Reflection launcht Beam, offenes MoE-Modell (501B-A23B)
Reflection hat die Veröffentlichung von Beam angekündigt, einem reinen Text-Mixture-of-Experts-Modell (MoE) mit 501 Milliarden Gesamtparametern und 23 Milliarden aktiven Parametern, das für Coding-, Agenten- und wissenschaftliche Anwendungen entwickelt wurde. Das Modell wurde von Grund auf mit 23,8 Billionen Tokens trainiert, einschließlich einer OCR-Pipeline über Hunderte Millionen PDFs, und erreicht laut eigenen Angaben 80,9 auf SWE-bench Verified. Positioniert als US-amerikanische Alternative zu chinesischen Modellen wie GLM, Kimi, Qwen und DeepSeek, sehen unabhängige Analysen die Leistung jedoch auf dem Niveau von GLM-5.2 und unterhalb von DeepSeek V4 Flash in einigen Benchmarks. Reflection plant, die vollständigen Gewichte unter Apache 2.0 in diesem Monat zu veröffentlichen. Das Unternehmen gibt Berichten zufolge 150 Millionen US-Dollar pro Monat für Compute von Colossus aus und hat einen 1-Milliarden-US-Dollar-Deal mit Nebius abgeschlossen.
- •Reflection hat Beam vorgestellt, ein MoE-Modell mit 501 Mrd. Gesamtparametern / 23 Mrd. aktiven Parametern für Coding, Agenten und wissenschaftliche Arbeiten.
- •Beam wurde von Grund auf mit 23,8 Billionen Tokens trainiert; vollständige Gewichte unter Apache 2.0 werden in diesem Monat erwartet.
- •Reflection beansprucht 80,9 auf SWE-bench Verified und die 3-4-fache Inferenzeffizienz von GLM 5.2.