AnswersPublished18 sources
501 milyar parametreli Beam, Çin’in açık ağırlıklı modellerine meydan okuyor
Reflection AI, 5 Ekim 2026’da kodlama, akıl yürütme ve yapay zekâ ajanı görevleri için geliştirdiği ilk açık ağırlıklı modeli Beam’i duyurdu. Şirket, Beam’i 23,8 trilyon token üzerinde eğittiğini ve modelin 1 milyon tokene kadar bağlam penceresi sunduğunu bildiriyor.
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Reflection AI, 5 Ekim 2026’da kodlama, akıl yürütme ve yapay zekâ ajanı görevleri için geliştirdiği ilk açık ağırlıklı modeli Beam’i duyurdu.
- Şirket, Beam’i 23,8 trilyon token üzerinde eğittiğini ve modelin 1 milyon tokene kadar bağlam penceresi sunduğunu bildiriyor.
- Reflection, Beam’in bazı ölçütlerde Çinli ve Batılı modellerle rekabet ettiğini ve çıkarım sırasında 3–4 kat daha az hesaplama gücü kullandığını öne sürüyor.
AI Prompt
openai.comCreate 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
Reflection AI, 5 Ekim 2026’da ilk açık ağırlıklı modeli Beam’i duyurdu. Kodlama, karmaşık akıl yürütme ve yapay zekâ ajanı görevleri için tasarlanan model, yapay zekâyı kendi altyapısında çalıştırıp daha fazla kontrol sahibi olmak isteyen şirketlere ve kamu kurumlarına yönelik bir seçenek olarak sunuluyor. Beam’in tanıtımı, onu Çin merkezli DeepSeek, Alibaba’nın Qwen ekibi ve Z.ai gibi geliştiricilerin modelleriyle aynı rekabet alanına taşıyor. Ancak şirketin performans iddiaları bağımsız testlerle henüz doğrulanmış değil. 4
7
18
Beam ne için tasarlandı?
Beam; kod yazma, akıl yürütme ve birden fazla adımda araç kullanarak iş tamamlayabilen yapay zekâ ajanı görevlerine odaklanıyor. Reflection, modeli gelişmiş yapay zekâ sistemlerini kendi ortamlarında çalıştırmak ve ihtiyaçlarına göre uyarlamak isteyen kuruluşlara yönelik bir çözüm olarak konumlandırıyor. 4
5
18
Model, seyrek Uzmanlar Karışımı (Mixture of Experts, MoE) mimarisini kullanıyor. Toplam parametre sayısı 501 milyar olsa da her token işlenirken yaklaşık 23 milyar parametre etkinleşiyor. Reflection, ön eğitimde 23,8 trilyon token kullanıldığını ve modelin 1 milyon tokene kadar bağlam penceresi sunduğunu belirtiyor. 7
18
Şirketin bildirdiğine göre dört haftalık pekiştirmeli öğrenme sürecinde 10.500 Nvidia GB300 GPU kullanıldı ve 100 milyondan fazla “rollout” üretildi. Rollout, modelin bir görev üzerinde denediği işlem dizilerini ifade ediyor. Bunlar Reflection’ın paylaştığı eğitim verileri; bağımsız denetimden geçmiş sonuçlar değil. 18
Çinli modellerle karşılaştırmalar ne söylüyor?
Reflection, Beam’in ileri düzey akıl yürütme ölçütlerinde Z.ai’nin GLM-5.2 modeliyle benzer performans gösterdiğini söylüyor. Şirket ayrıca Terminal Bench v2.1’de 80,1, SWE-Bench Verified’da 80,9 ve GPQA Diamond’da 90,5 puan bildirdi. Karşılaştırmalarında Alibaba’nın Qwen 3.8-Max modeline, Kimi K3’e ve önde gelen Batılı açık modellere de yer veriyor. Bu puanlar ve kıyaslamalar şirketin kendi beyanları; bağımsız biçimde doğrulanmış bir sıralama olarak değerlendirilmemeli. 3
7
13
Reflection’ın öne çıkardığı verimlilik iddiasına göre Beam, benzer performansı çıkarım sırasında 3–4 kat daha az hesaplama gücüyle sunabiliyor. Ancak bu yaklaşık hesaplama, istemin ön işlenmesi (prompt prefill) ve sunum altyapısının ek yükünü kapsamıyor. TechCrunch da performans iddialarının bağımsız olarak doğrulanmadığını aktardı. Dolayısıyla farklı koşullarda yapılan bağımsız testler olmadan bu farkı gerçek kullanımda kanıtlanmış bir maliyet tasarrufu saymak mümkün değil. 7
13
Bu ayrım önemli: Beam, açık ağırlıklı yapay zekâ yarışında ABD merkezli yeni bir rakip olarak öne çıkıyor; mevcut karşılaştırmalar ise Çinli rakiplerini genel olarak geride bıraktığını göstermiyor. 13
Yayın planı ve yanıt bekleyen sorular
Duyuru sırasında Beam son güvenlik testlerinden ve değerlendirmelerden geçiyordu. Reflection, bekleme listesi üzerinden seçili kullanıcılara erken erişim sunmayı; Apache 2.0 lisanslı ağırlıkları, teknik raporu, model kartını ve geliştirici materyallerini ise ekim ayının ilerleyen günlerinde yayımlamayı planladığını açıkladı. Duyuru tarihinde kamuya açık model ağırlıkları henüz yayımlanmamıştı. 18
25
28
Ağırlıklar ve teknik belgeler paylaşıldığında geliştiriciler modeli daha doğrudan inceleyip kendi koşullarında deneyebilecek. O zamana kadar Beam’in pratik performansı, dağıtım maliyeti ve rakip modeller karşısındaki yeri açık sorular olarak kalıyor.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "501 milyar parametreli Beam, Çin’in açık ağırlıklı modellerine meydan okuyor"?
Reflection AI, 5 Ekim 2026’da kodlama, akıl yürütme ve yapay zekâ ajanı görevleri için geliştirdiği ilk açık ağırlıklı modeli Beam’i duyurdu.
What are the key points to validate first?
Reflection AI, 5 Ekim 2026’da kodlama, akıl yürütme ve yapay zekâ ajanı görevleri için geliştirdiği ilk açık ağırlıklı modeli Beam’i duyurdu. Şirket, Beam’i 23,8 trilyon token üzerinde eğittiğini ve modelin 1 milyon tokene kadar bağlam penceresi sunduğunu bildiriyor.
What should I do next in practice?
Reflection, Beam’in bazı ölçütlerde Çinli ve Batılı modellerle rekabet ettiğini ve çıkarım sırasında 3–4 kat daha az hesaplama gücü kullandığını öne sürüyor.