Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Reflection pokazuje Beam i rzuca wyzwanie chińskiej wydajności

5 października Reflection AI udostępniło Beam, model z otwartymi wagami o 501 mld parametrów, który ma dorównywać chińskim rywalom w rodzaju GLM-5.2 przy 3-4 razy mniejszym nakładzie obliczeń na wnioskowanie.

AI i modeleAnalizaMarta ZielińskaOpublikowano: 5 października 20266 min czytaniaŹródła 15
Reflection pokazuje Beam i rzuca wyzwanie chińskiej wydajności

Reflection AI pokazało Beam w poniedziałek.

Firma z Brooklynu twierdzi, że jej pierwszy czołowy model z otwartymi wagami dorównuje wiodącym chińskim modelom otwartym na testach zaawansowanego rozumowania. Osiąga to przy znacznie niższych kosztach. Premiera ma zaostrzyć wyścig o zachodnią odpowiedź na DeepSeek, Qwen i Z.ai.

Beam to tekstowy model mieszaniny ekspertów o 501 mld parametrów łącznych i 23 mld parametrów aktywnych. Trenowano go na 23,8 bln tokenów, a okno kontekstu wynosi 1 mln tokenów. Według wpisu na blogu firmy model przeszedł uczenie ze wzmocnieniem o dużym nakładzie obliczeń, żeby dobrze radzić sobie z rozumowaniem, kodowaniem i zadaniami agentowymi. Reflection podaje, że Beam zużywa "3-4x mniej obliczeń na wnioskowanie" niż rywale, osiągając podobne wyniki na testach zaawansowanego rozumowania.

Startup stawia Beam przeciwko zamkniętym laboratoriom w rodzaju Anthropic i OpenAI oraz popularnym modelom otwartym od chińskich deweloperów. Najbardziej bezpośrednim rywalem w USA może być Inkling, otwarty model z Thinking Machines Lab Miry Murati, wydany w lipcu. Własne testy Reflection pokazują, że Beam wyprzedza Inkling w czterech testach kodowania, w których oba modele podają wyniki, choć Inkling jest modelem multimodalnym, a Beam tekstowym. TechCrunch podał, że ogłoszenie potwierdza wcześniejsze doniesienia Axios o zbliżającej się premierze.

Reflection założyli w 2024 roku dwaj byli badacze Google DeepMind. Firma zebrała około 4,7 mld dolarów od inwestorów, w tym Nvidii, Sequoia Capital i Lightspeed Venture Partners. Ostatnia runda wyceniła spółkę na 25 mld dolarów przed pozyskaniem kapitału. Latem startup podpisał umowy warte łącznie ponad 7 mld dolarów z SpaceX i Nebius, żeby zapewnić sobie dostęp do układów Nvidii GB300 do 2029 roku. Beam jest kierowany do przedsiębiorstw i państw suwerennych. Firma proponuje produkt, który pozwoli instytucjom budować własne, dostosowane systemy AI, trenowane na ich własnych danych.

Argument o wydajności

Reflection przekonuje, że wydajność jest teraz głównym wyróżnikiem na rynku. Na testach zaawansowanego rozumowania Beam ma według firmy dorównywać GLM-5.2 od Z.ai. Przy tym osiąga te wyniki przy znacznie niższym zapotrzebowaniu na energię i sprzęt. To bezpośrednie wyzwanie dla trendu, w którym czołówkę zajmują modele większe i droższe. Firma nazywa Beam "modelem roboczym" dla przedsiębiorstw, sektora publicznego i deweloperów, którzy potrzebują wysokiej wydajności bez dodatkowych kosztów.

Możliwości modelu pochodzą z dużych inwestycji w pretrening i uczenie ze wzmocnieniem. Reflection podało, że trening RL o dużym nakładzie obliczeń wygenerował ponad 100 mln przebiegów na 10,5 tys. układów NVIDIA GB300 w ciągu 4 tygodni. Takie podejście, mocno oparte na infrastrukturze, jest typowe dla czołowych modeli, ale nacisk na wydajność wnioskowania to zmiana strategii. Reflection chce obniżyć koszt obliczeń na token, żeby zaawansowane AI stało się dostępne dla organizacji, których nie stać na ogromne rachunki za energię przy obecnych flagowych modelach.

Krajobraz konkurencji

Na rynku modeli z otwartymi wagami robi się coraz tłoczniej. Chińskie laboratoria zdominowały ten segment modelami, które dają wysoką wydajność niskim kosztem. Wejście Reflection dodaje w tym segmencie poważnego gracza z Zachodu. Firma konkuruje nie tylko samymi możliwościami, ale i opłacalnością wdrożenia. Dla przedsiębiorstw, które muszą pilnować budżetu IT przy wdrażaniu AI, to istotna różnica. Wizja "fabryki AI", którą lansuje prezes Nvidii Jensen Huang, a Nvidia jest inwestorem Reflection, pasuje do tego celu. Układy Nvidii napędzałyby takie systemy, tworząc układ korzyści dla dostawcy modelu i producenta sprzętu.

Jak podał BleepingComputer, OpenAI też rozszerza sposoby zarabiania i planuje pokazywać reklamy graficzne w ChatGPT, gdy użytkownicy generują obrazy. To szerszy trend szukania nowych źródeł przychodu poza subskrypcjami. OpenAI celuje w reklamy dla konsumentów, Reflection w infrastrukturę dla firm. Oba podejścia pokazują presję finansową, pod którą firmy AI muszą utrzymać działalność. Trening i obsługa dużych modeli kosztują ogromne pieniądze, a znalezienie wydajnych sposobów na przychód jest priorytetem dla wszystkich głównych graczy.

Szczegóły techniczne i testy

Dokumentacja techniczna firmy opisuje wyniki Beama w testach kodowania, zadań agentowych, rozumowania i STEM. W teście SWE Bench Pro v2-Hard Beam zdobywa 77,2 punktu, Inkling 56,9, a GLM 5.3 84,3. W teście rozumowania AIME 2026 Beam osiąga 97,8. Liczby te sugerują, że Beam jest konkurencyjny wobec części najlepszych modeli w tej dziedzinie. Firma przyznaje jednak, że czołowe modele otwarte, jak Kimi K3, wciąż mają przewagę w samych możliwościach. Zaletą Beama jest wydajność wnioskowania, która przy dużych wdrożeniach może rozstrzygać.

Model przechodzi ostatnie testy bezpieczeństwa i ewaluacje przed pełnym wydaniem wag, raportu technicznego i karty modelu. Wczesny dostęp jest otwarty na zapisy. Takie etapowanie pozwala firmie zebrać opinie i usunąć ewentualne problemy przed publiczną premierą. Nacisk na kodowanie i zadania agentowe wskazuje, że Reflection widzi w nich najcenniejsze zastosowania modelu. Koncentrując się na tych przypadkach, firma może pokazać w praktyce, ile warte są jej deklaracje o wydajności.

Skutki dla rynku

Premiera Beama ma szersze znaczenie dla rynku AI. Pokazuje, że zachodnie firmy chcą konkurować kosztem i wydajnością, nie tylko samą mocą. To może prowadzić do bardziej zróżnicowanego ekosystemu modeli, w którym różni gracze obsługują różne potrzeby i budżety. Przedsiębiorstwom łatwiej będzie wdrażać AI, jeśli będą mogły wybierać spośród szerszego zestawu opcji łączących wydajność i koszt. Otwarte wagi Beama oznaczają też, że deweloperzy mogą zajrzeć do modelu i go modyfikować, co zwiększa zaufanie i ułatwia dostosowanie. To wyraźna przewaga nad modelami zamkniętymi, często postrzeganymi jako czarne skrzynki.

W miarę rozwoju branży AI nacisk na wydajność i opłacalność prawdopodobnie jeszcze wzrośnie. Koszty energii przy treningu i obsłudze dużych modeli to poważny problem dla firm i dla środowiska. Rozwijając oszczędniejsze modele, firmy takie jak Reflection mogą przyczynić się do bardziej zrównoważonego rozwoju AI. Premiera Beama jest krokiem w tym kierunku i może zachęcić innych do pójścia tą drogą. Najbliższe miesiące pokażą, jak dalej przesuwać się będzie układ sił.

Beam to ruch strategiczny w wyścigu AI, łączący wysoką wydajność z niskim kosztem. Celując w przedsiębiorstwa i państwa suwerenne, firma chce mocno wejść w sektor infrastruktury. Wsparcie inwestorów takich jak Nvidia i Sequoia Capital świadczy o wierze w potencjał modelu. Wraz z dojrzewaniem branży zdolność do dostarczania wartości za pieniądze będzie głównym wyróżnikiem. Beam ma szansę odegrać znaczą rolę na tym rynku i stanowić realną alternatywę dla modeli zamkniętych oraz innych modeli z otwartymi wagami.

Komentarze 0

Źródła

15
  1. 01Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute costEN
  2. 02Beam: Reflection's 501B open-weight modelEN
  3. 03OpenAI will show visual ads in ChatGPT while you generate imagesEN
  4. 04Sales of sub-€25,000 electric car models set to rise sevenfoldEN
  5. 05Mold Linker Version 3.0.0 Release – Rewritten in RustEN
  6. 06WSL containers is now generally availableEN
  7. 07Topological Models of Modal LogicEN
  8. 08I built a Chrome extension that brings TikTok-style video browsing to desktopEN
  9. 09Jeff-Code: a 0.8B model makes Qwen 3.8-27B coding 47% faster, same pass rateEN
  10. 10Reika – A coding agent CLI designed around small local models firstEN
  11. 11Expat 2.9.0 released, fixes two vulnerabilitiesEN
  12. 12d1: The most capable decision model, now with visionEN
  13. 13Interfaze-1-lite: the first open-weight model for deterministic taskEN
  14. 14NASA-IBM Lunar Foundation Model and fine-tuning codeEN
  15. 15Mollie strengthens Pay by Bank to power the next generation of European paymentsEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.