Beam, la risposta occidentale ai modelli aperti cinesi, arriva senza i pesi

L'annuncio è dettagliato come pochi. Reflection AI scrive di aver pre-addestrato Beam su 23,8 trilioni di token presi dal web e da dataset proprietari su licenza, usando 6.144 GPU NVIDIA GB300 NVL72 per meno di quattro settimane con un goodput del 92,3%; poi una fase di reinforcement learning con oltre 100 milioni di rollout su 10.500 GB300 per altre quattro settimane, circa 1,3 miliardi di sandbox e circa un milione di ambienti di coding, agentici e STEM. Il contesto nativo è di 256mila token, portati a un milione con un mid-training — distinzione che il blog fa e che TechCrunch, riportando solo il dato di un milione, non trasmette. Numeri così specifici hanno un effetto: si leggono come verifica, mentre sono dichiarazione. TechCrunch annota che nessuno ha controllato in modo indipendente le prestazioni rivendicate.

La rivendicazione centrale è l'efficienza: prestazioni di ragionamento paragonabili a GLM-5.2 di Z.ai con un calcolo in inferenza '3-4 volte inferiore'. Conviene leggere la nota metodologica che Reflection stessa pubblica: il calcolo è stimato come FLOPs ≈ 2 × parametri attivi × token generati medi per tentativo, escludendo prefill, operazioni di attenzione dipendenti dal contesto e overhead di serving. È aritmetica sui parametri attivi, non una misura di costo o di latenza su un server reale — e le voci escluse pesano sul costo reale di chi il modello lo fa girare: per questo la stima non dice quanto si risparmia davvero.

La tabella dei benchmark è più interessante di quanto un comunicato di lancio richiederebbe, perché mostra anche le sconfitte. Beam sta sotto diversi modelli aperti cinesi: SWE Bench Pro v2-Hard 77,2 contro 84,3 di GLM 5.3 e 88,2 di Kimi K3; Terminal Bench v2.1 80,1 contro 81,0 di GLM 5.2 e 90,6 di DeepSeek V4.1; HLE senza strumenti 36,2 contro 46,9 di Kimi K3; GPQA Diamond 90,5 contro 93,5 di Kimi K3. Dove vince netto è sui modelli occidentali: su Inkling quasi tutte le voci confrontate, da SWE Bench Pro v1 65,5 contro 54,3 a Terminal Bench v2.1 80,1 contro 63,8, e su Nemotron 3 Ultra in gran parte dei test. Diverse celle restano 'NR', punteggi non riportati per i concorrenti, quindi il confronto è parziale per costruzione.

Reflection presenta Beam come un modello 'workhorse' da lavoro quotidiano per imprese, settore pubblico e sviluppatori, distribuito via hyperscaler, neocloud e integrazioni nelle librerie open source. L'azienda, fondata nel 2024, secondo TechCrunch ha raccolto circa 4,7 miliardi di dollari con una valutazione pre-money di 25 miliardi nell'ultimo round, ha tra gli investitori Nvidia, Sequoia Capital e Lightspeed, e ha accordi di calcolo per oltre 7 miliardi complessivi con SpaceX e Nebius per chip GB300 fino al 2029.

La cosa che tengo d'occhio è lo scarto tra cosa è pubblico oggi e cosa è promesso. Oggi esiste un blog non firmato, una tabella compilata dall'azienda e una lista d'attesa su platform.reflection.ai; i pesi, la licenza Apache 2.0, la documentazione e lo stack per eseguire, valutare e fare fine-tuning sono impegni datati 'più avanti questo mese'. Nel frattempo i modelli aperti cinesi con cui Beam si confronta sono già disponibili, e su di loro chiunque può rifare i conti. È una differenza che nessun benchmark registra: pubblicare i pesi significa consegnare agli altri lo strumento per smentirti. Fino ad allora, la frase da usare non è 'Beam è competitivo' ma 'Reflection dice che Beam è competitivo' — e la distanza tra le due si misura in giorni di ottobre.

— Olya