Reflection lancia Beam, un modello aperto da 501 miliardi di parametri con licenza Apache 2.0

Reflection, nuovo laboratorio di intelligenza artificiale con sede negli Stati Uniti, ha rilasciato il suo primo modello, Beam, su Hugging Face il 16 ottobre 2026. Il modello a mixture of experts conta complessivamente 501 miliardi di parametri, di cui circa 23 miliardi sono attivi per ogni token. È distribuito con licenza Apache 2.0, che consente l'uso commerciale.

Beam accetta solo input testuali e offre una finestra di contesto da 1 milione di token. Reflection lo posiziona per l'ingegneria del software e i carichi di lavoro agentici, rivolgendosi ai team che vogliono un modello di scala frontier che possano eseguire e personalizzare sulla propria infrastruttura o nel cloud. La release include un harness open source dedicato, scritto in Rust, che secondo il laboratorio consente di ottenere le migliori prestazioni dal modello.

Architettura e hardware

Il modello ha 52 livelli. Tutti tranne i primi tre usano un blocco mixture of experts con 256 esperti, di cui otto vengono instradati per ogni token. Il routing segue lo schema group-limited introdotto da DeepSeek-V3, anche se Beam elimina l'esperto condiviso. Quarantatré livelli utilizzano l'attenzione a finestra scorrevole sui precedenti 512 token, mentre nove considerano l'intero contesto; in questo modo la crescita della cache si attesta a circa 36 KiB per token, circa un sesto di quanto richiederebbe un'architettura interamente globale.

Poiché ogni esperto resta in memoria, eseguire Beam richiede la memoria di un modello da 501 miliardi di parametri, pur girando a velocità più vicine a quella di un modello da 23 miliardi. Il checkpoint in BF16 occupa circa 1 TB. Reflection mette a disposizione anche pesi in FP8, adatti ai chip Hopper e Ampere, e una versione NVFP4 che memorizza la maggior parte dei parametri con precisione a 4 bit per le GPU NVIDIA Blackwell. Il supporto per transformers, vLLM e SGLang era disponibile fin dal lancio, insieme a ricette per il fine-tuning supervisionato e il reinforcement learning.

Benchmark

Secondo i dati forniti da Reflection, la versione BF16 ottiene l'81,6% su SWEBench Verified, l'80,1% su Terminal Bench v2.1 e il 66,1% su SWE Bench Pro v1. I numeri dell'azienda mostrano differenze minime tra i checkpoint a precisione piena e quelli a precisione ridotta. Questi risultati provengono dallo sviluppatore e non sono ancora stati verificati in modo indipendente.

Reflection offre inoltre crediti per Hugging Face Hub per un valore di 10.000 dollari ai migliori progetti della comunità costruiti su Beam, dalle demo alle quantizzazioni fino agli studi di benchmark. Il lancio aggiunge un'altra grande opzione a pesi aperti per le organizzazioni che cercano un modello orientato alla programmazione da distribuire sulla propria infrastruttura.