Beam : le modèle open-weight 501B de Reflection
Original : Beam: Reflection's 501B open-weight model
Pourquoi c'est important
L'open-weight à 500B+ paramètres avec efficacité inference redéfinit le rapport performance/coût.
Reflection AI lance Beam, un modèle open-weight Mixture-of-Experts de 501 milliards de paramètres (23B actifs), entraîné sur 23,8 billions de tokens et optimisé pour le code, le raisonnement et les tâches agentiques.
Beam est le premier modèle open-weight de Reflection AI, publié le 5 octobre 2026. Construit sur une architecture sparse Mixture-of-Experts (501B paramètres totaux, 23B actifs), il cible explicitement le code, le raisonnement et les workloads agentiques. Le préentraînement a mobilisé 23,8 billions de tokens issus du web et de jeux de données propriétaires sous licence. En parallèle, Reflection a conduit un run de reinforcement learning massif : plus de 100 millions de rollouts générés sur 10 500 GPU NVIDIA GB300 pendant quatre semaines. Sur SWE Bench Pro v1, Beam atteint 77,2 %, contre 84,3 % pour GLM 5.3 et 88,2 % pour Kimi K3. L'argument central de Reflection n'est pas la performance brute mais l'efficacité à l'inférence : Beam affiche des scores proches de GLM-5.2 en utilisant 3 à 4 fois moins de compute. Les poids, le rapport technique et les artefacts développeurs seront publiés fin octobre. Une liste d'accès anticipé est déjà ouverte, tandis que les évaluations de red-teaming sont toujours en cours.