Reflection AI dévoile Beam, un modèle MoE épars à poids ouverts de 501 milliards de paramètres

Reflection AI a annoncé Beam le 5 octobre 2026, marquant son entrée sur le marché des modèles de langage à poids ouverts. Conçu comme un système épars à mélange d'experts (MoE), Beam compte 501 milliards de paramètres au total, tout en n'en activant que 23 milliards lors de l'inférence. Le modèle cible spécifiquement le développement logiciel, le raisonnement multi-étapes et les flux de travail basés sur des agents IA autonomes.

Revendications d'efficacité et résultats aux bancs de test

Reflection AI positionne Beam comme une alternative à haute efficacité face aux modèles ouverts de plus grande taille. L'entreprise indique que Beam atteint des performances comparables à GLM 5.2 sur des bancs de test de raisonnement avancé, tout en consommant trois à quatre fois moins de calcul à l'inférence. Lors des évaluations internes, Beam a obtenu des scores de 80,1 sur Terminal Bench v2.1, 80,9 sur SWEBench Verified, 77,2 sur SWE Bench Pro v2-Hard, 97,8 sur AIME 2026 et 90,5 sur GPQA Diamond.

Afin de limiter la génération redondante, Beam intègre une pénalité de longueur ajustable ainsi qu'un paramètre d'effort de raisonnement configurable par l'utilisateur. Ce contrôle permet aux développeurs d'équilibrer le volume de jetons et la qualité des réponses selon la complexité de la requête. Reflection AI a précisé que ses comparaisons de calcul s'appuient sur des estimations d'Artificial Analysis et de DataCurve, fondées sur le nombre de paramètres actifs et le volume de jetons générés plutôt que sur des coûts matériels directement mesurés.

Détails de l'infrastructure et du pipeline

Beam a été préentraîné sur 23,8 billions de jetons issus de contenus web sélectionnés, de dépôts de code et de jeux de données sous licence. Ce préentraînement s'est déroulé en moins de quatre semaines à l'aide de 6 144 GPU NVIDIA GB300, permettant d'atteindre une fenêtre de contexte effective d'un million de jetons. La phase d'apprentissage par renforcement post-entraînement a mobilisé 10 500 GPU NVIDIA GB300 pour exécuter plus de 100 millions de déploiements à travers près d'un million d'environnements logiciels et STEM.

En matière de sécurité, Reflection AI a extrait des contraintes comportementales à partir d'un modèle secondaire entraîné sur des scénarios d'attaque à tour unique, à tours multiples et avec utilisation d'outils. Le déploiement final intègre directement ces principes de sécurité au sein du pipeline d'apprentissage par renforcement.

Calendrier de disponibilité et licence ouverte

Beam fait actuellement l'objet d'évaluations finales et de tests d'intrusion, un accès anticipé étant accordé à une sélection d'utilisateurs inscrits sur liste d'attente. Reflection AI prévoit de publier les poids du modèle sous licence Apache 2.0 plus tard en octobre 2026. La publication complète inclura la documentation du modèle, des utilitaires de réglage fin, des suites d'évaluation et des rapports techniques.

Illustration éditoriale générée par IA ; ce n’est pas une photographie documentaire.

Source: Reflection AI Unveils Beam, a 501B-Parameter Open-Weight Model