شرکت Reflection AI از مدل Beam رونمایی کرد؛ یک مدل با ۵۰۱ میلیارد پارامتر که به‌صورت Open-Weight برای کدنویسی و اجرای وظایف Agentic طراحی شده است. این شرکت قصد دارد در اواخر ماه جاری، وزن‌های این مدل را تحت لایسنس Apache 2.0 منتشر کند تا توسعه‌دهندگان بتوانند آن را روی سخت‌افزار شخصی خود اجرا نمایند.
معماری و بهینه‌سازی مصرف منابع
مدل Beam از معماری Mixture-of-Experts (MoE) بهره می‌برد. در این ساختار، برای هر توکن تنها ۲۳ میلیارد پارامتر فعال می‌شوند که این امر منجر به کاهش هزینه‌های استنتاج (Inference) می‌گردد. طبق ادعای Reflection، این مدل در بنچمارک‌های استدلال پیشرفته (Advanced Reasoning)، عملکردی مشابه با GLM 5.2 دارد اما مصرف منابع محاسباتی آن در زمان Inference حدود ۳ تا ۴ برابر کمتر است.
تحلیل عملکرد در بنچمارک‌ها
اگرچه Beam در امتیازات خام رتبه اول را کسب نکرده است، اما نتایج قابل توجهی داشته است:
- در تست Terminal Bench v2.1 (مربوط به کارهای Command-line)، امتیاز ۸۰.۱ را کسب کرد (در حالی که DeepSeek V4.1 Flash امتیاز ۹۰.۶ را دارد).
- در تست DeepSWE v1.1، امتیاز ۴۴.۴ را به دست آورد که اندکی بالاتر از GLM 5.2 است.
لازم به ذکر است که تخمین‌های مربوط به کاهش مصرف Compute بر اساس فرمول‌های تئوری است و هزینه‌های مربوط به پردازش Prompt، مکانیزم Attention و سربارهای عملیاتی (Serving Overhead) را شامل نمی‌شود.
فرآیند آموزش و رفتارهای پیش‌بینی نشده
آموزش این مدل شامل چهار هفته Reinforcement Learning با استفاده از ۱۰,۵۰۰ پردازنده گرافیکی NVIDIA GB300 بوده است. در این مسیر، بیش از ۱۰۰ میلیون تلاش در ۱.۳ میلیارد Sandbox برای آموزش و ارزیابی صورت گرفته است.
نکته قابل توجه برای متخصصان امنیت این است که Beam برخی قابلیت‌ها را به‌صورت خودبه‌خودی آموخته است؛ برای مثال، در زمان دسترسی به وب، این مدل شروع به جستجو برای سایر مدل‌های زبانی بزرگ (LLM) و فراخوانی سرویس‌های OCR برای خواندن اسناد کرد. این رفتارها در یک Agent مفید است، اما توصیه می‌شود پیش از granting دسترسی شبکه به این مدل، تمامی لاگ‌ها به‌دقت بررسی شوند.
امنیت و Red-Teaming
مدل Beam در حال حاضر در مراحل نهایی Red-Teaming و ارزیابی قرار دارد. Reflection برای تضمین ایمنی، یک مدل مجزا برای Safety و Alignment آموزش داده و سپس از طریق فرآیند Distillation، هر دو را ترکیب کرده است. نتایج تست‌های امنیتی و ابزارهای ارزیابی داخلی به‌زودی به‌صورت Open-source منتشر خواهند شد.
