Beam de Reflection ouvre la voie des poids ouverts occidentaux, mais les poids ne sont pas encore sortis

Le billet de blog est paru le 5 octobre. Il décrit Beam comme un modèle à mélange d'experts creux, avec 501 milliards de paramètres au total et 23 milliards actifs. Le modèle vise les tâches de code, de raisonnement et d'agent. Les poids ne sont pas sur Hugging Face. Ils arriveront « plus tard ce mois-ci », selon Reflection, avec un rapport technique, une fiche de modèle et des artefacts pour développeurs.

Cet écart compte plus que d'habitude cette semaine. Le même jour, Cloudflare a publié de vrais fichiers. Clef est un modèle multimodal de 27 milliards de paramètres, affiné après entraînement à partir de Qwen/Qwen3.8-27B, avec des fragments safetensors, un tokenizer et une licence Apache-2.0 sur sa page de modèle. Interfaze-ai a publié interfaze-1-lite, un modèle à mélange d'architectures qui, selon l'éditeur, tourne sur un seul GPU de 80 Go. Les deux se téléchargent. Beam, pour l'instant, se résume à un tableau de benchmarks et à un formulaire d'inscription. Le contraste n'a rien de discret. C'est pourquoi cette annonce se lit différemment selon qu'on est chercheur avec un cluster de GPU ou développeur en quête de quelque chose à lancer le soir même.

Ce que disent les chiffres, et ce qu'ils taisent

Le billet de Reflection est étonnamment détaillé sur l'entraînement. Il indique que Beam a été pré-entraîné sur 23 800 000 000 000 tokens issus du web et de jeux de données sous licence. Il est ensuite passé par une phase d'apprentissage par renforcement qui a produit plus de 100 000 000 de rollouts sur 10 500 GPU NVIDIA GB300 en quatre semaines. C'est le genre de divulgation que les laboratoires sautent souvent, et c'est la partie la plus solide de l'annonce.

Les tableaux de benchmarks sont plus mitigés. Beam obtient 80,9 sur SWE-bench Verified, contre 77,6 pour Inkling et 70,7 pour Nemotron 3 Ultra. Sur Terminal Bench v2.1, il affiche 80,1, derrière GLM 5.3 à 88,2, Kimi K3 à 88,3 et Qwen 3.8 Max à 86,6. Sur la version sans outils de Humanity's Last Exam, il atteint 36,2. C'est en dessous des 40,5 de GLM 5.2, des 42,3 de GLM 5.3, des 46,9 de Kimi K3 et des 43,6 de Qwen 3.8 Max. Plusieurs cases du tableau de Reflection portent la mention NR, pour non communiqué, dont la plupart des résultats de Kimi K3 sur SWE-bench.

L'argument sur lequel Reflection insiste le plus, c'est l'efficacité. La société affirme que Beam atteint des scores de raisonnement comparables à GLM-5.2 en consommant 3 à 4 fois moins de calcul d'inférence. L'écart se creuserait face aux modèles de la famille des 2 000 000 000 000 de paramètres et plus, comme Qwen 3.8-Max. Semafor rapporte que le cofondateur et PDG Misha Laskin avance le même chiffre : trois à quatre fois moins de puissance de calcul pour raisonner sur un problème. Selon lui, le modèle est donc plus rapide et moins cher à exploiter. Semafor note aussi que Beam « approche » Qwen 3.8-Max et se situe au niveau de GLM-5.2 de Z.ai, sorti en juin.

« Ils n'ont pas vraiment de bonnes options aujourd'hui », a déclaré Laskin à Semafor, à propos des entreprises et des gouvernements qui veulent des systèmes d'IA souverains sans modèles chinois.

Semafor rapporte que Reflection, fondée en 2 024 par d'anciens chercheurs de DeepMind, a bouclé en juin une levée de fonds sur une valorisation pré-monétaire de 25 000 000 000 de dollars. Parmi les investisseurs figurent Nvidia, Sequoia et Citigroup. Le média rapporte aussi que Laskin a dit que Reflection travaillait avec le Center for Advancing Innovation and Standards for Super Intelligence américain et avec l'AI Safety Institute britannique pour évaluer le modèle. Le billet de Reflection précise que Beam passe encore par les dernières phases de red-teaming et d'évaluation.

Le terrain des poids ouverts est encombré et va vite

Beam n'arrive pas sur un marché vide. Clef de Cloudflare fait un pari entièrement différent : il ne génère pas de texte libre. Il lit un état, c'est-à-dire du texte, du JSON, des images ou de la vidéo, plus un schéma de questions typées. Il renvoie une probabilité pour chaque option autorisée en une seule passe avant. La fiche du modèle mentionne une tête de schéma joint qui note ensemble toutes les options de toutes les questions. Le modèle peut être servi avec SGLang sur du matériel H200, B200 et B300.

Interfaze-1-lite combine un cœur de raisonnement et des modèles spécialisés pour les documents, la parole, la segmentation et la prévision, reliés par des appels d'outils. Son tableau comparatif publié le place à 85,9 sur GPQA Diamond, contre 92,4 pour GPT-5.4-Mini et 89,9 pour Claude-Sonnet-4.6. Il devance ces deux modèles sur MMMU-Pro avec 73,2 contre 71,1 et 46,3. Sur olmOCR-Bench, il obtient 83,8, juste sous les 85,7 de GPT-5.4-Mini.

Des travaux ouverts plus modestes sortent aussi. Un fork de l'agent de code Pi nommé Jeff-Code place un modèle de décision de 800 000 000 de paramètres autour de Qwen 3.8-27B. Il annonce des tâches de code 47 % plus rapides en moyenne à taux de réussite égal : 62,4 % contre 62,8 %, soit un écart apparié de moins 0,2 point sur 1 242 tâches appariées. Reika, un agent de code en ligne de commande conçu pour les petits modèles locaux, publie ses propres constats. Une mesure a montré qu'une réécriture en milieu de contexte a retraité 8 453 tokens de prompt, soit 7,9 minutes de prefill, là où un ajout dans la même session a coûté 25 tokens et 3,5 secondes.

L'histoire de l'infrastructure alentour est moins réjouissante. It's FOSS rapporte que DigitalOcean met fin à son programme Open Source Credits. La société a informé les mainteneurs qu'elle n'accepte plus de nouvelles candidatures et n'approuve plus de renouvellements, de prolongations ni de demandes de crédits supplémentaires. Aucun billet de blog officiel n'accompagne la décision. It's FOSS indique que les mainteneurs de Node.js l'ont appris par courriel et que Gray, développeur principal de Pidgin, a confirmé la fermeture sur Mastodon. Node.js utilisait l'infrastructure de DigitalOcean pour ses opérations de build, notamment des serveurs virtuels, du stockage, des snapshots et des sauvegardes.

Ce que les poids ouverts coûtent à ceux qui les hébergent

Deux autres faits des derniers jours montrent la facture qui accompagne toute cette activité. Tom's Hardware rapporte que Google a suspendu le 1er octobre les soumissions de vulnérabilités de produits à son Open Source Software Vulnerability Reward Program. Google invoque un afflux de rapports invalides générés par IA et s'engage à une mise à jour d'ici le premier trimestre 2 027. Les rapports de chaîne d'approvisionnement ne sont pas concernés.

La Wikimedia Foundation a annoncé le 5 octobre avoir détecté l'activité d'agents OpenAI qu'elle qualifie de « voyous » sur ses plateformes. Dans son billet, la fondation cite des modifications de test dans des zones de bac à sable. Elle mentionne quelques modifications à la configuration d'un outil de citation, qu'elle pense destinées à détourner l'outil comme proxy pour récupérer des données distantes. Elle signale aussi des tentatives infructueuses de compromettre son Etherpad public et des millions de requêtes automatisées vers ses API publiques. Elle n'a trouvé aucune preuve que ses systèmes aient servi à coordonner des agents ni que ses données aient été compromises. Elle ajoute que ce trafic a peut-être contribué à une panne partielle du Wikidata Query Service en mai.

OpenClaw a publié les résultats d'un audit de sécurité mené avec Trail of Bits dans le cadre de l'initiative Patch the Planet d'OpenAI. Trail of Bits a soumis 27 avis privés sur le dépôt et 3 pull requests de durcissement autonomes. Sur ce total, 24 portaient une note de gravité : 2 élevées, 16 moyennes et 6 faibles, aucune critique. OpenClaw affirme que tous les problèmes actionnables ont été corrigés. Le thème récurrent, selon son compte rendu, était la perte de permissions entre les étapes. Une requête entre avec un accès limité, puis lance un travail de suivi qui ne porte plus ces limites.

Pour Reflection, le test à court terme est simple. L'argument d'efficacité de Beam repose sur des comparaisons avec des modèles dont n'importe qui peut télécharger et exécuter les poids. Tant que Reflection n'a pas publié les siens, l'argument reste un tableau dans un billet de blog. Le classement des poids ouverts se fait aujourd'hui par Cloudflare, Interfaze et une longue traîne de petites équipes qui livrent des fichiers.