Reflection का 501B ओपन-वेट मॉडल Beam लॉन्च
मूल शीर्षक: Beam: Reflection's 501B open-weight model
यह क्यों महत्वपूर्ण है
501B पैरामीटर का open-weight MoE मॉडल inference efficiency के साथ frontier-class coding और agentic performance का दावा करता है, जो open-source AI प्रतिस्पर्धा को तेज करेगा।
Reflection AI ने 5 अक्टूबर 2026 को Beam मॉडल पेश किया — 501B कुल पैरामीटर, 23B active, Sparse MoE आर्किटेक्चर। कोडिंग, reasoning और agentic workloads के लिए निर्मित, 23.8 ट्रिलियन टोकन पर pretrain किया गया।
Reflection AI का पहला open-weight मॉडल Beam एक Sparse Mixture-of-Experts (MoE) आर्किटेक्चर पर आधारित है, जिसमें कुल 501 बिलियन और active 23 बिलियन पैरामीटर हैं। मॉडल को वेब और proprietary licensed datasets से लिए गए 23.8 ट्रिलियन high-quality टोकन पर pretrain किया गया है।
Training के दौरान Reinforcement Learning (RL) पर भारी निवेश किया गया — 10,500 NVIDIA GB300 GPUs पर 4 हफ्तों में 10 करोड़ से अधिक rollouts generate हुए। कंपनी का दावा है कि Beam GLM 5.2 जैसे बड़े open-weight मॉडलों के बराबर प्रदर्शन करता है और Qwen 3.8-Max के नजदीक है, लेकिन inference compute में 3–4 गुना अधिक कुशल है।
Benchmark नतीजों पर नजर डालें तो SWEBench Verified पर Beam का स्कोर 78.0 रहा, AIME 2026 पर 97.8, और GPQA Diamond पर 90.5। हालाँकि Kimi K3 और GLM 5.3 जैसे frontier मॉडल raw capability में अभी भी आगे हैं।
मॉडल अभी final red-teaming और evaluation के दौर में है। Reflection AI ने इसी महीने weights, technical report, model card और developer artifacts जारी करने की घोषणा की है। Early access के लिए sign-up खुला है।