Reflection AI выпустила Beam: 501 млрд параметров против китайских моделей

Два года назад двое бывших исследователей Google DeepMind основали компанию и подняли почти $5 млрд. Сегодня они показали, на что потратили эти деньги.

Reflection AI представила Beam - свою первую открытую модель, ориентированную на написание кода и агентные задачи. Это 501-миллиардная sparse MoE-архитектура, но одновременно активны лишь 23 млрд параметров из них. Для сравнения: у GLM-5.2 от китайского Z.ai 744 млрд суммарных параметров и 40 млрд активных. Beam принципиально легче при запуске.

Как тренировали и что получилось

Предобучение заняло менее четырех недель на 6 144 GPU Nvidia GB300 - модель прошла через 23,8 трлн токенов. После этого четыре недели шел прогон обучения с подкреплением на 10 500 GPU GB300, в ходе которого модель сделала более 100 млн попыток решения задач. Reflection называет это одним из крупнейших RL-прогонов среди открытых лабораторий - и, по имеющимся данным, претензия небезосновательна.

Контекстное окно - 1 млн токенов. Это уже стандарт де-факто для серьезных агентных систем.

Один любопытный эффект всплыл при тестировании: несмотря на то что в обучающий микс не включали задачи с браузингом, Beam научился самостоятельно запрашивать другие ИИ-модели и использовать инструменты распознавания текста для работы с документами. Это похоже на то, что принято называть эмерджентным поведением - модель нашла инструменты сама, без явных инструкций.

Цифры бенчмарков и их честность

Reflection заявляет, что Beam на продвинутых задачах рассуждения сравним с GLM-5.2 при использовании в 3-4 раза меньше инференс-вычислений. Компания сама оговаривается: это приблизительное сравнение, а не измеренная стоимость. Все цифры бенчмарков предоставлены самой Reflection и независимой верификации пока не проходили.

На Terminal Bench v2.1 Beam набирает 80.1 против 88.3 у Kimi K3 от Moonshot AI - разрыв заметный. На SWE-bench Verified - 80.9 против 77.6 у Inkling (открытая модель Mira Murati из Thinking Machines Lab). Здесь Beam выигрывает по четырем кодинговым тестам, где оба проекта публиковали результаты. Но Inkling мультимодальная, Beam - только текст. Прямое сравнение хромает.

По кодинговым и агентным задачам Reflection ставит себя вровень с GLM-5.2 и говорит, что приближается к Qwen 3.8-Max от Alibaba, при этом признавая: Kimi K3 пока впереди по "сырой" мощности. Честная позиция - и это редкость в мире модельных анонсов.

Деньги, железо и стратегия

Reflection основали в 2024 году Миша Ласкин и Иоаннис Антоноглу. Компания привлекла около $4,7 млрд от Nvidia, Sequoia Capital и Lightspeed Venture Partners, последний раунд оценил ее в $25 млрд pre-money.

Летом 2026-го Reflection заключила сделки на вычислительные мощности суммарно более чем на $7 млрд: $6,3 млрд с SpaceX (доступ к дата-центру Colossus 2) и $1 млрд с Nebius. Контракты обеспечивают доступ к GPU GB300 до 2029 года. Сумма сделки со SpaceX описывается в публикациях как потенциальная стоимость при полном сроке действия. Это не просто хеджирование - это ставка на то, что следующие несколько лет решат, кто контролирует инфраструктуру открытого ИИ.

CEO Ласкин в интервью Semafor сравнил закрытые модели с арендой квартиры: "Единственный способ владеть интеллектом - это, по определению, открытость". Антоноглу добавил осторожность: возможна ситуация, когда модель станет настолько способной, что придется думать, как именно ее развертывать. Это не отказ от открытости - скорее признание, что вопрос не закрыт.

Лицензия, доступность и безопасность

Веса выйдут под Apache 2.0 - максимально свободная лицензия для коммерческого использования. Полные технические детали Reflection обещает опубликовать в октябре вместе с model card и инструментами для запуска и дообучения. Сейчас ранний доступ через вейтлист.

Для безопасности компания обучила отдельную модель на той же базе, затем слила две вместе. Результаты войдут в технический отчет. Также Reflection планирует открыть собственные тесты безопасности. По словам Ласкина, два государственных органа - американский US Center for Advancing Innovation and Standards for Super Intelligence и британский AI Safety Institute - оценивают модель совместно с Reflection.

Что это значит на практике

Для разработчиков и компаний Beam - потенциально серьезная альтернатива закрытым API OpenAI и Anthropic. Развертывание на собственном железе с Apache 2.0 означает полный контроль над данными и отсутствие вендорной зависимости. Для агентных систем с долгим контекстом 1M токенов и эффективный инференс - это ключевые параметры.

Reflection продвигает концепцию "AI-фабрик" - готовых систем, которые позволяют предприятиям и государственным структурам строить локальные ИИ-инфраструктуры на базе своих данных. Первый партнер по суверенному ИИ - южнокорейская Shinsegae Group. Jensen Huang давно продвигает эту идею, и неудивительно: каждая такая фабрика работает на GPU Nvidia.

Beam выйдет с открытыми весами через hyperscaler'ы и neoclouds. Запустить модель на собственном железе технически возможно - Apache 2.0 не накладывает лицензионных ограничений по географии. При этом фактическая доступность зависит от конкретных платформ и поставщиков, через которых будут распространяться веса. По активным параметрам модель требует меньше ресурсов, чем можно предположить по суммарным 501B, но все равно серьезное железо.

Антоноглу в интервью упомянул, что следующие, значительно более крупные модели придут в 2027 году. Beam - это "рабочая лошадка", по словам самой компании. Судя по тому, как выстроена инфраструктура и объему вложенного в обучение железа, следующий шаг будет сделан с той же методичностью.