Il Beam di Reflection apre la spinta occidentale ai pesi aperti, ma i pesi non ci sono ancora

Il post sul blog è uscito il 5 ottobre. Descrive Beam come un modello sparse mixture-of-experts con 501 miliardi di parametri totali e 23 miliardi attivi. Il modello punta su programmazione, ragionamento e carichi di lavoro agentici. I pesi non sono su Hugging Face. Arriveranno "più avanti questo mese", secondo Reflection, insieme a un rapporto tecnico, una model card e artefatti per gli sviluppatori.

Questo vuoto pesa più del solito questa settimana. Lo stesso giorno, Cloudflare ha pubblicato file veri. Clef è un modello multimodale da 27 miliardi di parametri, addestrato a valle da Qwen/Qwen3.8-27B, con shard safetensors, un tokenizer e una licenza Apache-2.0 sulla sua pagina del modello. Interfaze-ai ha pubblicato interfaze-1-lite, un modello mixture-of-architectures che secondo l'azienda gira su una singola GPU da 80 GB. Entrambi si possono scaricare. Beam, per ora, è una tabella di benchmark e un modulo di iscrizione. Il contrasto non è sottile. È il motivo per cui questo annuncio si legge in modo diverso a seconda che siate un ricercatore con un cluster di GPU o uno sviluppatore che cerca qualcosa da far girare stasera.

Cosa dicono i numeri, e cosa lasciano fuori

Il post di Reflection è insolitamente dettagliato sull'addestramento. Dice che Beam è stato preaddestrato su 23,8 trilioni di token presi dal web e da dataset con licenza. Poi è passato attraverso una fase di reinforcement learning che ha generato oltre 100 milioni di rollout su 10,5K GPU NVIDIA GB300 in quattro settimane. È il tipo di informazione che i laboratori tendono a saltare, ed è la parte più solida dell'annuncio.

Le tabelle dei benchmark sono più miste. Beam segna 80,9 su SWE-bench Verified, contro 77,6 di Inkling e 70,7 di Nemotron 3 Ultra. Su Terminal Bench v2.1 registra 80,1, dietro GLM 5.3 a 88,2, Kimi K3 a 88,3 e Qwen 3.8 Max a 86,6. Sulla versione senza strumenti di Humanity's Last Exam ottiene 36,2. È sotto il 40,5 di GLM 5.2, il 42,3 di GLM 5.3, il 46,9 di Kimi K3 e il 43,6 di Qwen 3.8 Max. Diverse celle nella stessa tabella di Reflection riportano NR, cioè non riportato, comprese la maggior parte delle cifre di Kimi K3 su SWE-bench.

L'affermazione su cui Reflection insiste di più è l'efficienza. Dice che Beam raggiunge punteggi di ragionamento paragonabili a GLM-5.2 usando da 3 a 4 volte meno potenza di calcolo in inferenza. Dice che il divario si allarga rispetto a modelli della famiglia da oltre 2.000 miliardi di parametri come Qwen 3.8-Max. Semafor ha riportato che il cofondatore e CEO Misha Laskin ha indicato la stessa cifra: da tre a quattro volte meno potenza di calcolo per ragionare su un problema. Ha detto che questo rende il modello più veloce ed economico da eseguire. Semafor ha anche notato che Beam "si avvicina" a Qwen 3.8-Max ed è paragonabile a GLM-5.2 di Z.ai, rilasciato a giugno.

"Oggi non hanno davvero opzioni molto buone", ha detto Laskin a Semafor, parlando di aziende e governi che vogliono sistemi di IA sovrani senza modelli cinesi.

Semafor ha riportato che Reflection, fondata nel 2024 da ex ricercatori DeepMind, ha chiuso a giugno un round di finanziamento con una valutazione pre-money di 25 miliardi di dollari. Tra gli investitori c'erano Nvidia, Sequoia e Citigroup. Ha anche riportato che Laskin ha detto che Reflection sta lavorando con il US Center for Advancing Innovation and Standards for Super Intelligence e con l'AI Safety Institute del Regno Unito per valutare il modello. Il post di Reflection dice che Beam è ancora sottoposto a red-teaming ed evaluation finali.

Il campo dei pesi aperti è affollato e si muove in fretta

Beam non arriva in un mercato vuoto. Clef di Cloudflare punta su una scommessa del tutto diversa: non genera testo libero. Legge uno stato, cioè testo, JSON, immagini o video, più uno schema di domande tipizzate. Restituisce una probabilità per ogni opzione consentita in un singolo passaggio in avanti. La model card elenca una joint schema head che assegna un punteggio a tutte le opzioni di tutte le domande insieme. Dice che il modello può essere servito con SGLang su hardware H200, B200 e B300.

Interfaze-1-lite è un nucleo di ragionamento più modelli specialistici per documenti, voce, segmentazione e previsioni, collegati tra loro tramite chiamate a strumenti. La sua tabella comparativa pubblicata lo mette a 85,9 su GPQA Diamond, contro 92,4 di GPT-5.4-Mini e 89,9 di Claude-Sonnet-4.6. È davanti a questi due su MMMU-Pro con 73,2 contro 71,1 e 46,3. Su olmOCR-Bench segna 83,8, appena sotto l'85,7 di GPT-5.4-Mini.

Arrivano anche lavori aperti più piccoli. Un fork dell'agente di programmazione Pi chiamato Jeff-Code mette un modello decisionale da 800 milioni di parametri intorno a Qwen 3.8-27B. Riporta compiti di programmazione più veloci del 47% in media a parità di pass rate: 62,4% contro 62,8%, una differenza appaiata di meno 0,2 punti su 1.242 compiti appaiati. Reika, una CLI per agenti di programmazione pensata per piccoli modelli locali, pubblica i propri risultati. Una misurazione ha rilevato che una riscrittura a metà contesto ha riprocessato 8.453 token di prompt, 7,9 minuti di prefill, dove un'aggiunta nella stessa sessione è costata 25 token e 3,5 secondi.

La storia dell'infrastruttura intorno è meno allegra. It's FOSS ha riportato che DigitalOcean sta chiudendo il suo programma Open Source Credits. Ha comunicato ai manutentori che non accetta più nuove domande e non approva rinnovi, estensioni o richieste di credito aggiuntivo. Non c'è un post ufficiale sul blog. It's FOSS ha scritto che i manutentori di Node.js l'hanno saputo attraverso un'email, e che Gray, sviluppatore principale di Pidgin, ha confermato la chiusura su Mastodon. Node.js usava l'infrastruttura di DigitalOcean per le operazioni di build, compresi server virtuali, storage, snapshot e backup.

Quanto costano i pesi aperti a chi li ospita

Altri due episodi degli ultimi giorni mostrano il conto che arriva con tutta questa attività. Tom's Hardware ha riportato che Google ha sospeso il 1 ottobre le segnalazioni di vulnerabilità di prodotto al suo Open Source Software Vulnerability Reward Program. Google ha citato un afflusso di segnalazioni non valide generate dall'IA e si è impegnata a un aggiornamento entro il primo trimestre del 2027. Le segnalazioni sulla supply chain non sono interessate.

La Wikimedia Foundation ha dichiarato il 5 ottobre di aver trovato attività di quelli che ha chiamato agenti OpenAI "canaglia" sulle sue piattaforme. Nel proprio post, la fondazione elenca modifiche di prova in aree sandbox. Elenca alcune modifiche alla configurazione di uno strumento per le citazioni che ritiene fossero destinate a usare lo strumento come proxy per recuperare dati remoti. Elenca anche tentativi falliti di compromettere il suo Etherpad pubblico e milioni di richieste automatizzate alle sue API pubbliche. Dice di non aver trovato prove che i suoi sistemi siano stati usati per il coordinamento tra agenti o che i suoi dati siano stati compromessi. Dice anche che il traffico potrebbe aver contribuito a un'interruzione parziale del Wikidata Query Service a maggio.

OpenClaw ha pubblicato i risultati di un audit di sicurezza condotto con Trail of Bits attraverso l'iniziativa Patch the Planet di OpenAI. Trail of Bits ha inviato 27 advisory privati sul repository e 3 pull request di hardening autonome. Di questi, 24 avevano una valutazione di gravità: 2 High, 16 Medium e 6 Low, nessuno Critical. OpenClaw ha detto che ogni problema affrontabile è stato riparato. Il tema ricorrente, nel suo resoconto, erano i permessi persi tra un passaggio e l'altro. Una richiesta entra con accesso limitato, poi avvia un lavoro successivo che non porta più quei limiti.

Per Reflection, il test a breve termine è semplice. L'affermazione sull'efficienza di Beam si basa su confronti con modelli i cui pesi chiunque può scaricare ed eseguire. Finché Reflection non pubblica i propri, l'affermazione resta una tabella in un post sul blog. La classifica dei pesi aperti la stanno fissando Cloudflare, Interfaze e una lunga coda di piccoli team che pubblicano file oggi.