Reflection, 501B 오픈웨이트 모델 'Beam' 공개
원제: Beam: Reflection's 501B open-weight model
왜 중요한가
고효율 추론을 앞세운 대형 오픈웨이트 MoE 모델의 등장은 폐쇄형 프론티어 모델 의존도를 낮출 수 있는 실질적 대안으로 주목된다.
AI 스타트업 Reflection이 2026년 10월 5일 자사 첫 오픈웨이트 모델 'Beam'을 발표했다. Beam은 총 501억 개 파라미터(활성 230억 개)의 Sparse Mixture-of-Experts 구조로, 238조 토큰으로 사전학습됐으며 10,500개의 NVIDIA GB300 GPU를 4주간 활용해 1억 건 이상의 RL 롤아웃을 생성했다.
Beam은 코딩, 추론, 에이전틱 워크로드에 특화된 모델이다. 사전학습에는 웹 데이터와 독점 라이선스 데이터셋을 포함한 23.8조 개의 고품질 토큰이 사용됐으며, Reflection 측은 동급 오픈 베이스 모델과 대등하거나 이를 상회하는 성능이라고 밝혔다.
강화학습(RL) 측면에서는 10,500개의 NVIDIA GB300 GPU로 4주간 대규모 훈련을 진행, 1억 건 이상의 롤아웃을 생성했다. Reflection은 이 과정에서 알고리즘, 훈련 환경, 인프라를 자체 개발했다고 설명했다.
벤치마크 결과를 보면, SWE-bench Verified에서 80.9점, SWE-bench Pro v1에서 77.2점, AIME 2026에서 97.8점, GPQA Diamond에서 90.5점을 기록했다. Kimi K3 등 상위 오픈 모델에 비해 raw 성능은 다소 낮지만, GLM-5.2와 유사한 추론 성능을 3~4배 적은 추론 컴퓨팅으로 달성한다는 점이 핵심 차별점이다.
현재 모델은 최종 레드팀 평가 단계에 있으며, 가중치·기술 보고서·모델 카드·개발자 문서는 이달 말 공개 예정이다. 조기 접근 신청도 받고 있다.