ამერიკულმა სტარტაპმა Reflection-მა ჩინური ღია მოდელების დომინაციის დასრულება გადაწყვიტა. ბრუკლინში დაფუძნებულმა კომპანიამ, რომელიც 2024 წელს Google DeepMind-ის ორმა ყოფილმა მკვლევარმა დააარსა, თავისი პირველი ღია მოდელი Beam წარადგინა. ახალი სისტემა 501 მილიარდ პარამეტრს აერთიანებს და დეველოპერებს, კორპორაციებსა თუ მთავრობებს ადგილობრივად სამართავ მძლავრ ინსტრუმენტს სთავაზობს. შემქმნელები მას პირდაპირ პოზიციონირებენ როგორც დასავლურ პასუხს ჩინურ მოდელებზე.
მოდელის არქიტექტურა და რესურსები
Beam მხოლოდ ტექსტზე ორიენტირებული სისტემაა, რომელიც რთული კოდირების, ლოგიკური მსჯელობისა და მრავალსაფეხურიანი დავალებების შესასრულებლად შეიქმნა. ის ექსპერტთა ნაზავის პრინციპით მუშაობს. მართალია, მისი საერთო მოცულობა 501 მილიარდი პარამეტრია, თუმცა კონკრეტული დავალების შესრულებისას მხოლოდ 23 მილიარდ პარამეტრს იყენებს. ეს მიდგომა სისტემას ბევრად უფრო სწრაფსა და ენერგოეფექტურს ხდის. შედარებისთვის, მის მთავარ კონკურენტს, Z.ai-ს GLM-5.2-ს, 744 მილიარდი საერთო და 40 მილიარდი აქტიური პარამეტრი აქვს. Beam-ის კონტექსტის ფანჯარა ერთ მილიონ ტოკენს იტევს.
Reflection-მა მოდელის გასაწვრთნელად კოლოსალური რესურსი დახარჯა. ბაზისური სწავლება 23.8 ტრილიონ ტოკენზე მიმდინარეობდა და პროცესმა ოთხ კვირაზე ნაკლები გასტანა, რისთვისაც 6144 ცალი NVIDIA GB300 NVL72 ტიპის გრაფიკული პროცესორი გამოიყენეს. განმტკიცებითი სწავლების ეტაპი კიდევ უფრო მასშტაბური იყო. 10 500-მა გრაფიკულმა პროცესორმა ოთხი კვირის განმავლობაში 100 მილიონზე მეტი ციკლი შეასრულა და 1.3 მილიარდი ვირტუალური გარემო დაამუშავა. კომპანიის შეფასებით, ეს ღია ლაბორატორიების ისტორიაში ერთ-ერთი ყველაზე დიდი ტრენინგ-სესიაა.
კონკურენცია და ტესტები
ტესტების მიხედვით, ლოგიკურ ამოცანებში Beam-ის შედეგები Z.ai-ს GLM-5.2-ს უტოლდება, თუმცა 3-4-ჯერ ნაკლებ გამოთვლით რესურსს მოითხოვს. კოდირების დავალებებში ის თითქმის ეწევა Qwen 3.8-Max-ს. კომპანია აღიარებს, რომ Kimi K3 კვლავ ინარჩუნებს ლიდერობას საერთო სიმძლავრით, თუმცა Beam-ის მთავარი უპირატესობა სწორედ ეფექტურობაა. ტესტებში მოდელმა შემდეგი შედეგები აჩვენა: SWE-Bench Verified 80.9, Terminal Bench 80.1, GPQA Diamond 90.5 და AIME 2026 97.8.
გარდა ამისა, Beam-მა კოდირების ოთხ ტესტში აჯობა მირა მურატის კომპანია Thinking Machines Lab-ის მიერ გამოშვებულ მოდელ Inkling-ს, თუმცა გასათვალისწინებელია, რომ Inkling ტექსტთან ერთად გამოსახულებებსაც ამუშავებს. Reflection-მა პრაქტიკული გამოყენების მაგალითებიც აჩვენა, მათ შორის: ნიუ-იორკის მეტროს რუკა, 3D ასტრონავტის თამაში და Gemma-4-ის დასახვეწი ინსტრუმენტი.
სტარტაპს სერიოზული ფინანსური ზურგი და სტრატეგია აქვს. მან ინვესტორებისგან 4.7 მილიარდი დოლარი მოიზიდა და მისი შეფასება 25 მილიარდ დოლარს აღწევს. კომპანია ადგილობრივი ხელოვნური ინტელექტის ქარხნების კონცეფციას ავითარებს და ამ მიმართულებით ტესტირებას სამხრეთკორეულ Shinsegae Group-თან იწყებს. ამასთან, 2029 წლამდე ჩიპებზე უწყვეტი წვდომის უზრუნველსაყოფად, Reflection-მა 7 მილიარდი დოლარის კონტრაქტები გააფორმა SpaceX-სა და Nebius-თან.
კომპანია მოდელის ტექნიკურ ფაილებს ოქტომბრის ბოლომდე Apache 2.0 ლიცენზიით გამოაქვეყნებს. აღსანიშნავია, რომ ტესტების ყველა შედეგი თავად კომპანიის მიერაა გამოქვეყნებული და დამოუკიდებელი ექსპერტების მიერ ჯერ არ გადამოწმებულა.
| საერთო პარამეტრები | 501B |
| აქტიური პარამეტრები | 23B |
| კონტექსტის ფანჯარა | 1M tokens |
| სატრენინგო ტოკენები | 23.8T |
| ლიცენზია | Apache 2.0 |
| გამოშვების თარიღი | October 2026 |
წყარო: Reflection AI | TechCrunch
