Reflection AI представила Beam — открытую модель, которой американский стартап собирается отвечать китайским DeepSeek, Qwen и Z.ai. В Beam 501 млрд параметров, но на каждый токен работают только 23 млрд из них, а окно контекста достигает миллиона токенов. Веса под свободной лицензией Apache 2.0 вместе с техническим отчетом компания обещает выложить до конца октября.
По подсчетам Bloomberg Intelligence, отставание лучших китайских моделей от американских сжалось до рекордных 3%, хотя в начале года составляло 15%. В открытых моделях, которые компании скачивают и запускают на собственных серверах, Китай и вовсе давно задает тон, и мы уже рассказывали, как китайские нейросети заняли большую часть мирового трафика токенов. Западу нужна была своя тяжелая открытая модель, и Reflection метит именно в эту нишу.
На тестах рассуждения Beam, по заявлению компании, держится вровень с GLM-5.2 от Z.ai, тратя в три-четыре раза меньше вычислений на ответ. Для сравнения, у GLM-5.2 около 744 млрд параметров, из которых активны 40 млрд. В программировании и агентных задачах новинка приближается к Qwen3.8-Max от Alibaba: 80,9 балла на SWE-bench Verified (тест на исправление реальных ошибок в коде с GitHub), 97,8 на олимпиадной математике AIME 2026 и 90,5 на GPQA Diamond (вопросы уровня аспирантуры по физике, химии и биологии). Независимой проверки этих цифр пока нет, а экономию вычислений компания сама называет приблизительной: в расчет не вошли обработка запроса и накладные расходы серверов.
Предобучение на 23,8 трлн токенов заняло меньше четырех недель на 6144 ускорителях Nvidia GB300. Затем был этап обучения с подкреплением, когда модель решает задачи и получает награду за верный результат: больше 100 млн попыток на 10 500 GB300 и около 1,3 млрд песочниц, то есть изолированных сред, в которых проверялся написанный код. По ходу обучения случилось неожиданное. Навыки работы с браузером у Beam выросли, хотя таких задач в программе не было, а получив доступ к сети, модель сама стала обращаться за помощью к другим языковым моделям и к сервисам распознавания текста.
Компанию в 2024 году основали выходцы из Google DeepMind Миша Ласкин и Иоаннис Антоноглу, который работал над AlphaGo. Инвесторы, среди которых Nvidia, Sequoia и Lightspeed, вложили в Reflection около $4,7 млрд, последний раунд оценил ее в $25 млрд. Летом стартап закрепил за собой ускорители GB300 до 2029 года, подписав со SpaceX и Nebius контракты больше чем на $7 млрд.
Зарабатывать Reflection собирается на «фабриках ИИ» — так Дженсен Хуанг называет системы, которые организация строит у себя и дообучает на собственных данных. Покупателями видят банки, хедж-фонды и целые государства, а в Южной Корее вместе с Shinsegae уже строится суверенное облако на 250 МВт. Открытые веса здесь удобны всем: данные не покидают периметр клиента, а Nvidia получает еще один повод продавать свои чипы.
Ближайший западный соперник Beam — Inkling, открытая модель Thinking Machines Миры Мурати (бывшего технического директора OpenAI), вышедшая в июле. На четырех тестах по программированию Beam ее обходит, зато Inkling понимает изображения, а Beam работает только с текстом. Reflection называет Beam первой моделью серии и уже обучает следующую, а свои внутренние тесты безопасности обещает выложить в открытый доступ вместе с весами.
Для западной открытой модели это сильный старт, но первое место за ним не закреплено. Лидером по чистой силе среди открытых моделей Reflection сама называет Kimi K3 от пекинской Moonshot AI, а преимущество Beam видит только в цене каждого ответа.
