Beam di Reflection entra nella corsa ai modelli open-weight, ma il dossier non contiene alcun rilascio di modelli video

L'ultimo rilascio nel dossier non è un generatore video. Il post sul blog di Reflection, datato 5 ottobre, descrive Beam come il suo primo modello open-weight: un'architettura Mixture-of-Experts sparsa con 501.000.000.000 di parametri totali e 23.000.000.000 attivi, addestrata per programmazione, ragionamento e carichi di lavoro agentici.

I pesi non sono ancora disponibili. Reflection afferma che Beam è ancora in fase di red-teaming e valutazione finali, e che i pesi, il rapporto tecnico, la model card e gli artefatti per gli sviluppatori arriveranno più avanti nel mese di ottobre. Questo vuoto conta per chi cerca un lancio di generazione video AI questa settimana. Il dossier non contiene alcun annuncio datato di un nuovo modello text-to-video o image-to-video negli ultimi tre giorni. Le voci sulla generazione video che contiene sono più vecchie: un articolo su arXiv sul rilevamento ottico dei deepfake inviato a maggio, una voce su Kuaishou del 29 settembre presente solo nella lista dei titoli, e una serie di post di prodotto senza data o fuori finestra. Nessuna di queste è un rilascio recente.

Quello che il dossier contiene è un gruppo di lanci di modelli e strumenti per agenti datati 5 ottobre. La maggior parte è piccola, economica e specializzata. Liquid AI ha presentato d1, un modello decisionale che gestisce testo e immagini e restituisce probabilità invece di generare token. Interfaze ha pubblicato un modello open-weight costruito da un nucleo di ragionamento più componenti specialistici. E GitHub si è riempito di agenti di programmazione che si affiancano a un modello esistente invece di sostituirlo.

Modelli decisionali, non modelli video

Il d1 di Liquid AI è l'esempio più chiaro della tendenza. L'azienda afferma che una decisione su testo richiede da 200 a 300 ms, perché il modello legge l'input in un solo passaggio in avanti e restituisce probabilità senza generare token. Ha testato d1 contro GPT-6.1 Sol e Claude Opus 5.5 su sei applicazioni, dal filtraggio dei ticket di assistenza all'ispezione di schede a circuito, e afferma che d1 eguaglia o supera GPT-6.1 Sol su quattro di esse costando da 19 a 200 volte meno.

Questi sono i numeri di Liquid, pubblicati nel suo post di lancio. L'affermazione sulla visione è quella interessante. Liquid sostiene che d1 non è mai stato addestrato per l'ispezione industriale, eppure ha smistato pezzi buoni e difettosi con un'accuratezza dall'85 al 97% sul dataset pubblico VisA, tra schede a circuito, candele, anacardi e gomme da masticare. Riporta anche che l'aggiunta di uno schermo ha portato il suo punteggio a Tetris da 70 a 81 linee completate, e che ha risolto 12 partite di Wordle su 12 in 3,8 tentativi in media. Nel dossier non c'è una verifica indipendente, quindi i dati vanno considerati come dichiarati dal fornitore.

Il rilascio di Interfaze segue una strada diversa per arrivare allo stesso argomento sul costo. Secondo la sua pagina del modello, Interfaze 1.1 Lite è un misto di architetture: un nucleo di ragionamento visione-linguaggio che pianifica e compone le risposte, più specialisti per lettura di documenti, geometria delle linee, layout, parlato, diarizzazione degli speaker, segmentazione, previsione di serie temporali e classificazione di sicurezza. L'intero sistema gira su una singola GPU da 80 GB senza servizi esterni, secondo l'azienda.

La sua tabella di benchmark colloca il modello a 85,9 su GPQA Diamond, 87,8 su MMMLU, 73,2 su MMMU-Pro e 83,8 su olmOCR-Bench, contro 92,4, 90,9, 71,1 e 85,7 del valore di confronto fornito da Interfaze stessa per GPT-5.4-Mini. Interfaze elenca anche una registrazione di 95 minuti trascritta in circa 90 secondi, e un output strutturato vincolato a uno schema JSON fornito. Anche questi sono numeri dell'editore.

Agenti che aggirano il modello grande

I rilasci di agenti di programmazione del 5 ottobre riguardano il modo di spremere di più da modelli che già esistono. Jeff-Code, un fork dell'agente Pi di Mario Zechner, inserisce un modello decisionale da 800.000.000 di parametri chiamato Jeff nel ciclo attorno a Qwen 3.8-27B. Jeff fa due chiamate da circa 0,2 secondi ciascuna: se può fare il passo successivo da solo, e se Qwen deve ragionare a fondo in questo turno. Scrivere e modificare i file resta a Qwen.

La valutazione del repository riporta un tasso di successo del 62,4% per Jeff-Code contro il 62,8% di Qwen da solo, una differenza appaiata di meno 0,2 punti con un intervallo al 95% da meno 2,6 a più 2,1 su 1.242 attività appaiate. Il tempo per attività è stato in media 0,68x, con una mediana di 0,70x. Il tempo totale su tutte le attività è calato meno, a 0,86x, perché in circa il 5% delle attività Jeff-Code impiega più di 30 minuti in più rispetto a Qwen da solo. L'autore riporta anche che disattivare il ragionamento a ogni turno è ancora più veloce ma costa 7,6 punti.

Reika punta sulla scommessa opposta: una CLI per agenti di programmazione progettata prima di tutto per modelli locali piccoli, nella fascia da 8.000.000.000 a 35.000.000.000 di parametri, spesso con quantizzazione da Q2 a Q4 su una finestra di contesto da 16 a 32.000 token. I risultati pubblicati sono insolitamente schietti. Una riscrittura a metà contesto ha rielaborato 8.453 token di prompt, che l'autore misura in 7,9 minuti di prefill, mentre un'aggiunta nella stessa sessione è costata 25 token e 3,5 secondi. Lo strumento è pre-1.0 e il suo autore avverte che comandi e comportamento possono cambiare tra un rilascio e l'altro.

La gestione del contesto dell'harness è costata più del modello stesso.

Nessuno dei due progetti è il rilascio di un modello di frontiera, e nessuno dei due lo sostiene. Sono la prova di dove sta andando gran parte dello sforzo ingegneristico: non verso generatori più grandi, ma verso instradamenti più economici, livelli decisionali più piccoli e una gestione del contesto più stretta attorno a modelli che già funzionano.

Infrastruttura e materiale più vecchio

Altri due elementi del 5 ottobre completano il quadro. Il Windows Developer Blog di Microsoft, in un post datato 29 settembre e emerso nel dossier il 5 ottobre, afferma che i container WSL sono ora generalmente disponibili, con una CLI wslc.exe, un'API per container per app Windows native, e la copertura di Intune e Defender for Endpoint estesa ai flussi di lavoro con container. Separatamente, il linker mold ha rilasciato la versione 3.0.0 il 5 ottobre, riscritto da C++ a Rust, e il progetto afferma di aver verificato la compatibilità compilando tutti i pacchetti Gentoo e di non aver trovato regressioni.

Il materiale sulla generazione video nel dossier è scarso e per lo più vecchio. Un articolo su arXiv di Parnian Ghapandar Kashani, Shiqi Chen e Aydogan Ozcan, inviato il 19 maggio e pubblicato su eLight, descrive un rilevatore ibrido ottico-digitale di deepfake che ha elaborato 15 o più flussi video in un singolo passaggio ottico, raggiungendo un'accuratezza media del 97,79% su Celeb-DF. Si tratta di rilevamento, non di generazione. Il blocco delle notizie recenti menziona il nuovo modello presentato il 29 settembre dallo spin-off Kling di Kuaishou, ma il dossier fornisce solo un titolo, senza cifre né dichiarazioni dell'azienda su cui lavorare.

Beam di Reflection è l'annuncio di modello più grande del dossier, e la sua tabella di benchmark è la più dettagliata. Su SWE Bench Pro v2-Hard elenca 77,2 contro 84,3 di GLM 5.3 e 88,2 di Kimi K3. Su Terminal Bench v2.1 elenca 80,1 contro 88,2 e 88,3. Su AIME 2026 elenca 97,8, appena sotto GLM 5.2 a 99,2. Reflection afferma che Beam è competitivo con modelli open più grandi e si avvicina a Qwen 3.8-Max su programmazione e attività agentiche, mentre il suo vantaggio è l'efficienza di inferenza, con punteggi di ragionamento dichiarati comparabili a GLM-5.2 con 3 o 4 volte meno calcolo di inferenza.

I numeri dell'addestramento sono precisi: 23.800.000.000.000 di token di dati di pre-addestramento, e un ciclo di reinforcement learning che ha generato oltre 100.000.000 di rollout su 10.500 GPU NVIDIA GB300 in quattro settimane. Reflection afferma che i pesi arriveranno questo mese. Fino a quel momento, ogni cifra di Beam è una dichiarazione dell'azienda che l'ha costruito, e lo stesso vale per d1, Interfaze e i benchmark degli agenti citati sopra.

Per i lettori che cercano un rilascio di generazione video questa settimana, la risposta onesta è che il dossier non ne contiene uno. Le voci datate più vicine sono più vecchie o solo titoli. Le notizie più fresche e meglio documentate del 5 ottobre riguardano modelli che decidono, instradano e trascrivono, non modelli che rendono il movimento.