Reflection AI lancia Beam, un modello open-weight da 501 miliardi di parametri contro i rivali cinesi

La startup di Brooklyn Reflection AI ha pubblicato Beam lunedì 5 ottobre.

TechCrunch riferisce che Reflection ha confermato un'indiscrezione di Axios su un lancio imminente. L'azienda ha descritto l'architettura del modello in un post sul blog e ha presentato Beam come un modello text-only di tipo mixture-of-experts (MoE). Ha 501 miliardi di parametri totali, ma solo 23 miliardi si attivano durante l'inferenza. Il modello è stato preaddestrato su 23,8 trilioni di token e supporta una finestra di contesto di un milione di token. Per confronto, GLM-5.2 di Z.ai arriva a circa 744 miliardi di parametri totali con 40 miliardi attivi. Beam è quindi molto più piccolo se si guarda ai parametri attivi.

Reflection afferma che Beam ottiene punteggi in linea con GLM-5.2 di Z.ai nei benchmark di ragionamento avanzato.

La startup definisce Beam un "modello da lavoro" pensato per aziende, settore pubblico e sviluppatori che hanno bisogno di elaborare grandi volumi senza i costi elevati delle API closed-source.

Le basi tecniche di Beam poggiano su un massiccio reinforcement learning (RL) ad alto impiego di calcolo. Nel post sul blog Reflection scrive che la fase di RL ha prodotto oltre 100 milioni di rollout. L'addestramento si è svolto su 10.500 GPU NVIDIA GB300 per quattro settimane. Secondo l'azienda, questo investimento nell'infrastruttura di RL permette a Beam di competere con modelli più grandi come Qwen 3.8-Max su coding e attività agentiche, nonostante il numero inferiore di parametri.

Beam è attualmente in fase di red-teaming e valutazione finali.

L'uscita arriva mentre il divario tra le capacità di Stati Uniti e Cina nell'IA si stringe. Domenica 4 ottobre Bloomberg Intelligence ha riferito che il vantaggio americano sulla Cina si è ridotto e che i progressi di DeepSeek hanno portato il divario di prestazioni a appena il 3 per cento. In questo quadro la dichiarazione di Reflection sulla parità con GLM-5.2 di Z.ai assume un peso particolare. Se fosse vera, Beam metterebbe in discussione l'idea che solo i modelli cinesi più grandi possano offrire ragionamento di frontiera a prezzi competitivi.

Reflection posiziona Beam contro i laboratori chiusi come Anthropic e OpenAI, ma anche contro i modelli aperti di player occidentali come Mistral e Meta. Il rivale americano più diretto sembra essere Inkling, il modello aperto di Thinking Machines Lab, l'azienda di Mira Murati, uscito a luglio. Secondo i benchmark interni di Reflection, Beam supera Inkling in quattro test di coding su cui entrambi pubblicano risultati. Resta però una differenza importante: Inkling è multimodale, Beam è solo testuale. Questo limite può ridurre l'utilità di Beam nelle applicazioni che richiedono elaborazione di immagini o video, ormai una funzione standard nelle distribuzioni di frontiera.

I confronti sui benchmark nel settore dell'IA sono spesso contestati.

La classifica Veris AIsolutions, pubblicata il 5 ottobre, offre una lettura diversa delle prestazioni in specifici segmenti verticali. Nel loro VAmoS Pro Bench per gli agenti vocali, Grok Voice è in testa con un tasso di completamento delle attività del 44,7 per cento, mentre gli altri modelli restano indietro. Il benchmark si concentra sulle interazioni vocali, non sul ragionamento generale o sul coding, e mostra quanto siano frammentati gli indicatori di prestazione. Un modello forte nel ragionamento testuale può non primeggiare nei flussi agentici o vocali, il che rende complicato il confronto diretto tra uscite come Beam e i leader di mercato già affermati.

Il nuovo ReviewBench di GitHub, anch'esso pubblicato il 5 ottobre, offre un'altra prospettiva sulle capacità di revisione del codice. Il benchmark ha analizzato oltre 100 milioni di pull request reali per modellare la distribuzione dei carichi di lavoro nella code review. Comprende 219 pull request pubbliche in 19 linguaggi. GitHub dichiara che la propria valutazione offline della code review di Copilot è diventata più efficace nel prevedere le direzioni degli esperimenti in produzione grazie a questo nuovo strumento. Reflection sostiene che Beam sia forte nel coding, ma senza verifiche indipendenti su benchmark standardizzati e pubblici come ReviewBench il quadro completo delle sue capacità di programmazione resta incerto.

Reflection è stata fondata nel 2024 da due ex ricercatori di Google DeepMind.

Secondo i dati di PitchBook citati da TechCrunch, la startup ha raccolto circa 4,7 miliardi di dollari da investitori tra cui Nvidia, Sequoia Capital e Lightspeed Venture Partners. L'ultimo round ha attribuito all'azienda una valutazione pre-money di 25 miliardi di dollari. Questo capitale è essenziale per assicurarsi le risorse di calcolo necessarie ad addestrare modelli di frontiera. Nel settore c'è consenso sul fatto che l'accesso al calcolo sia un ingrediente chiave per strappare clienti ai modelli chiusi e alle alternative open-weight più economiche dei laboratori cinesi.

Questa estate Reflection ha firmato accordi per oltre 7 miliardi di dollari con SpaceX e Nebius. Gli accordi garantiscono l'accesso ai chip GB300 di Nvidia fino al 2029. La dipendenza dall'hardware Nvidia è un'arma a doppio taglio: assicura prestazioni di primo livello, ma lega strettamente la roadmap dell'azienda al suo maggiore investitore. Il CEO di Nvidia Jensen Huang sostiene da tempo l'idea della "fabbrica di IA", una visione che conviene a Nvidia perché sono le sue GPU ad alimentare questi sistemi. Reflection punta a vendere "fabbriche di IA" ad aziende e stati sovrani, permettendo alle istituzioni di costruire sistemi di IA locali e personalizzati addestrando i modelli di Reflection sui propri dati.

Axios riferisce che tra i soggetti interessati a costruire questi sistemi ci sono anche hedge fund e società di trading.

Il modello della "fabbrica di IA" propone un valore diverso rispetto ai normali servizi API. Permettendo l'addestramento locale su dati privati, Reflection risponde alle esigenze di sovranità dei dati care alle istituzioni finanziarie e alle agenzie governative. Questa scelta strategica suggerisce che l'obiettivo di lungo periodo di Reflection non sia solo pubblicare modelli competitivi, ma costruire uno strato infrastrutturale per il deployment privato dell'IA.

L'uscita di Beam coincide con altri sviluppi rilevanti nell'ecosistema dell'IA. Il 5 ottobre Liquid AI ha presentato d1, un modello decisionale che gestisce testo e immagini. Liquid AI sostiene che d1 eguagli o superi GPT-6.1 Sol in quattro delle sei applicazioni reali considerate, costando da 19 a 200 volte meno. Questa strategia di prezzo aggressiva da parte di player più piccoli mostra la pressione sui modelli di frontiera perché giustifichino i costi di calcolo. Nello stesso giorno GitHub ha pubblicato ReviewBench, segno di una spinta verso metodi di valutazione più rigorosi e standardizzati.

L'ingresso di Reflection sul mercato aggiunge complessità al settore. L'azienda deve dimostrare che le sue promesse di efficienza si traducono in risparmi reali per le imprese. Se Beam manterrà quanto promette, cioè prestazioni di frontiera a una frazione del costo, potrebbe sconvolgere i modelli di prezzo dei concorrenti chiusi e aperti. Senza verifiche indipendenti, però, il settore resta scettico. Le prossime settimane saranno decisive, con il rilascio dei pesi e i benchmark di terze parti. Per ora Reflection ha alzato l'asticella per il settore open-weight occidentale, sfidando i leader cinesi e aprendo una nuova fase nella corsa globale all'IA.