Reflection AI представила Beam 5 жовтня 2026 року як свою першу модель із відкритими вагами. Це текстова система для програмування, міркувань і роботи ШІ-агентів. Компанія позиціонує її як конкурента провідним відкритим моделям із Китаю та Заходу, однак заяви про продуктивність і ефективність поки що залишаються оцінками розробника: ваги моделі ще не оприлюднені для незалежної перевірки.
3
7
13
Архітектура, навчання й контекст
Beam побудована за архітектурою розрідженої суміші експертів (Mixture of Experts, MoE). Загалом у моделі 501 млрд параметрів, але для обробки кожного токена активуються приблизно 23 млрд. За даними Reflection, модель попередньо навчали на 23,8 трлн токенів, а потім застосували до неї масштабне навчання з підкріпленням. У компанії повідомляють, що цей етап дав змогу згенерувати понад 100 млн траєкторій виконання — так званих rollouts.
14
Заявлене контекстне вікно Beam сягає 1 млн токенів. Водночас у повідомленнях про ранню бета-версію стороннього інтерфейсу фігурує ліміт у 256 000 токенів. Це може означати, що заявлений максимум моделі й доступний користувачам ліміт конкретного сервісу різняться. Наявні дані не підтверджують, що бета-обмеження діє для всіх способів запуску Beam.
3
7
17
18
Що показують оприлюднені бенчмарки
Reflection повідомила про результат 80,9% у тесті SWE-bench Verified. В іншому порівнянні, на Terminal-Bench v2.1, Beam набрала 80,1 бала — менше, ніж GLM-5.2 із 81,0, Kimi K3 із 88,3 та DeepSeek V4.1 Flash із 90,6. Це може свідчити, що Beam конкурентна в окремих завданнях, але наведені результати не підтверджують загальної переваги над провідними відкритими моделями з Китаю чи Заходу.
12
20
Компанія також стверджує, що на вибраних тестах Beam демонструє міркування на рівні GLM-5.2. За оцінкою Reflection, генерація відповідей потребує приблизно у 3–4 рази менше обчислень, ніж у GLM-5.2, і більш ніж у 4 рази менше, ніж у провідних західних відкритих моделей, із якими її порівнювали. Це оцінки компанії, а не незалежні вимірювання, які доводять, що кожен користувач матиме таку саму економію коштів або часу.
13
16
Поки ваги не опубліковані, сторонні дослідники не можуть самостійно відтворити результати. На порівняння моделей також можуть впливати методика тестування та умови запуску. Тож наведені цифри самі по собі не показують, як Beam працюватиме в інших завданнях чи на різному обладнанні.
7
13
Коли модель стане доступною
Reflection планує випустити ваги Beam під ліцензією Apache 2.0 пізніше в жовтні 2026 року, але точну дату в наявних матеріалах не названо. Для раннього доступу можна записатися до списку очікування. У повідомленнях також згадуються супровідні матеріали — зокрема технічний звіт і картка моделі (model card), — однак до їх публікації незрозуміло, що саме увійде до релізу.
2
3
21
Відкриті ваги дадуть розробникам змогу запускати й адаптувати оприлюднену модель. Але це не означає, що вона вже перевірена й готова до використання в конкретній організації. Beam орієнтована на розробників, бізнес і державний сектор; доступні повідомлення про запуск не підтверджують використання моделі конкретною установою чи її налаштування на приватних даних такої установи.
1
5
31
Модель і великі плани Reflection AI
Запуск Beam супроводжує масштабне розширення обчислювальної інфраструктури компанії. За повідомленнями медіа, Reflection уклала зі SpaceX угоду на 6,3 млрд доларів, пов’язану з орендою систем Nvidia GB300, а також окрему угоду щодо обчислювальних потужностей із Nebius. Масштаб цих домовленостей свідчить про розмах планів компанії, але сам по собі не підтверджує ані заявлену продуктивність Beam, ані економію обчислень під час її роботи.
4
8
Наразі варто розділяти оприлюднені характеристики й неперевірені порівняння. Архітектуру, масштаб навчання та призначення Beam компанія вже описала. А її місце серед конкурентів і реальну ефективність можна буде оцінити предметніше після випуску ваг і докладніших результатів тестування.
7
13
14