda metà di ottobre aveva pianificato la pubblicazione dei pesi con licenza Apache 2.0, insieme a un rapporto tecnico, una scheda del modello e materiali per gli sviluppatori. Alla data del lancio, la pubblicazione dei pesi era ancora un progetto, non un rilascio già avvenuto. 18
25
28
Quando i pesi e la documentazione saranno disponibili, gli sviluppatori potranno valutare Beam più direttamente. Fino ad allora, restano da verificare le sue prestazioni nell’uso concreto, i costi di distribuzione e la posizione rispetto ai modelli concorrenti.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c...
Annunciato il 5 ottobre 2026, Beam è il primo modello a pesi aperti di Reflection AI: ha 501 miliardi di parametri, di cui circa 23 miliardi attivi per token, ed è pensato per programmazione, ragionamento e attività c... Secondo Reflection, il modello è stato addestrato su 23.800 miliardi di token, ha una finestra di contesto fino a un milione di token e ha affrontato quattro settimane di reinforcement learning con 10.500 GPU Nvidia G...
L’azienda sostiene che Beam ottenga risultati paragonabili a Z.ai GLM 5.2 usando da tre a quattro volte meno risorse di calcolo in inferenza; i dati non sono però stati verificati in modo indipendente e non dimostrano...