ReflectionAI prezentuje Beam: otwartoźródłowy model jako alternatywa dla chińskich LLM



Nvidia-backed startup ReflectionAI wprowadził Beam, model open-source o 501 mld parametrów (23 mld aktywnych), który rzekomo dorównuje GLM-5.2, będąc przy tym 3–4x bardziej efektywnym podczas wnioskowania.
ReflectionAI, startup finansowany przez Nvidia, udostępnił Beam – potężny model AI typu open-source, pozycjonowany jako alternatywa dla chińskich modeli językowych z otwartymi wagami.
Według dostępnych metryk, Beam wydaje się być mniej więcej na tym samym poziomie co GLM-5.2. Zespół twierdzi, że model jest 3–4 razy bardziej efektywny podczas procesu wnioskowania (inference), co pozwala oszczędzać tokeny oraz szybciej i taniej wykonywać zadania.
Szczegóły techniczne:
- Architektura: 501 mld parametrów ogółem, w tym 23 mld parametrów aktywnych.
- Szkolenie: Model został wytrenowany od podstaw; faza pretrainingu trwała jeden miesiąc na zbiorze danych liczącym 24 biliony tokenów.
- Reinforcement Learning: ReflectionAI przeprowadziło największą dotychczas udokumentowaną sesję uczenia ze wzmocnienia (RL): cztery tygodnie na 10,5 tysiąca chipów GB300. Firma reportedly wynajmuje te układy za 150 mln dolarów miesięcznie.
Wagi modelu mają zostać udostępnione „wkrótce” na licencji Apache 2.0: reflection.ai/blog/introducing-beam.
Pełna zamiana chińskich modeli open-source jeszcze nie nastąpiła, ale ponieważ jest to pierwszy model tego startupu, osiągnięte wyniki są już znaczące.
Dlaczego to ważne
AnalizaBeam dowodzi, że zachodnie startupy są w stanie budować duże modele z otwartymi wagami, które konkurować mogą z ekosystemem open-source Chin, jednocześnie obniżając koszty wnioskowania. Jeśli wagi na licencji Apache 2.0 zostaną opublikowane, deweloperzy zyskają kolejną opcję do wdrożeń lokalnych i chmurowych.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Przegląd AI: plotki o CEO NVIDII, nowe modele Gemini, Kimi i MiniMax
Najważniejsze wydarzenia w AI z 2–15 listopada: plotki o odejściu Jensena Huanga, aktualizacje modeli Gemini i Kimi, generowanie obrazów i wideo oraz konsola retro OpenAI.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Część II. Architektura agentów AI: od modelu do pamięci i narzędzi
Głęboka analiza inżynierska: tokenizacja, cache KV, determinizm próbkowania, stos treningowy, kwantyzacja, inżynieria kontekstu, stos bezpieczeństwa, produkcyjny RAG, ReAct oraz systemy multiagentowe typu swarm.
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.