Beam, het westerse antwoord op Chinese open modellen, komt zonder gewichten

De aankondiging is ongewoon gedetailleerd. Reflection AI schrijft dat Beam is voorgetraind op 23,8 biljoen tokens uit het web en uit gelicentieerde eigen datasets, met 6.144 NVIDIA GB300 NVL72-GPU's gedurende minder dan vier weken en een goodput van 92,3%; daarna volgde een reinforcement-learningfase met meer dan 100 miljoen rollouts op 10.500 GB300's gedurende nog eens vier weken, zo'n 1,3 miljard sandboxes en ongeveer een miljoen omgevingen voor coding, agents en STEM. De native context is 256.000 tokens, via mid-training uitgebreid tot een miljoen — een onderscheid dat de blog wel maakt en dat TechCrunch, dat alleen het miljoen noemt, niet doorgeeft. Zulke precieze cijfers hebben een effect: ze lezen als verificatie, terwijl het een bewering is. TechCrunch merkt op dat niemand de geclaimde prestaties onafhankelijk heeft gecontroleerd.

De kernclaim is efficiëntie: redeneerprestaties vergelijkbaar met GLM-5.2 van Z.ai bij ‘3 tot 4 keer minder’ rekenkracht tijdens inferentie. Het loont om de methodologische noot te lezen die Reflection zelf publiceert: de rekenkracht wordt geschat als FLOPs ≈ 2 × actieve parameters × gemiddeld gegenereerde tokens per poging, exclusief prefill, contextafhankelijke attention-bewerkingen en serving-overhead. Dat is rekenwerk op actieve parameters, geen meting van kosten of latentie op een echte server — en juist de weggelaten posten wegen mee in de werkelijke kosten voor wie het model draait. Daarom zegt de schatting niet hoeveel je echt bespaart.

De benchmarktabel is interessanter dan een lanceringsbericht vereist, omdat hij ook de nederlagen toont. Beam scoort lager dan verschillende Chinese open modellen: SWE Bench Pro v2-Hard 77,2 tegen 84,3 voor GLM 5.3 en 88,2 voor Kimi K3; Terminal Bench v2.1 80,1 tegen 81,0 voor GLM 5.2 en 90,6 voor DeepSeek V4.1; HLE zonder tools 36,2 tegen 46,9 voor Kimi K3; GPQA Diamond 90,5 tegen 93,5 voor Kimi K3. Duidelijk winnen doet het tegen westerse modellen: tegen Inkling op bijna alle vergeleken onderdelen, van SWE Bench Pro v1 met 65,5 tegen 54,3 tot Terminal Bench v2.1 met 80,1 tegen 63,8, en tegen Nemotron 3 Ultra in de meeste tests. Verschillende cellen staan op ‘NR’, niet-gerapporteerde scores van concurrenten, dus de vergelijking is per definitie onvolledig.

Reflection presenteert Beam als een ‘workhorse’-model voor dagelijks werk door bedrijven, de publieke sector en ontwikkelaars, verspreid via hyperscalers, neoclouds en integraties in opensourcebibliotheken. Het in 2024 opgerichte bedrijf heeft volgens TechCrunch in de laatste ronde zo'n 4,7 miljard dollar opgehaald bij een pre-moneywaardering van 25 miljard, telt Nvidia, Sequoia Capital en Lightspeed onder zijn investeerders en heeft rekenkrachtdeals van in totaal meer dan 7 miljard met SpaceX en Nebius voor GB300-chips tot 2029.

Waar ik op let, is het gat tussen wat vandaag openbaar is en wat beloofd wordt. Vandaag is er een niet-ondertekende blogpost, een door het bedrijf samengestelde tabel en een wachtlijst op platform.reflection.ai; de gewichten, de Apache 2.0-licentie, de documentatie en de stack om te draaien, te evalueren en te finetunen zijn toezeggingen met de datum ‘later deze maand’. Intussen zijn de Chinese open modellen waarmee Beam zich meet al beschikbaar, en kan iedereen daarop de berekening overdoen. Het is een verschil dat geen enkele benchmark registreert: je gewichten publiceren betekent anderen het gereedschap geven om je te weerleggen. Tot dan is de juiste zin niet ‘Beam is concurrerend’ maar ‘Reflection zegt dat Beam concurrerend is’ — en de afstand tussen die twee meet je in oktoberdagen.

— Olya