Reflection Beam, czyli model MoE 501B z 1M oknem dostępny na HuggingFace

16 października Reflection AI opublikowało wagi modelu Beam na Hugging Face, na licencji Apache 2.0. Reflection Beam to model MoE (mixture-of-experts) z 501 mld parametrów, z czego 23 mld są aktywne przy każdym tokenie. Firma zapowiedziała go 5 października.

Co dokładnie opublikowało Reflection AI?

Nie tylko same wagi. W paczce są:

1. Wagi w trzech wariantach: BF16, FP8 i NVFP4, plus mały model-drafter do speculative decoding (przyspiesza generowanie tokenów).
2. Fused kernels i gotowe konfiguracje serwowania.
3. Wsparcie od pierwszego dnia w Transformers, vLLM, SGLang, Unsloth, Axolotl i NVIDIA Dynamo.
4. Otwartoźródłowy harness agentowy Mirror CLI (frontend w Pythonie, rdzeń w Rust), z równoległymi agentami w osobnych worktree, MCP i skillami.
5. Przepisy na fine-tuning i RL, a według firmy „w najbliższych dniach” dojdą przepisy na self-distillation.

Do tego karta modelu i raport bezpieczeństwa. Według Reflection premiera jest wspierana przez ponad 40 partnerów: od AWS, Google Cloud i Azure po OpenRouter, Ollama i LM Studio.

Najważniejsza jest jednak licencja. Apache 2.0 to pełna swoboda, także komercyjna, bez dodatkowych warunków, jakie ma np. licencja Muse Spark Open od Mety.

Co potrafi Reflection Beam?

To model tekstowy (bez obrazu i dźwięku), nastawiony na kodowanie, rozumowanie i długie zadania agentowe. Kontekst sięga 1 mln tokenów, a wiedza kończy się na 30-tym czerwca 2026 r.

Wyniki z karty modelu dla wersji BF16:

Benchmark	Wynik
SWE-bench Verified	81,6%
Terminal Bench v2.1	80,1%
LiveCodeBench	88,3%
GPQA Diamond	90,6%
AIME 2026	97,7%
HLE (z narzędziami)	51,1%

To liczby podane przez samo Reflection i na razie nikt ich niezależnie nie sprawdził, więc traktujmy je z dystansem. Co ciekawe, wersje FP8 i NVFP4 wypadają w tych testach niemal tak samo jak BF16.

Jest też drobne zastrzeżenie: w karcie modelu czytamy, że Beam powstał „predominantly for English”.

Skąd tyle szumu wokół Beam?

Po pierwsze, skala treningu. Według wpisu z zapowiedzią Beam przeszedł pretrening na 23,8 bln tokenów na 6144 GPU NVIDIA GB300 w niecałe cztery tygodnie. RL trwało kolejne cztery tygodnie na 10,5 tys. GB300, z ponad 100 mln rolloutów i ok. 1,3 mld sandboxów. W szczycie firma używała 883 006 vCPU w 23 klastrach na GCP i AWS.

Po drugie, kto za tym stoi. Według TechCrunch Reflection to startup z Brooklynu, założony w 2024 r. przez dwóch byłych badaczy Google DeepMind. Zebrał ok. 4,7 mld USD (dane PitchBook), m.in. od Nvidii i Sequoi.

Po trzecie, kierunek. Według zapowiedzi Beam ma posunąć do przodu „Western open-weight frontier”, a TechCrunch przedstawia firmę jako zachodnią odpowiedź na chińskie otwarte modele od DeepSeek, Qwen czy Z.ai. Beam to pierwszy model z serii, więc to raczej początek niż jednorazowa akcja.

Jak wypróbować Reflection Beam?

Najprościej przez API. Platforma Reflection w publicznej becie jest według firmy „free to start”. Model jest też na OpenRouter jako reflection/beam-1.0-501b-a23b.

Do kodowania Beam był testowany m.in. z OpenCode, Pi i Hermes, a Reflection ma poradnik podłączenia go do harnessów agentowych.

A uruchomienie lokalnie? Same wagi w BF16 to ok. 1 TB (501 mld parametrów × 2 bajty), więc to raczej zabawa dla serwerowni niż dla domowego PC ;) Ollama i LM Studio są na liście partnerów, ale sprzęt i tak musi udźwignąć ten rozmiar.

FAQ

Czy Reflection Beam jest za darmo?

Wagi tak: można je pobrać z Hugging Face i używać na licencji Apache 2.0, także komercyjnie. API Reflection w publicznej becie według firmy jest „free to start”, ale nie podano limitów.

Czy Beam działa po polsku?

Według karty modelu Beam był rozwijany głównie pod angielski, a lista obsługiwanych języków nie jest podana. Warto to sprawdzić na własnych promptach.

Czy Beam obsługuje obrazy?

Nie. To model wyłącznie tekstowy. Inne formaty obsłuży tylko wtedy, gdy zamienimy je na tekst.