Beam: открытая модель на 501 млрд параметров под Apache 2.0

Когда компания обещает открыть веса модели "позже в этом месяце" - обычно ждешь переносов и расплывчатых апдейтов. Reflection сдержала слово: 16 октября 2026 года веса Beam появились на Hugging Face под лицензией Apache 2.0. Без ограничений на коммерческое использование, без специального соглашения с вендором. Берешь и деплоишь.

Что за зверь

Beam - это mixture-of-experts архитектура с 501 млрд суммарных параметров, из которых при обработке каждого токена активируются 23 млрд. Контекстное окно - до одного миллиона токенов. Для сравнения: Mixtral 8x22B, который долго держался эталоном в открытом сегменте MoE, несопоставимо меньше по масштабу.

Pretrain шел на 23,8 трлн токенов - это больше, чем большинство публично известных датасетов для открытых моделей. После преобучения Reflection провела reinforcement learning на 10 500 GPU NVIDIA GB300 в течение четырех недель, сгенерировав более 100 млн rollout-ов. Такой RL-прогон - не стандартная практика для открытых релизов, обычно это прерогатива закрытых лабораторий вроде OpenAI или Anthropic.

Цифры бенчмарков

Reflection опубликовала результаты собственных оценок - и они заслуживают внимания, хотя независимой верификации пока нет:

- GPQA Diamond (научное рассуждение уровня аспирантуры): 90,5% - SWE-bench Verified (реальные баги в репозиториях): 80,9% - AIME 2026 (олимпийская математика): 97,8% - Terminal-Bench 2.1 (задачи в командной строке): 80,1% - MCP Atlas (работа с реальными инструментами через MCP): 78,7%

Для сравнения: Claude 3.5 Sonnet набирал около 65% на GPQA Diamond, GPT-4o - порядка 53%. Если цифры Reflection подтвердятся независимыми тестами, Beam окажется выше закрытых флагманов прошлого поколения по научному рассуждению. Но я бы подождал, пока сообщество прогонит свои тесты - история знает случаи, когда вендорские бенчмарки и реальная производительность расходились.

Экосистема, а не просто веса

Reflection позиционирует Beam не как отдельную модель, а как "открытую операционную систему для агентов" - с ядром в виде модели и открытыми слоями выше. Партнеров уже более 40: AWS, Google Cloud, Microsoft Azure, Cloudflare, CoreWeave, Databricks, Fireworks AI, Nebius, Together AI, Vercel и другие. Для on-premises и изолированных контуров - Dell и HPE.

С первого дня Beam работает в Transformers от Hugging Face, vLLM, SGLang, Unsloth, Axolotl и NVIDIA Dynamo. Веса доступны в форматах BF16, FP8 и NVFP4 плюс модель для speculative decoding. Это означает, что можно запускать модель с разными компромиссами между качеством и скоростью прямо из коробки.

Baseten объявил поддержку в тот же день. Ценник через их Model API: $1,30 за миллион входных токенов, $4,30 за кешированный ввод и $0,13 за выходные токены. По меркам моделей такого размера - умеренно.

Что это значит для разработчиков

Apache 2.0 - это принципиальный момент. Mistral, Qwen и ряд других открытых моделей имеют нюансы в лицензировании, которые требуют внимания юристов при коммерческом использовании. Beam с Apache 2.0 можно встраивать в продукт без таких вопросов.

Параметр "reasoning effort" позволяет регулировать глубину рассуждения - и, соответственно, количество потребляемых токенов. Модель обучалась с length penalty, чтобы не генерировать лишние токены. Это прямой ответ на критику в адрес o1 и DeepSeek R1 - они нередко "думают" дольше, чем нужно, что дорого при промышленном использовании.

Работает ли в России

Beam доступен через Ollama и LM Studio - обе платформы перечислены среди официальных партнеров запуска. Доступность конкретных облачных провайдеров из России - AWS, Azure, Google Cloud и других - зависит от текущей ситуации с санкциями и платежными инструментами, это стоит проверять отдельно. Nebius имеет российские корни, хотя и работает как европейская структура, так что ситуация с доступностью может отличаться от стандартных западных облаков.

Однако запустить 501B MoE локально - задача нетривиальная. Даже в NVFP4 это несколько сотен гигабайт весов и нужны несколько высокопамятных GPU. Для большинства реалистичный сценарий - API от Baseten или одного из совместимых провайдеров.

Почему это важно прямо сейчас

Масштаб открытых моделей рос постепенно: сначала 7B, потом 70B, потом модели в диапазоне 400+ млрд параметров. Beam на 501B с MoE-архитектурой и Apache 2.0 - следующая ступень. Причем Reflection сразу строит под нее инфраструктуру: партнерская сеть, собственный API на platform.reflection.ai (пока бесплатный в бета-версии), документация по безопасности.

Если бенчмарки подтвердятся независимыми тестами, открытые модели вплотную подберутся к закрытым флагманам - и это меняет переговорную позицию любой компании, которая сейчас платит за API OpenAI или Anthropic. Можно будет развернуть сопоставимое качество у себя, с полным контролем над данными и без зависимости от внешнего вендора.