Reflection AI a présenté Beam, son premier modèle à poids ouverts. Développé avec une architecture Sparse Mixture-of-Experts, le modèle compte au total 501 milliards de paramètres, dont 23 milliards actifs à chaque token. Axé sur le codage, le raisonnement et les tâches basées sur des agents, Beam a suivi un pré-entraînement sur 23,8 billions de tokens et offre une fenêtre de contexte d’1 million de tokens. Lors de la phase d’apprentissage par renforcement, 10 mille 500 GPU Nvidia GB300 ont été utilisés pendant quatre semaines, plus de 100 millions de rollouts ont été générés et environ 1,3 milliard de sandbox ont été exécutées.
Selon les propres tests de l’entreprise, Beam atteint, sur des benchmarks de raisonnement difficiles, des performances similaires à celles de GLM-5.2 avec 3 à 4 fois moins de calcul d’inférence ; ces résultats n’ont pas encore été vérifiés de manière indépendante. Le modèle a obtenu 77,2 points sur SWE Bench Pro v2-Hard, 80,1 sur Terminal Bench v2.1 et 80,9 sur SWE Bench Verified. L’entreprise reconnaît que des modèles ouverts plus grands, comme Kimi K3, sont en tête en performances brutes.
Beam, qui repose uniquement sur le texte, peut mener des recherches grâce à l’utilisation d’outils et à l’accès au web. Fondée en 2024 par deux anciens chercheurs de Google DeepMind, Reflection AI a levé environ 4,7 milliards de dollars ; sa valorisation lors du dernier tour s’élève à 25 milliards de dollars. Les poids du modèle et les outils de développement seront publiés en octobre.
Contexte
Beam n’est pas un nom nouveau dans les archives de FikirPilot : au cours des 90 derniers jours, nous avons publié 3 articles mentionnant ce nom ; le plus récent est daté du 6 octobre 2026.