Reflection презентує Beam, відкрито-вагову модель ШІ, що конкурує з китайськими моделями при менших витратах на обчислення

Компанія Reflection AI, заснована колишніми дослідниками Google DeepMind, оголосила про випуск своєї першої відкритої моделі ШІ під назвою Beam. За заявами розробника, ця модель здатна конкурувати з лідерами китайського ринку, такими як DeepSeek, Qwen і Z.ai, у задачах підвищеної складності, забезпечуючи при цьому суттєву економію на обчислювальних ресурсах.

Beam є текстовою моделлю архітектури Mixture-of-Experts з 501 мільярдом параметрів, з яких 23 мільярди активні. Вона пройшла попереднє навчання на 23,8 трильйонах токенів і має контекстне вікно в 1 мільйон токенів. Компанія стверджує, що Beam показує результати, співмірні з Z.ai GLM-5.2 та перевершує провідні західні відкриті моделі, використовуючи при цьому у 3-4 рази менше обчислювальної потужності для інференсу.

Reflection AI залучила близько 4,7 мільярда доларів інвестицій від таких компаній, як Nvidia, Sequoia Capital і Lightspeed Venture Partners, при оцінці у 25 мільярдів доларів до інвестицій. Цього літа стартап уклав угоди на понад 7 мільярдів доларів зі SpaceX і Nebius для забезпечення доступу до чипів Nvidia GB300 до 2029 року, що є критично важливим для навчання великих моделей.

Компанія має намір використовувати Beam та майбутні моделі для корпоративного сектору та суверенних держав. Концепція передбачає створення «фабрик ШІ», які дозволять установам розробляти власні кастомізовані системи штучного інтелекту, навчаючи моделі Reflection на своїх конфіденційних даних. Ця стратегія узгоджується з баченням CEO Nvidia Дженсена Хуанга щодо посилення відкритої екосистеми ШІ.

Наразі Reflection вже тестує концепцію партнерства з суверенною фабрикою ШІ з Shinsegae Group у Південній Кореї. Це вказує на потенційний попит серед великих конгломератів та фінансових установ, які прагнуть інтегрувати власні, захищені ШІ-рішення. Reflection планує випустити ваги Beam та повні технічні деталі моделі цього місяця, забезпечивши її дистрибуцію через гіперскейлерів та інтеграцію у відкриті бібліотеки.