Reflection je objavio otvoreni model Beam sa 501 milijardom parametara pod licencom Apache 2.0

Nova američka laboratorija za vještačku inteligenciju Reflection objavila je 16. oktobra 2026. svoj prvi model, Beam, s otvorenim težinama na platformi Hugging Face. Datoteke modela svako može da preuzme i pokrene na sopstvenim serverima ili u sopstvenom oblaku. Beam je namijenjen programiranju i agentskom radu, odnosno zadacima u kojima model sam planira više koraka i poziva alate. Prima samo tekst, radi s kontekstom do 1 milion tokena i razvijan je prvenstveno za engleski jezik.

Koji hardver je potreban

Beam je model mješavine eksperata (mixture of experts). Parametri su u svakom sloju raspoređeni na 256 specijalizovanih podmreža, takozvanih eksperata, a poseban usmjerivač za svaki token bira njih osam. Od ukupno 501 milijardu parametara za jedan token se tako koriste oko 23 milijarde, pa generisanje teče brzo. Memorija se ne smanjuje na isti način, jer svi eksperti moraju stalno biti učitani.

Težine su objavljene u tri preciznosti. Puna verzija u formatu BF16 zauzima oko 1 TB. Verzija NVFP4 većinu težina čuva u 4 bita i smanjuje se na oko 280 GB, ali je izvorno pokreću samo Nvidijini grafički procesori generacije Blackwell. Za starije kartice, kao što je H200, namijenjena je verzija FP8. Prema vodiču kompanije Hugging Face, dva procesora B200 sa po 180 GB memorije jedva primaju težine NVFP4, a preporučena postavka su četiri, s prostorom za duži kontekst i više istovremenih zahtjeva.

Model od prvog dana podržavaju biblioteke Transformers, od verzije 5.20.1, kao i vLLM i SGLang. Bez sopstvenog hardvera Beam se može isprobati preko servisa Inference Providers kompanije Hugging Face. Reflection uz model objavljuje i sopstveni program otvorenog koda napisan u jeziku Rust, koji model vodi kroz programerske zadatke.

Šta licenca dozvoljava

Apache 2.0 je permisivna licenca otvorenog koda, koja dozvoljava komercijalnu upotrebu, izmjene i dalju distribuciju. Reflection na kartici modela dodaje da ne zabranjuje destilaciju, obučavanje drugih modela na Beamovim odgovorima, dodatno obučavanje, kvantizaciju ni spajanje modela. Uz težine su objavljeni i recepti za nadzirano dodatno obučavanje u biblioteci TRL i za učenje podsticanjem (reinforcement learning) u alatu Miles, pa timovi model mogu prilagoditi sopstvenom kodu.

Rezultati, prema mjerenju Reflectiona

Reflection navodi rezultat od 81,6 odsto na testu SWE-bench Verified, sastavljenom od stvarnih prijava grešaka s GitHuba, i 80,1 odsto na testu Terminal Bench 2.1, koji mjeri rad u komandnoj liniji. Na skupu naučnih pitanja postdiplomskog nivoa GPQA Diamond kompanija navodi 90,6 odsto. Brojke važe za verziju BF16, a kartica modela posebno navodi rezultate verzija FP8 i NVFP4.

Kompanija tvrdi i da Beam do odgovora uporedivog kvaliteta s vodećim otvorenim modelima stiže uz oko tri puta manje tokena za rezonovanje. Ako se to potvrdi, svaki odgovor bio bi jeftiniji i brži. Sve ove brojke objavio je sam izdavač, a nezavisno mjerenje do 16. oktobra 2026. nije objavljeno.