Новая американская лаборатория Reflection выпустила первую модель, Beam, и опубликовала её на Hugging Face. В анонсе Hugging Face от 16 октября 2026 года Beam описана как текстовая модель для программирования и агентных сценариев. Лицензия - Apache 2.0.
Что такое Beam
Beam - модель с архитектурой mixture-of-experts: всего 501B параметров, из них 23B задействуются на каждый токен. В каждом MoE-слое 256 экспертов, токен направляется к 8 из них. Контекстное окно - 1M токенов. Есть пять уровней рассуждения (low, medium, high, xhigh и max), по умолчанию стоит medium, а для вызова инструментов предусмотрена отдельная грамматика. Вместе с моделью поставляется собственный открытый harness на Rust.
Авторы поясняют: потребность в памяти определяется полным размером в 501B, а вычисления на токен - 23B активных параметров. Большинство слоёв работают со скользящим окном в 512 токенов, и только 9 из 52 слоёв смотрят на весь контекст. При полном контексте в 1M токенов key-value кэш занимает около 36 ГиБ на последовательность; если бы все слои были глобальными, понадобилось бы 208 ГиБ.
Железо и доступ
Опубликованы три формата чекпоинтов: BF16 (около 1 ТБ), FP8 и NVFP4. NVFP4 сжимает веса примерно до 280 ГБ, но нативно работает только на GPU NVIDIA Blackwell. Для более старых карт, таких как H200, подходит FP8. Практичной конфигурацией авторы называют четыре B200: этого хватает на длинные контексты и параллельные запросы. Среди других вариантов - узел 8xB200, две B300 или 8xRTX Pro 6000.
Transformers, vLLM и SGLang поддерживают модель с первого дня. Если Blackwell под рукой нет, Beam доступна через Hugging Face Inference Providers на базе Baseten, Fireworks и Together, а также как готовый рецепт Inference Endpoints в один клик в форматах FP8 или NVFP4.
Бенчмарки
Приведённые ниже цифры взяты у команды Reflection, независимой проверки не было. Для чекпоинта BF16 это 81,6% на SWE Bench Verified, 80,1% на Terminal Bench v2.1, 90,6% на GPQA Diamond и 80,8% на MCP Atlas. Результаты FP8 и NVFP4 на большинстве тестов отличаются от BF16 на несколько пунктов.
Hugging Face также прогнала пять неформальных задач на низком и высоком уровне рассуждения и подчёркивает, что бенчмарками они не являются. На высоком уровне прошли все пять. На низком не справились две: задача по коду с длинным контекстом и математическая. В задаче по коду ответ не совпал с форматом парсера, а в математической не было запрошенного обоснования.
Дообучение
В посте описано дообучение через TRL и обучение с подкреплением через Miles. LoRA-дообучение с учителем помещается на один узел с 8 GPU B300. После одной эпохи на многоязычном датасете с рассуждениями Beam рассуждала на нужном языке в 16 из 16 отложенных запросов, тогда как базовая модель - в 3 из 16. Для полнопараметрического обучения GRPO в референсной конфигурации нужно 96 GPU H200, для LoRA GRPO - 32.
Кроме того, Reflection предлагает кредиты Hub на $10 000 за лучшие проекты на базе Beam, опубликованные на Hub.