Reflection AI が2026年10月5日、同社初の重み公開モデル「Beam」を発表した。5010億パラメータ（動くのは230億）の混合エキスパートで、重みと技術報告書は10月中に Apache License 2.0 で公開するとしている。GB300 GPU 1万500基を4週間使い、1億回を超える試行で強化学習したという。
- Reflection AI が2026年10月5日（米国時間）、同社として初めて重みを公開するモデル「Beam」を発表した。5010億パラメータの疎な混合エキスパート（MoE）で、1トークンあたり動くのは230億パラメータ。コーディング・推論・エージェントの作業に向けて作ったとしている
- 重みは10月中に Apache License 2.0 で公開するとしている。技術報告書・モデルカード・開発者向けの一式と、モデルを動かす・評価する・追加学習するための道具もあわせて出すという。今は最終の攻撃的な試験（レッドチーミング）と評価の途中で、早期に使いたい人は申し込みの受付に登録する形
- 事前学習は23兆8000億トークン。NVIDIA GB300 NVL72 を6,144基つないだ計算機で、4週間かからずに最後まで通したとしている。学習の途中段階（midtraining）で、実際に扱える文脈の長さを100万トークンまで広げたという
- 強化学習には NVIDIA GB300 を1万500基、4週間使い、1億回を超える試行（rollout）を生成した。最大の文脈長は25万6000トークンで、学習と採点に使ったサンドボックスは約13億、集めた学習環境は約100万件。同社は「重みを公開する研究所が行った強化学習として、これまでで最大規模のものの1つだと考えている」としている
- 性能については、GLM 5.2 と同じ水準の推論の点数を、推論時の計算量3〜4分の1で出せるとしている。Kimi K3 のような上位の重み公開モデルには素の能力で及ばないが、Beam の強みは推論時の効率だと書いている。料金についての記述は発表に無い
性能（Reflection AI の発表の表から）
| ベンチマーク（何を測るか） | Beam | GLM 5.2 | GLM 5.3 | Kimi K3 | Qwen 3.8 Max | DeepSeek V4.1 Flash |
|---|---|---|---|---|---|---|
| Terminal Bench v2.1（コマンドラインでの作業） | 80.1 | 81.0 | 88.2 | 88.3 | 86.6 | 90.6 |
| DeepSWE v1.1（ソフトウェア開発） | 44.4 | 44.0 | 61.0 | 68.0 | 51.0 | 74.2 |
| AutomationBench 公開分（業務の流れ） | 37.0 | 26.2 | 48.2 | 46.7 | 39.8 | 54.8 |
| HLE（道具なしの幅広い推論） | 36.2 | 40.5 | 42.3 | 46.9 | 43.6 | 39.1 |
| GPQA Diamond（大学院水準の科学の問い） | 90.5 | 91.2 | 91.7 | 93.5 | 92.6 | 90.9 |
発表の表は8モデル・21項目の比較で、ここでは主な5項目と、その5項目すべてに数字がある6モデルを載せた。残りの2列（Inkling、Nemotron 3 Ultra）は、この5項目の一部が「NR（未報告）」になっている。
Beam の数字は Reflection AI が測った値。他のモデルの数字は Artificial Analysis と DataCurve のデータを使ったとしている。同社は、この表で先を行くモデルより推論時の計算量が少ないことを強みとして挙げている。
提供は早期アクセスの登録からで、配布のパートナーと一緒に公開し、既存のオープンソースの道具や枠組みと組み合わせて使えるようにするとしている。
安全と方針の面では、守るべき規則（安全方針を守る、AI であることを偽らない）・一貫して満たす性質（与えられた文脈を使う、不確かさを認める）・既定の応答の作法の3段に分けて学習させたという。安全の評価の結果は技術報告書で公表し、社内で作った安全の評価も公開するとしている。
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。