Le Beam de Reflection rejoint la course aux poids ouverts, mais le dossier ne contient aucun modèle vidéo

La publication la plus récente du dossier n'est pas un générateur vidéo. Dans un billet daté du 5 octobre, Reflection présente Beam comme son premier modèle à poids ouverts : une architecture creuse de type mélange d'experts, avec 501 000 000 000 de paramètres au total et 23 000 000 000 actifs, entraînée pour le code, le raisonnement et les charges de travail agentiques.

Les poids ne sont pas encore disponibles. Reflection indique que Beam passe encore les tests adverses et les évaluations finales, et que les poids, le rapport technique, la fiche du modèle et les artefacts pour développeurs suivront plus tard en octobre. Ce délai compte pour qui cherche un lancement de génération vidéo par IA cette semaine. Le dossier ne contient aucune annonce datée d'un nouveau modèle texte-vers-vidéo ou image-vers-vidéo dans les trois derniers jours. Les éléments sur la génération vidéo qu'il renferme sont plus anciens : un article arXiv sur la détection optique de deepfakes, soumis en mai, une entrée Kuaishou du 29 septembre présente seulement dans la liste des titres, et une série de billets produits non datés ou hors fenêtre. Aucun n'est une sortie fraîche.

Ce que le dossier contient, en revanche, c'est un ensemble de lancements de modèles et d'outils agentiques datés du 5 octobre. L'essentiel est petit, bon marché et spécialisé. Liquid AI a présenté d1, un modèle de décision qui traite texte et images et renvoie des probabilités au lieu de générer des tokens. Interfaze a publié un modèle à poids ouverts construit autour d'un noyau de raisonnement et de composants spécialisés. Et GitHub s'est rempli d'agents de code qui entourent un modèle existant plutôt que de le remplacer.

Des modèles de décision, pas des modèles vidéo

d1 de Liquid AI est l'exemple le plus net de la tendance. L'entreprise annonce 200 à 300 ms pour une décision sur du texte, parce que le modèle lit l'entrée en une seule passe avant et renvoie des probabilités sans générer de tokens. Elle a testé d1 face à GPT-6.1 Sol et Claude Opus 5.5 sur six applications, du filtrage de tickets de support à l'inspection de cartes de circuits imprimés, et affirme que d1 égale ou dépasse GPT-6.1 Sol sur quatre d'entre elles, pour un coût 19 à 200 fois inférieur.

Ce sont les chiffres de Liquid, publiés dans son billet de lancement. L'affirmation sur la vision est la plus intéressante. Liquid indique que d1 n'a jamais été entraîné pour l'inspection industrielle, et qu'il a pourtant trié pièces bonnes et défectueuses avec une précision de 85 à 97 % sur le jeu de données public VisA, sur des cartes de circuits imprimés, des bougies, des noix de cajou et des chewing-gums. La société rapporte aussi qu'un écran ajouté a fait passer son score à Tetris de 70 à 81 lignes effacées, et qu'il a résolu 12 parties de Wordle sur 12 en 3,8 essais en moyenne. Le dossier ne contient aucune vérification indépendante : ces chiffres sont donc ceux de l'éditeur.

La publication d'Interfaze emprunte une autre route vers le même argument de coût. Selon sa page modèle, Interfaze 1.1 Lite est un mélange d'architectures : un noyau de raisonnement vision-langage qui planifie et compose les réponses, plus des spécialistes pour la lecture de documents, la géométrie de lignes, la mise en page, la parole, la diarisation des locuteurs, la segmentation, la prévision de séries temporelles et la classification de sécurité. L'ensemble tourne sur un seul GPU de 80 Go sans service externe, selon l'entreprise.

Son tableau de référence place le modèle à 85,9 sur GPQA Diamond, 87,8 sur MMMLU, 73,2 sur MMMU-Pro et 83,8 sur olmOCR-Bench, contre 92,4, 90,9, 71,1 et 85,7 pour la valeur de comparaison qu'Interfaze donne elle-même pour GPT-5.4-Mini. Interfaze mentionne aussi un enregistrement de 95 minutes transcrit en 90 secondes environ, et une sortie structurée contrainte par un schéma JSON fourni. Là encore, ce sont les chiffres de l'éditeur.

Des agents qui contournent le grand modèle

Les agents de code publiés le 5 octobre cherchent à tirer davantage de modèles déjà existants. Jeff-Code, un fork de l'agent Pi de Mario Zechner, insère un modèle de décision de 800 000 000 de paramètres appelé Jeff dans la boucle autour de Qwen 3.8-27B. Jeff effectue deux appels d'environ 0,2 seconde chacun : savoir s'il peut faire lui-même l'étape suivante, et savoir si Qwen doit réfléchir fortement à ce tour. L'écriture et la modification de fichiers restent à Qwen.

L'évaluation du dépôt rapporte 62,4 % de taux de réussite pour Jeff-Code contre 62,8 % pour Qwen seul, soit une différence appariée de moins 0,2 point avec un intervalle à 95 % de moins 2,6 à plus 2,1 sur 1 242 tâches appariées. Le temps par tâche atteint en moyenne 0,68 fois celui de Qwen, avec une médiane de 0,70. Le temps total sur l'ensemble des tâches baisse moins, à 0,86 fois, parce que sur environ 5 % des tâches Jeff-Code tourne plus de 30 minutes de plus que Qwen seul. L'auteur rapporte aussi que désactiver la réflexion à chaque tour est encore plus rapide, mais coûte 7,6 points.

Reika prend le pari inverse : une interface en ligne de commande pour agent de code pensée d'abord pour de petits modèles locaux, dans la plage de 8 000 000 000 à 35 000 000 000 de paramètres, souvent en quantification Q2 à Q4 sur une fenêtre de contexte de 16 à 32 000. Ses constats publiés sont d'une franchise inhabituelle. Une réécriture en milieu de contexte a retraité 8 453 tokens de prompt, ce que l'auteur mesure à 7,9 minutes de préremplissage, là où un ajout dans la même session a coûté 25 tokens et 3,5 secondes. L'outil est en version pré-1.0 et son auteur prévient que les commandes et le comportement peuvent changer d'une version à l'autre.

La gestion du contexte par le harnais a coûté plus cher que le modèle.

Ni l'un ni l'autre de ces projets n'est la sortie d'un modèle de frontière, et aucun ne prétend l'être. Ils montrent où va une bonne partie de l'effort d'ingénierie : pas vers des générateurs plus gros, mais vers un routage moins cher, des couches de décision plus petites et une gestion du contexte plus serrée autour de modèles qui fonctionnent déjà.

Infrastructure et matériel plus ancien

Deux autres entrées du 5 octobre complètent le tableau. Le blog Windows Developer de Microsoft, dans un billet daté du 29 septembre et remonté dans le dossier le 5 octobre, annonce que les conteneurs WSL sont désormais en disponibilité générale, avec une interface wslc.exe, une API de conteneurs pour les applications Windows natives, et une couverture Intune et Defender for Endpoint étendue aux flux de travail en conteneurs. De son côté, l'éditeur de liens mold a livré la version 3.0.0 le 5 octobre, réécrite de C++ en Rust, le projet indiquant avoir vérifié la compatibilité en compilant tous les paquets Gentoo sans trouver de régression.

Le matériel sur la génération vidéo dans le dossier est mince et pour l'essentiel daté. Un article arXiv de Parnian Ghapandar Kashani, Shiqi Chen et Aydogan Ozcan, soumis le 19 mai et publié dans eLight, décrit un détecteur hybride optique-numérique de deepfakes qui a traité 15 flux vidéo ou plus en une seule passe optique, atteignant 97,79 % de précision moyenne sur Celeb-DF. C'est de la détection, pas de la génération. Le bloc des titres récents mentionne la présentation d'un nouveau modèle par la filiale Kling de Kuaishou le 29 septembre, mais le dossier ne donne qu'un titre, sans chiffres ni déclaration d'entreprise pour travailler.

Le Beam de Reflection est l'annonce de modèle la plus importante du dossier, et son tableau de référence le plus détaillé. Sur SWE Bench Pro v2-Hard, il affiche 77,2 contre 84,3 pour GLM 5.3 et 88,2 pour Kimi K3. Sur Terminal Bench v2.1, il affiche 80,1 contre 88,2 et 88,3. Sur AIME 2026, il affiche 97,8, juste sous GLM 5.2 à 99,2. Reflection affirme que Beam est compétitif avec des modèles ouverts plus grands et s'approche de Qwen 3.8-Max sur le code et les tâches agentiques, son avantage résidant dans l'efficacité d'inférence : des scores de raisonnement comparables à GLM-5.2 pour 3 à 4 fois moins de calcul d'inférence, selon l'entreprise.

Les chiffres d'entraînement sont précis : 23 800 000 000 000 de tokens de données de préentraînement, et une phase d'apprentissage par renforcement générant plus de 100 000 000 de rollouts sur 10 500 GPU NVIDIA GB300 en quatre semaines. Reflection annonce que les poids suivront ce mois-ci. D'ici là, chaque chiffre sur Beam est une affirmation de l'entreprise qui l'a construit, et il en va de même pour d1, Interfaze et les références d'agents citées plus haut.

Pour un lecteur qui cherche une sortie de génération vidéo cette semaine, la réponse honnête est que le dossier n'en contient aucune. Les éléments datés les plus proches sont plus anciens ou réduits à un titre. L'actualité la plus fraîche et la mieux documentée du 5 octobre concerne des modèles qui décident, routent et transcrivent, pas des modèles qui produisent du mouvement.