Beam от Reflection: уровень GLM 5,2, но весов нет

Что в ролике
Reflection анонсировала Beam 5 октября: 501 млрд параметров, mixture of experts c 23 млрд активных на токен, но скачать модель пока нельзя, ранний доступ открыт только по списку ожидания, а веса обещают под Apache 2,0 позже в этом месяце. На собственной таблице бенчмарков Beam отстаёт почти по всем строкам от свежих китайских открытых моделей, а на Terminal Bench, где агент работает в терминале, набирает 80,1 против 86,6–90,6 у новинок. Он примерно сравнивается с GLM 5,2 от Z-AI, вышедшей в июне, и опережает два американских открытых модели — Thinking Machines Inkling и Nvidia NeMo-3 Ultra, поэтому The Decoder назвал его самым способным open-weight моделью вне Китая. Реальная ставка Reflection — эффективность: компания утверждает, что Beam достигает рассуждений уровня GLM 5,2, расходуя в 3–4 раза меньше вычислительных ресурсов на ответ, потому что активных параметров вдвое меньше и модель пишет короче. Оценка включает только работу по написанию ответа и не учитывает чтение промпта, работу внимания и накладные расходы на обслуживание, поэтому независимой проверки и цен API пока нет. Для запуска всех 501 млрд параметров дома нужно около 300 ГБ памяти в 4 битах, что помещается в Mac Studio с 512 ГБ unified memory, но это расчёт автора, а не факт, так как весов ещё нет. Конкурент DeepSeek V4,1 Flash при 16 млрд активных параметров уже скачивается, набирает выше на большинстве строк той же таблицы и подходит для тех же машин, но пока работает через отдельные движки, потому что патч в основной движок ещё не принят.
Практика
- Что получишь
- Понимание, как Beam выглядит на фоне китайских открытых моделей, сколько памяти нужно для локального запуска и кому вообще стоит ждать его выхода.
- Первый шаг
- Не покупать железо под Beam и оставить текущую модель, а после публикации весов проверить независимые бенчмарки, размер 4-битной квантизации и поддержку llama.cpp или MLX.
- Цифры
- —501 млрд — столько параметров в Beam, из которых на каждый токен работают только 23 млрд
- —80,1 — результат Beam на Terminal Bench, тогда как свежие китайские модели набирают от 86,6 до 90,6
- —3–4 раза — во столько меньше вычислительных затрат на ответ обещает Reflection по сравнению с GLM 5,2
- —около 300 ГБ — столько unified memory или VRAM нужно для запуска Beam в 4 битах по расчёту автора
- Честно
- Автор в середине ролика просит подписаться и вступить в платное сообщество The Stack, где он показывает свой продакшн-воркфлоу; партнёрских ссылок на железо в видео нет. Все оценки Beam — собственные цифры Reflection, независимых проверок пока нет, а цены API после бета-периода не объявлены. Доступ к бета API бесплатный, но через waitlist и с дневными лимитами, а расчёт около 300 ГБ для локального запуска — авторская прикидка, так как весов для скачивания ещё нет.
Если слова незнакомы — 7 терминов
- mixture of expertsархитектура модели, где при обработке каждого токена используется только малая часть параметров
- open-weightмодель с открытыми весами, которые можно скачать и запускать у себя
- токенминимальная единица текста, которую модель читает или пишет
- квантизациясжатие весов модели до меньшей битности, например 4 бита вместо 16, чтобы уменьшить объём памяти
- unified memoryобщая память Apple Silicon, доступная и центральному, и графическому процессору
- APIпрограммный интерфейс, через который приложения отправляют запросы к модели и получают ответы
- бенчмаркстандартный тест, который оценивает способности модели в конкретных задачах и выдаёт баллы
Компоненты
14 шт.Формат: реакция на новость · для продвинутых · уверенность разметки 0.93 · источник