Reflection AI выпустила Beam: открытая AI-модель, которая бросает вызов китайским лидерам при меньших затратах

Reflection AI, американский стартап из Бруклина, представила Beam: свою первую фронтирную AI-модель с открытыми весами. Компания утверждает, что Beam выходит на уровень ведущих китайских открытых моделей на бенчмарках сложных рассуждений, расходуя при этом заметно меньше вычислительных ресурсов. Независимого подтверждения этих цифр пока нет. Об анонсе сообщил TechCrunch.

Открытые веса означают, что файлы модели можно скачать и запустить на собственных серверах. Обращаться к ней через чужой сервис при этом не обязательно. Для организаций это прежде всего вопрос контроля над данными. Слово «фронтирная» говорит о том, что модель относят к переднему краю возможностей AI.

Компанию основали в 2024 году два бывших исследователя Google DeepMind. Beam называют «рабочей лошадкой» для предприятий, госсектора и разработчиков. Веса модели и технические детали обещают опубликовать в этом месяце, поэтому проверить заявления Reflection можно будет уже скоро.

Ключевые характеристики Beam: что означают 501 млрд параметров и 1 млн токенов

Beam построена на архитектуре mixture-of-experts, которую сокращённо называют MoE. Общее число параметров - 501 млрд, но при обработке одного запроса задействуется только 23 млрд активных параметров. Параметры - это внутренние настройки модели, которые она подбирает во время обучения. Чем их больше, тем больше информации модель способна усвоить.

Модель предобучена на 23,8 трлн токенов. Токен - часть слова, поэтому 23,8 трлн токенов соответствуют колоссальному объёму текста, счёт идёт на миллионы книг.

Beam обучали методом обучения с подкреплением: модель получает сигнал за удачные ответы и постепенно отбирает рабочие стратегии. На это ушло много вычислений. Упор сделали на рассуждения, программирование и агентные задачи, где модель сама выполняет цепочку действий. По словам разработчиков, такой подход дал результат при меньшей стоимости токенов и меньших затратах на вывод модели, чем у конкурентов.

Контекстное окно составляет 1 млн токенов. Это объём текста, который модель удерживает в памяти во время одного разговора.

Для сравнения: у открытой модели GLM-5.2 от Z.ai примерно 744 млрд общих параметров при 40 млрд активных. Beam при меньшем общем размере конкурирует с ней по заявленным результатам.

Одно важное ограничение: Beam работает только с текстом. Изображения, аудио и видео она не обрабатывает, в отличие от мультимодальных моделей.

Mixture-of-experts: почему это важно для затрат

Представьте, что вам нужен не один универсальный специалист, а целая команда, где на каждую задачу подключается только нужный сотрудник. Так работает MoE: модель хранит много «экспертов», но включает лишь часть из них. Из 501 млрд параметров в работе участвуют 23 млрд, остальные ждут своей очереди.

Отсюда и экономия. Reflection заявляет, что Beam тратит в 3-4 раза меньше вычислительных ресурсов на вывод по сравнению с конкурентами. Вывод - это сам процесс генерации ответа, и именно он определяет, сколько стоит каждый запрос к модели.

Контекст в 1 млн токенов: что это даёт на практике

Один миллион токенов - это примерно 750 тысяч слов. В такую память помещается целый годовой отчёт, несколько книг или длинная переписка по проекту. Модель учтёт всё это при ответе на вопрос.

Типичные открытые модели сегодня работают с окнами на 128 тысяч или 200 тысяч токенов. Разница ощутима там, где нужно анализировать большие документы, работать с внутренними базами знаний или вести долгий диалог без потери контекста.

Сравнение с конкурентами: насколько Beam действительно силён

Reflection сравнивает Beam с двумя моделями: китайской GLM-5.2 от Z.ai и американской Inkling от Thinking Machines Lab. По заявлению компании, на бенчмарках сложных рассуждений Beam показывает результат на уровне GLM-5.2 и обходит ведущие западные открытые модели, используя в 3-4 раза меньше вычислений на вывод.

Ключевая оговорка: это собственные тесты Reflection. Независимые проверки пока не проводились, и цифры стоит воспринимать как обещание, а не как установленный факт.

С Inkling сравнение тоже неполное. По данным Reflection, Beam обходит её в четырёх тестах на программирование, где обе модели публикуют результаты. Но Inkling - мультимодальная модель, а Beam работает только с текстом, поэтому прямое сопоставление здесь ограничено.

С кем ещё конкурирует Reflection AI

Расстановка сил шире двух моделей. Reflection позиционирует себя против закрытых лабораторий Anthropic и OpenAI, против популярных открытых моделей китайских разработчиков и против западных игроков вроде Mistral, Meta и Cohere. Смысл позиции: дать американский открытый ответ на китайское доминирование в открытых моделях.

Доминирование это измеримо. По отчёту Hugging Face за первую половину 2026 года, лаборатории Moonshot, MiniMax, Xiaomi и Z.ai обошли США по масштабу выпускаемых открытых моделей.

Самый прямой американский конкурент Beam - Inkling от лаборатории Thinking Machines Lab, основанной Мирой Мурати. Модель вышла в июле.

Что такое «AI-фабрики» и как Beam вписывается в стратегию Reflection

Вместе с моделью Reflection продвигает концепцию «AI-фабрик». Речь о локальных AI-системах, которые организация обучает на своих данных и держит под своим контролем. Компания нацеливает Beam и будущие модели на предприятия и суверенные государства.

Пример: организация разворачивает Beam на своих серверах, дообучает её на внутренних документах и получает инструмент, который не отправляет данные во внешнее облако. Reflection уже начала тестировать такую схему с южнокорейским конгломератом Shinsegae Group.

Идею поддерживает генеральный директор Nvidia Дженсен Хуанг, чья компания инвестирует в Reflection. Издание Axios сообщило, что среди желающих строить подобные системы есть хедж-фонды и трейдинговые фирмы.

Почему бизнесу может быть интересна открытая модель

Открытые веса дают несколько практических преимуществ: данные остаются внутри компании, модель можно дообучить под конкретные задачи, а зависимость от одного поставщика снижается. При больших объёмах запросов локальный запуск может обойтись дешевле облачного API.

Обратная сторона тоже есть. Для локального запуска нужны серверы, специалисты и время на настройку. Без команды, которая умеет работать с моделями, открытые веса останутся просто набором файлов.

Финансовая и стратегическая подоплёка: ставки Reflection AI

Масштаб ставок заметен по цифрам. По данным PitchBook, Reflection привлекла около $4,7 млрд от инвесторов, среди которых Nvidia, Sequoia Capital и Lightspeed Venture Partners. Последний раунд оценил компанию в $25 млрд до привлечения новых денег. Детали анонса и оценки приводит TechCrunch.

Летом 2026 года компания подписала сделки на сумму более $7 млрд с SpaceX и Nebius. Цель - обеспечить доступ к чипам Nvidia GB300 до 2029 года. Вычислительные мощности в этой гонке стоят дорого, и рынок чипов для AI быстро меняется: о том, как стартап Etched делает чипы для вывода моделей без GPU, мы разбирали отдельно.

Вывод по стратегии простой: это один из самых амбициозных стартапов в AI, но с непроверенным пока результатом.

Что дальше: когда появятся веса и что это изменит

Веса модели и технические детали обещают опубликовать в этом месяце. После публикации разработчики и исследователи со всего мира смогут запустить Beam, прогнать свои тесты и сравнить результаты с заявленными. До этого момента любые оценки остаются предварительными.

Параллельно компания продолжает тестировать партнёрство в Южной Корее. Итоги этого пилота покажут, насколько концепция AI-фабрик работает вне презентаций.

Следить за развитием стоит по одной причине: если заявления подтвердятся, открытые модели получат аргумент в пользу того, что конкурировать с китайскими лидерами можно при меньших затратах. Другие события недели мы собираем в разборе ключевых новостей мира AI.

Что это значит для вас: краткий итог

Reflection AI представила Beam, открытую модель, которая по заявлениям компании конкурирует с китайскими лидерами при меньших вычислительных затратах. Пока это только заявления, но ставки высоки: около $4,7 млрд привлечённых инвестиций, оценка в $25 млрд и контракты на мощности более чем на $7 млрд.

Для бизнеса новость служит ещё одним сигналом: открытые модели перестают быть нишевым выбором и всё чаще рассматриваются как серьёзная альтернатива закрытым API. Если вы руководитель или разработчик, держите в поле зрения публикацию весов и независимые тесты. Развитие событий мы продолжим освещать. Есть вопрос или заметили неточность? Напишите нам, и мы поправим.