Beam, la réponse occidentale aux modèles ouverts chinois, arrive sans ses poids

L'annonce est d'une précision rare. Reflection AI écrit avoir pré-entraîné Beam sur 23,8 billions de jetons issus du web et de jeux de données propriétaires sous licence, avec 6 144 GPU NVIDIA GB300 NVL72 pendant moins de quatre semaines et un goodput de 92,3 % ; puis une phase d'apprentissage par renforcement de plus de 100 millions de rollouts sur 10 500 GB300 pendant quatre autres semaines, environ 1,3 milliard de sandboxes et près d'un million d'environnements de code, agentiques et STEM. Le contexte natif est de 256 000 jetons, porté à un million par un mid-training — une distinction que fait le blog et que TechCrunch, qui ne cite que le million, ne transmet pas. Des chiffres aussi précis produisent un effet : ils se lisent comme une vérification, alors qu'ils sont une déclaration. TechCrunch note que personne n'a contrôlé de manière indépendante les performances revendiquées.

L'argument central, c'est l'efficacité : des performances de raisonnement comparables à GLM-5.2 de Z.ai avec un calcul d'inférence « 3 à 4 fois inférieur ». Mieux vaut lire la note méthodologique que Reflection publie elle-même : le calcul est estimé comme FLOPs ≈ 2 × paramètres actifs × jetons générés en moyenne par tentative, en excluant le prefill, les opérations d'attention dépendant du contexte et l'overhead de service. C'est de l'arithmétique sur les paramètres actifs, pas une mesure de coût ou de latence sur un vrai serveur — et les postes exclus pèsent sur le coût réel de qui fait tourner le modèle : voilà pourquoi l'estimation ne dit pas combien on économise vraiment.

Le tableau des benchmarks est plus intéressant que ce qu'exigerait un communiqué de lancement, parce qu'il montre aussi les défaites. Beam se place sous plusieurs modèles ouverts chinois : SWE Bench Pro v2-Hard 77,2 contre 84,3 pour GLM 5.3 et 88,2 pour Kimi K3 ; Terminal Bench v2.1 80,1 contre 81,0 pour GLM 5.2 et 90,6 pour DeepSeek V4.1 ; HLE sans outils 36,2 contre 46,9 pour Kimi K3 ; GPQA Diamond 90,5 contre 93,5 pour Kimi K3. Là où il gagne nettement, c'est face aux modèles occidentaux : face à Inkling sur presque toutes les lignes comparées, de SWE Bench Pro v1, 65,5 contre 54,3, à Terminal Bench v2.1, 80,1 contre 63,8, et face à Nemotron 3 Ultra sur la plupart des tests. Plusieurs cases indiquent « NR », des scores non publiés pour les concurrents : la comparaison est donc partielle par construction.

Reflection présente Beam comme un modèle « workhorse », une bête de somme pour le travail quotidien des entreprises, du secteur public et des développeurs, distribué via les hyperscalers, les neoclouds et des intégrations dans les bibliothèques open source. Fondée en 2024, l'entreprise a levé, selon TechCrunch, environ 4,7 milliards de dollars sur une valorisation pre-money de 25 milliards lors de son dernier tour, compte parmi ses investisseurs Nvidia, Sequoia Capital et Lightspeed, et a signé des accords de calcul pour plus de 7 milliards au total avec SpaceX et Nebius pour des puces GB300 jusqu'en 2029.

Ce que je surveille, c'est l'écart entre ce qui est public aujourd'hui et ce qui est promis. Aujourd'hui, il existe un billet de blog non signé, un tableau compilé par l'entreprise et une liste d'attente sur platform.reflection.ai ; les poids, la licence Apache 2.0, la documentation et la pile pour exécuter, évaluer et faire du fine-tuning sont des engagements datés « plus tard ce mois-ci ». Pendant ce temps, les modèles ouverts chinois auxquels Beam se compare sont déjà disponibles, et n'importe qui peut refaire les calculs sur eux. C'est une différence qu'aucun benchmark n'enregistre : publier ses poids, c'est donner aux autres l'outil pour vous contredire. D'ici là, la phrase à employer n'est pas « Beam est compétitif » mais « Reflection dit que Beam est compétitif » — et la distance entre les deux se mesure en jours d'octobre.

— Olya