Wir stellen Beam vor, Reflections erstes Open-Weight-Modell. Beam ist ein spärliches Mixture-of-Experts-Modell mit 501 Milliarden Gesamtparametern und 23 Milliarden aktiven, entwickelt für Codierungs-, Reasoning- und agentische Workloads. Beams Fähigkeiten resultieren aus großen Investitionen sowohl in das Vortraining als auch in Reinforcement Learning (RL). Wir haben das Modell auf 23,8 Billionen vielfältigen, kuratierten, hochwertigen Tokens aus dem Web und proprietären lizenzierten Datensätzen vortrainiert und übertreffen damit verfügbare offene Basismodelle ähnlicher Größe oder erreichen deren Niveau. Parallel entwickelten wir die Algorithmen, Trainingsumgebungen und Infrastruktur, die erforderlich sind, um hochrechenintensives RL in außergewöhnlichem Maßstab zu unterstützen.
Unser hochrechenintensiver RL-Lauf generierte über 100 Millionen Rollouts auf 10,5K NVIDIA GB300 GPUs über 4 Wochen Training. Zusammen führten diese Bemühungen zu konkurrenzfähiger Open-Weight-Leistung mit effizienter Inferenzrechenleistung an der Spitze. Beam durchläuft derzeit finale Red-Teaming- und Evaluierungsphasen. Wir werden die Gewichte, den technischen Bericht, die Modellkarte und Entwickler-Artefakte später in diesem Monat veröffentlichen.
Beam treibt die westliche Open-Weight-Grenze voran und ist konkurrenzfähig mit größeren offenen Modellen wie GLM 5.2 und nähert sich Qwen 3.8-Max bei Codierungs- und agentischen Aufgaben. Beam kombiniert Codierungs- und agentische Fähigkeiten mit hocheffizientem Reasoning. Bei fortgeschrittenen Reasoning-Benchmarks erreicht es mit 3–4× weniger Inferenzrechenaufwand vergleichbare Ergebnisse wie GLM-5.2. Diese Ergebnisse führen zu mehr Intelligenz pro Token und bieten starke Modellfähigkeiten zu geringeren Kosten, was Beam zu einem leistungsstarken Arbeitstier für unternehmensweite Codierungs- und agentische Workloads macht.
Quelle: Hacker News · Zusammengefasst von HeadlinesBriefing