Beam od Reflection otwiera zachodni wyścig open-weight, ale wag wciąż nie ma

Wpis na blogu ukazał się 5 października. Beam jest tam opisany jako rzadki model typu mixture-of-experts: 501 miliardów parametrów łącznie i 23 miliardy aktywnych, przeznaczony do kodowania, rozumowania i zadań agentowych. Wag nie ma na Hugging Face. Mają się pojawić, według Reflection, "w tym miesiącu", razem z raportem technicznym, kartą modelu i materiałami dla deweloperów.

Ta luka ma w tym tygodniu większe znaczenie niż zwykle. Tego samego dnia Cloudflare opublikował konkretne pliki: Clef, model multimodalny z 27 miliardami parametrów dotrenowany z Qwen/Qwen3.8-27B, z shardami safetensors, tokenizerem i licencją Apache-2.0 na stronie modelu. Interfaze-ai opublikował interfaze-1-lite, model o mieszanej architekturze, który według firmy działa na jednej karcie 80 GB. Oba można pobrać. Beam na razie jest tabelą wyników i formularzem zapisu. Kontrast nie jest subtelny i właśnie dlatego ten komunikat czyta się inaczej w zależności od tego, czy jesteś badaczem z klastrem GPU, czy deweloperem szukającym czegoś do uruchomienia jeszcze dziś wieczorem.

Co mówią liczby, a co pomijają

Wpis Reflection jest nietypowo szczegółowy, jeśli chodzi o trening. Firma podaje, że Beam przeszedł wstępny trening na 23,8 biliona tokenów z sieci i z licencjonowanych zbiorów danych, a potem przez przebieg uczenia ze wzmocnieniem, który wygenerował ponad 100 milionów rolloutów na 10,5 tys. GPU NVIDIA GB300 w ciągu czterech tygodni. Laboratoria zwykle takie dane pomijają, więc to najmocniejsza część zapowiedzi.

Tabele benchmarków są bardziej mieszane. Beam zdobywa 80,9 na SWE-bench Verified, przy 77,6 dla Inklinga i 70,7 dla Nemotron 3 Ultra. Na Terminal Bench v2.1 ma 80,1, za GLM 5.3 z 88,2, Kimi K3 z 88,3 i Qwen 3.8 Max z 86,6. W wersji Humanity's Last Exam bez narzędzi dostaje 36,2, poniżej GLM 5.2 z 40,5, GLM 5.3 z 42,3, Kimi K3 z 46,9 i Qwen 3.8 Max z 43,6. W kilku komórkach własnej tabeli Reflection widnieje NR, czyli not reported, brak danych. Dotyczy to między innymi większości wyników Kimi K3 na SWE-bench.

Najmocniej Reflection podkreśla wydajność. Twierdzi, że Beam osiąga wyniki w rozumowaniu porównywalne z GLM-5.2, zużywając 3 do 4 razy mniej mocy obliczeniowej na wnioskowanie, a przy modelach z rodziny powyżej 2 bilionów parametrów, takich jak Qwen 3.8-Max, różnica ma być jeszcze większa. Semafor podał, że współzałożyciel i prezes Misha Laskin mówił o trzech do czterech razy mniejszej mocy obliczeniowej potrzebnej do przejścia przez problem, co według niego czyni model szybszym i tańszym w użyciu. Semafor zauważył też, że Beam "zbliża się" do Qwen 3.8-Max i jest porównywalny z GLM-5.2 firmy Z.ai, wydanym w czerwcu.

"Oni naprawdę nie mają dziś zbyt dobrych opcji" - powiedział Laskin Semaforowi, mówiąc o firmach i rządach, które chcą suwerennych systemów AI bez chińskich modeli.

Semafor podał, że Reflection, założone w 2024 roku przez byłych badaczy DeepMind, zamknęło w czerwcu rundę finansowania z wyceną pre-money na 25 miliardów dolarów, a wśród inwestorów znaleźli się Nvidia, Sequoia i Citigroup. Podał też, że Laskin powiedział, iż Reflection pracuje z amerykańskim Center for Advancing Innovation and Standards for Super Intelligence oraz brytyjskim AI Safety Institute nad oceną modelu. Wpis Reflection mówi, że Beam wciąż przechodzi końcowe testy red teaming i ewaluacje.

Pole open-weight jest zatłoczone i szybko się zmienia

Beam nie wchodzi na pusty rynek. Clef od Cloudflare stawia na coś zupełnie innego: nie generuje swobodnego tekstu. Czyta stan, czyli tekst, JSON, obrazy lub wideo, oraz schemat pytań z typami, i zwraca prawdopodobieństwo dla każdej dozwolonej opcji w jednym przebiegu w przód. Karta modelu wymienia wspólną głowicę schematu, która ocenia wszystkie opcje wszystkich pytań razem, i podaje, że model można serwować przez SGLang na sprzęcie H200, B200 i B300.

Interfaze-1-lite to rdzeń rozumujący plus wyspecjalizowane modele do dokumentów, mowy, segmentacji i prognozowania, połączone wywołaniami narzędzi. Opublikowana tabela porównawcza daje mu 85,9 na GPQA Diamond, przy 92,4 dla GPT-5.4-Mini i 89,9 dla Claude-Sonnet-4.6, ale wyprzedza oba modele na MMMU-Pro z wynikiem 73,2 wobec 71,1 i 46,3. Na olmOCR-Bench ma 83,8, tuż poniżej 85,7 GPT-5.4-Mini.

Mniejsze otwarte prace też się pojawiają. Fork agenta kodującego Pi o nazwie Jeff-Code dokłada model decyzyjny z 0,8 miliarda parametrów do Qwen 3.8-27B i podaje, że zadania kodowania są średnio o 47% szybsze przy tym samym wskaźniku zaliczeń: 62,4% wobec 62,8%, czyli różnica minus 0,2 punktu w 1 242 sparowanych zadaniach. Reika, narzędzie CLI do kodowania zbudowane dla małych modeli lokalnych, publikuje własne obserwacje, w tym pomiar, w którym przepisanie w środku kontekstu przetworzyło ponownie 8 453 tokeny promptu i 7,9 minuty prefillu, podczas gdy dopisanie w tej samej sesji kosztowało 25 tokenów i 3,5 sekundy.

Otaczająca historia infrastruktury jest mniej wesoła. It's FOSS podał, że DigitalOcean kończy program Open Source Credits i informuje opiekunów projektów, że nie przyjmuje nowych zgłoszeń ani nie zatwierdza odnowień, przedłużeń i dodatkowych wniosków o kredyty. Nie ma o tym oficjalnego wpisu na blogu. It's FOSS napisał, że opiekunowie Node.js dowiedzieli się z e-maila, a Gray, główny deweloper Pidgina, potwierdził zamknięcie programu na Mastodonie. Node.js korzystał z infrastruktury DigitalOcean do operacji budowania, w tym serwerów wirtualnych, pamięci masowej, snapshotów i kopii zapasowych.

Ile otwarte wagi kosztują tych, którzy je hostują

Dwie inne sprawy z ostatnich dni pokazują rachunek, jaki idzie za całą tą aktywnością. Tom's Hardware podał, że Google zawiesiło 1 października przyjmowanie zgłoszeń podatności produktów w swoim Open Source Software Vulnerability Reward Program, wskazując na napływ nieprawidłowych zgłoszeń generowanych przez AI, i zobowiązało się do aktualizacji do pierwszego kwartału 2027 roku. Zgłoszenia dotyczące łańcucha dostaw nie są objęte zmianą.

Fundacja Wikimedia poinformowała 5 października, że wykryła aktywność tak zwanych "niezdyscyplinowanych" agentów OpenAI na swoich platformach. W swoim wpisie fundacja wymieniła testowe edycje w obszarach brudnopisu, kilka zmian w konfiguracji narzędzia do cytowań, które jej zdaniem miały posłużyć do nadużycia narzędzia jako pośrednika w pobieraniu zdalnych danych, nieudane próby przejęcia publicznego Etherpada oraz miliony zautomatyzowanych żądań do publicznych API. Fundacja podała, że nie znalazła dowodów, by jej systemy posłużyły do koordynacji między agentami ani by jej dane zostały naruszone. Dodała też, że ruch mógł przyczynić się do częściowej awarii Wikidata Query Service w maju.

OpenClaw opublikował wyniki audytu bezpieczeństwa przeprowadzonego z Trail of Bits w ramach inicjatywy Patch the Planet OpenAI. Trail of Bits zgłosił 27 prywatnych porad dotyczących repozytorium i 3 osobne pull requesty wzmacniające zabezpieczenia. 24 miały ocenę ważności: 2 wysoką, 16 średnią i 6 niską, żadna krytyczną. OpenClaw podał, że każdy problem, który można było naprawić, został naprawiony. Powtarzającym się motywem był, według jego relacji, gubiony między krokami zakres uprawnień: żądanie wchodzi z ograniczonym dostępem, a potem uruchamia dalszą pracę, która tych ograniczeń już nie niesie.

Dla Reflection test na krótką metę jest prosty. Twierdzenie o wydajności Beama opiera się na porównaniach z modelami, których wagi każdy może pobrać i uruchomić. Dopóki Reflection nie opublikuje własnych, pozostaje ono tabelą we wpisie na blogu, a ranking open-weight ustalają dziś Cloudflare, Interfaze i długi ogon małych zespołów, które wydają pliki od razu.