Reflection ouvre les poids de Beam plus tard ce mois-ci, et sa pile de fine-tuning fait l'argument

Reflection AI a présenté Beam le 5 octobre, son premier modèle à poids ouverts. C'est une architecture sparse de type mixture-of-experts, avec 501 000 000 000 de paramètres au total et 23 000 000 000 actifs. L'entreprise l'a préentraîné sur 23 800 000 000 000 tokens issus du web et de données sous licence, selon son billet de blog.

Les poids ne sont pas encore disponibles. Reflection indique qu'elle mène toujours des tests d'attaque et des évaluations. Elle publiera les poids, un rapport technique, une fiche de modèle et des artefacts pour développeurs plus tard ce mois-ci.

Ce calendrier compte davantage que l'annonce elle-même. Une publication de poids ouverts ne sert qu'aux équipes capables de faire du fine-tuning. Reflection vend Beam sur le coût d'inférence, pas sur la tête des classements. L'entreprise affirme que Beam obtient des scores comparables à ceux de GLM-5.2 de Z.ai sur le raisonnement avancé, tout en consommant 3 à 4 fois moins de calcul d'inférence. Elle revendique un écart encore plus large face aux modèles de la classe des 501 000 000 000 de paramètres, comme Qwen 3.8-Max d'Alibaba.

Semafor rapporte que le cofondateur et PDG Misha Laskin a présenté Beam comme une « bête de somme » pour le code et les tâches agentiques. Reflection a été fondée en 2 024 par d'anciens chercheurs de DeepMind. Elle entraîne déjà un successeur que Laskin dit « bien plus » puissant. Semafor rapporte aussi que l'entreprise a confirmé en juin une valorisation pré-money de 25 000 000 000, avec Nvidia, Sequoia et Citigroup parmi ses investisseurs.

Les promesses d'efficacité sont l'argument de vente, pas le tableau d'évaluations

Le tableau de benchmarks de Reflection est honnête sur les écarts. Beam obtient 77,2 sur SWE Bench Pro v2-Hard, sous Kimi K3 à 88,2. Il obtient 36,2 sur HLE sans outils, contre 46,9 pour Kimi K3. Sur SWE Bench Pro v1, il affiche 65,5, devant GLM 5.2 à 62,1 mais derrière Qwen 3.8 Max à 67,7. Son meilleur résultat, 97,8 sur AIME 2 026, se place juste sous les 99,2 de GLM 5.2.

L'argument d'efficacité est là où une pile de fine-tuning devient intéressante. Un nombre plus faible de paramètres actifs peut offrir un raisonnement comparable pour une fraction du calcul. Si c'est le cas, les équipes qui veulent un modèle sur mesure disposent d'une base moins chère à adapter, et le coût des expérimentations baisse. Le discours de Reflection est explicite : « plus d'intelligence par token ». Le modèle a été conçu comme une bête de somme, pas comme une vitrine de frontière.

Cette promesse reste non démontrée tant que les poids ne sont pas publiés et que des tiers n'auront pas lancé leurs propres évaluations.

« Ils n'ont pas vraiment de très bonnes options aujourd'hui », a déclaré Laskin à Semafor, en décrivant les entreprises et les gouvernements qui veulent une IA souveraine sans dépendre de modèles chinois.

Le moment n'est pas un hasard. Les laboratoires chinois ont mené sur les poids ouverts, et les entreprises occidentales les ont adoptés discrètement pour des tâches répétitives. Reflection parie que les organisations qui doivent posséder et contrôler un modèle paieront pour une base occidentale qu'elles pourront ajuster en interne plutôt que louer. Semafor rapporte que l'entreprise travaille avec le US Center for Advancing Innovation and Standards for Super Intelligence et l'AI Safety Institute britannique sur l'évaluation.

Le reste de la pile cette semaine

Beam n'est pas la seule sortie destinée aux équipes qui adaptent les modèles au lieu de simplement les appeler. Cloudflare a publié Clef le 5 octobre, un modèle multimodal de 27 000 000 000 de paramètres post-entraîné à partir de Qwen3.8-27B. Il transforme un état et un schéma de questions typées en probabilités, sans génération libre ni analyse de sortie, sous licence Apache 2.0. L'entreprise indique qu'il tourne sur un seul H200 et renvoie à SGLang pour le service.

Reka a publié le même jour un aperçu de recherche de Rho-1. C'est un modèle omni-raisonnement de 19 000 000 000 de paramètres entraîné de zéro, qui traite texte, images et vidéo dans un seul réseau. Une variante distillée réduit le débruitage de 99 étapes à 8. Interfaze a publié Interfaze 1.1 Lite, un modèle mixture-of-architectures qui tourne sur un seul GPU de 80 Go sans services externes. La NASA et IBM ont mis en ligne du code de fine-tuning et d'inférence pour un Lunar Foundation Model, avec des configurations TerraTorch pour la détection de cratères et la prospection de glace.

L'outillage autour de la pile bouge aussi. GitHub a publié ReviewBench le 5 octobre, un benchmark ouvert de 219 pull requests dans 19 langages. Il s'appuie sur une analyse de 103 900 000 pull requests GitHub et vise à mesurer la revue de code par IA plutôt que l'impression. Le blog open source de Google détaille une modification fusionnée dans la spécification Apache Iceberg REST Catalog. La modification ajoute des restrictions de lecture pour le masquage de colonnes et le filtrage de lignes, ce qui compte pour quiconque sert des modèles ajustés sur des données lakehouse gouvernées.

Toute l'actualité de la semaine n'aide pas. DigitalOcean a discrètement mis fin à son programme Open Source Credits, selon It's FOSS. Des mainteneurs de projets dont Node.js ont reçu un avis indiquant que les renouvellements et les nouvelles candidatures sont fermés. Tom's Hardware rapporte que Google a suspendu le 1er octobre les soumissions de vulnérabilités produit à son OSS VRP après un afflux de rapports invalides générés par IA. Google a promis une mise à jour d'ici le premier trimestre 2 027.

L'infrastructure d'entraînement et de fine-tuning coûte plus cher quand les crédits gratuits s'arrêtent.