Reflection, düşük maliyetle frontier akıl yürütme hedefleyen 501 milyar parametreli açık ağırlıklı Beam modelini duyurdu

Reflection ilk açık ağırlıklı modelini tanıttı

2024'te iki eski Google DeepMind araştırmacısı tarafından Brooklyn'de kurulan iki yaşındaki girişim Reflection AI, ilk açık ağırlıklı modeli Beam'i tanıttı. Şirketin duyurusuna göre Beam, toplam 501 milyar parametreli ve token başına 23 milyar aktif parametreye sahip, kodlama, akıl yürütme ve agentic iş yükleri için eğitilmiş seyrek bir mixture-of-experts modeli. TechCrunch'ın haberine göre lansman, şirketin yayına yakın olduğu yönündeki önceki Axios haberini doğruluyor.

Beam yalnızca metin tabanlı. TechCrunch'a göre 1 milyon token'lık bir context window'a sahip ve web ile lisanslı özel veri kümelerinden 23,8 trilyon token ile ön eğitimden geçmiş. Ölçek açısından TechCrunch, modeli her iki ölçütte Beam'den büyük olan, yaklaşık 744 milyar toplam ve 40 milyar aktif parametreli Z.ai'nin GLM-5.2'siyle karşılaştırıyor.

Ana iddia verimlilik

Reflection, Beam'in mevcut en güçlü açık model olduğunu iddia etmiyor. Şirketin kendi yazısında Kimi K3 gibi frontier açık modellerin ham yetenekte hâlâ önde olduğu kabul ediliyor. Vurgu verimlilikte: Reflection'a göre Beam, gelişmiş akıl yürütme kıyaslamalarında GLM-5.2 ile eşit puan alırken 3-4 kat daha az inference hesaplama gücü kullanıyor ve 2 trilyon parametre üstü aileden modeller token başına çok daha fazla hesaplama gücüne ihtiyaç duysa da kodlama ve agentic görevlerde Qwen 3.8-Max'a yaklaşıyor. Şirket Beam'i kurumsal kodlama ve agentic iş yükleri için güçlü bir iş atı modeli olarak tanımlıyor.

TechCrunch'a göre Reflection, Beam'in bugünün önde gelen Batılı açık modellerinden daha iyi performans gösterdiğini iddia ediyor ve girişimin kendi kıyaslamaları, Beam'in Temmuz'da Mira Murati'nin Thinking Machines Lab'dan çıkan açık modeli Inkling'i, ikisinin de sonuç bildirdiği dört kodlama testinde geride bıraktığını gösteriyor; ancak Inkling multimodal iken Beam yalnızca metin tabanlı. TechCrunch, performans iddialarının bağımsız olarak doğrulanmadığına dikkat çekiyor.

Reflection bir uyarıyı da açıkça belirtiyor: FLOP karşılaştırmaları aktif parametre sayıları ve üretilen token'lardan tahmin edilmiş olup prompt prefill, attention işlemleri ve servis yükü hariç tutulmuştur; dolayısıyla bunlar ölçülmüş inference maliyeti değil, göreli hesaplama gücüne yaklaşımdır.

Çok büyük bir pekiştirmeli öğrenme koşusu

Reflection, Beam'in yeteneğini iki yatırıma bağlıyor: ön eğitim ve yüksek hesaplama gücüyle pekiştirmeli öğrenme (RL). RL koşusu 10.500 NVIDIA GB300 GPU'da dört hafta sürdü, en fazla 256.000 token bağlam uzunluğunda 100 milyondan fazla rollout üretti ve eğitim ile notlandırma için yaklaşık 1,3 milyar sandbox kullandı. Bu süreci beslemek için şirket, ağırlıklı olarak sentetik veri hatları aracılığıyla yaklaşık bir milyon kodlama, agentic ve STEM ortamı sağladı. Reflection bunun bugüne kadar herhangi bir açık laboratuvarın yürüttüğü en büyük RL koşularından biri olduğuna inanıyor ve RL hesaplama gücü arttıkça kıyaslama puanlarının iyileşmeye devam ettiğini, bir platoya ulaştığına dair işaret olmadığını söylüyor.

Duyuru ayrıca asenkron policy gradient'ler üzerindeki mühendislik çalışmalarını anlatıyor: güncel politikadan tam bir gün geride ve 107 ağırlık sürümü geride kalan örnekler bile istikrarlı öğrenme sağladı. Kontrollü bir uzunluk cezası, modeli eğitim sürecinin başında görevleri daha az token'la çözmeye yönlendirdi ve kullanıcıya yönelik bir akıl yürütme çabası ayarı, aynı dengeyi inference anında sunuyor. Reflection aktarım etkileri de raporluyor: RL karışımında tarayıcı görevlerinin bulunmadığı bir eğitim aşamasında bile tarayıcı performansı iyileşti ve modele web erişimi verildiğinde diğer dil modellerini aramayı, sorgulamayı ve OCR API'lerini çağırmayı öğrendi.

Finansman ve yapay zeka millileştirme vaadi

TechCrunch'ın PitchBook'a dayandırdığı habere göre Reflection, Nvidia, Sequoia Capital ve Lightspeed Venture Partners gibi destekçilerden yaklaşık 4,7 milyar dolar topladı; son tur şirketi 25 milyar dolar pre-money değerle değerlendirdi. Şirket ayrıca Nvidia GB300 çiplerini 2029'a kadar güvence altına almak için SpaceX ve Nebius ile 7 milyar doları aşan değerinde hesaplama gücü anlaşmaları imzaladı.

Şirket Beam'i kuruluşlara ve yapay zekayı millileştirmek isteyen müşterilere yönlendiriyor; kurumların Reflection modellerini kendi verileriyle eğiterek özelleştirilmiş yerel sistemler kurmasına olanak tanıyan yapay zeka fabrikalarını öne çıkarıyor. TechCrunch'a göre Reflection, Güney Kore'deki Shinsegae Group ile egemen bir yapay zeka fabrikası ortaklığını test etmeye başladı ve Axios, ilgilenen alıcılar arasında hedge fonları ve ticaret firmaları buldu.

Neden önemli

Batılı açık ağırlıklı modeller bir süredir DeepSeek, Qwen, Z.ai ve Moonshot gibi Çin laboratuvarlarının gerisinde. Beam, bu boşluğu kapatmak için yapılan ağır fonlanmış bir girişim; fark yaratan şey zirve yetenek değil, inference verimliliği — token harcamasının baskın olduğu maliyete duyarlı kurumsal ve agentic dağıtımlarda önemli olan bir ayrım. Şimdilik iddialar Reflection'ın kendi kıyaslamalarına dayanıyor: ağırlıklar, teknik rapor, model kartı ve geliştirici artefaktları bu ay içinde, hyperscaler ve neocloud'lar aracılığıyla dağıtım together with sözü verildi. Verimlilik hikayesinin tutup tutmadığını bağımsız değerlendirme belirleyecek.