Reflection AI heeft Beam gepresenteerd, zijn eerste grote open-weight AI-model. Het Amerikaanse bedrijf wil hiermee vooral concurreren met sterke open modellen uit China. Daarbij claimt Reflection vergelijkbare prestaties met aanzienlijk minder rekenkracht.
Beam is een mixture-of-experts-model met 501 miljard parameters, waarvan er tijdens het gebruik 23 miljard actief zijn. Het model is volgens Reflection getraind op 23,8 biljoen tokens. De architectuur moet ervoor zorgen dat Beam relatief efficiënt kan draaien, ondanks zijn omvang.
Volgens Reflection presteert Beam op verschillende benchmarks op het niveau van grote Chinese open modellen. Het bedrijf noemt onder meer GLM-5.2 als vergelijkingsmateriaal. TechCrunch wijst er wel op dat de gepresenteerde benchmarkresultaten nog niet onafhankelijk zijn geverifieerd.
Minder rekenkracht
Reflection legt bij Beam sterk de nadruk op efficiëntie. Het bedrijf stelt dat het model met minder rekenkracht kan worden getraind en gebruikt dan veel concurrerende frontiermodellen. Daarmee probeert het een probleem aan te pakken dat steeds belangrijker wordt: de snel oplopende kosten van het trainen en draaien van grote AI-modellen.
Die positionering past bij de ambitie van Reflection om een Amerikaans alternatief te bieden voor open modellen uit China. Vooral Chinese ontwikkelaars hebben de afgelopen jaren veel krachtige modellen uitgebracht waarvan de gewichten beschikbaar zijn.
Reflection beschikt ondertussen over veel kapitaal en rekencapaciteit om die concurrentiestrijd aan te gaan. Volgens TechCrunch heeft het bedrijf ongeveer 4,7 miljard dollar opgehaald en werd het bij zijn meest recente financieringsronde gewaardeerd op 25 miljard dollar vóór de investering. Ook sloot het voor meer dan 7 miljard dollar aan overeenkomsten voor rekenkracht met SpaceX en Nebius, waarbij onder meer Nvidia GB300-chips worden ingezet.
Gewichten volgen later
Hoewel Reflection Beam nu officieel heeft aangekondigd, zijn de modelgewichten nog niet beschikbaar. Het bedrijf zegt die later deze maand te publiceren, samen met uitgebreidere technische informatie. Pas daarna wordt het voor externe onderzoekers en ontwikkelaars eenvoudiger om de prestaties en efficiëntieclaims zelfstandig te toetsen.
Met Beam mengt Reflection zich daarmee in een steeds drukker speelveld van open-weight modellen. De belangrijkste vraag wordt niet alleen hoe Beam op benchmarks scoort, maar ook of de beloofde efficiëntie in de praktijk overeind blijft.