Beam, відповідь Заходу на китайські відкриті моделі, вийшов без ваг

Анонс надзвичайно детальний. Reflection AI пише, що попередньо навчила Beam на 23,8 трильйона токенів з інтернету та ліцензованих пропрієтарних датасетів, використавши 6144 GPU NVIDIA GB300 NVL72 менш ніж на чотири тижні з goodput 92,3%; потім ще чотири тижні тривав етап навчання з підкріпленням — понад 100 мільйонів роллаутів на 10 500 GB300, близько 1,3 мільярда пісочниць і приблизно мільйон середовищ для програмування, агентних задач і STEM. Нативний контекст — 256 тисяч токенів, розширений до мільйона за допомогою mid-training. Блог це розрізнення робить, а TechCrunch, називаючи лише мільйон, його не передає. Такі точні цифри мають ефект: вони читаються як перевірка, хоча це заява. TechCrunch зазначає, що заявлену продуктивність ніхто незалежно не перевіряв.

Головна заява — ефективність: якість міркувань на рівні GLM-5.2 від Z.ai за «в 3–4 рази менших» обчислень на інференсі. Варто прочитати методологічну примітку, яку публікує сама Reflection: обчислення оцінюються як FLOPs ≈ 2 × активні параметри × середня кількість згенерованих токенів на спробу, без урахування prefill, операцій уваги, що залежать від контексту, і накладних витрат на обслуговування. Це арифметика за активними параметрами, а не вимірювання вартості чи затримки на реальному сервері — а виключені статті якраз і впливають на реальні витрати того, хто запускає модель. Тому оцінка не каже, скільки насправді вдасться заощадити.

Таблиця бенчмарків цікавіша, ніж того вимагає релізний анонс, бо в ній видно й поразки. Beam поступається кільком китайським відкритим моделям: SWE Bench Pro v2-Hard — 77,2 проти 84,3 у GLM 5.3 і 88,2 у Kimi K3; Terminal Bench v2.1 — 80,1 проти 81,0 у GLM 5.2 і 90,6 у DeepSeek V4.1; HLE без інструментів — 36,2 проти 46,9 у Kimi K3; GPQA Diamond — 90,5 проти 93,5 у Kimi K3. Упевнено він виграє в західних моделей: в Inkling майже за всіма порівнюваними позиціями, від SWE Bench Pro v1 (65,5 проти 54,3) до Terminal Bench v2.1 (80,1 проти 63,8), і в Nemotron 3 Ultra у більшості тестів. Кілька клітинок позначено «NR» — результати конкурентів не наведено, тож порівняння неповне вже за побудовою.

Reflection позиціонує Beam як «робочу конячку» для щоденних задач компаній, державного сектору й розробників; поширюватимуть модель через гіперскейлерів, неохмари та інтеграції в open-source-бібліотеки. За даними TechCrunch, компанія, заснована у 2024 році, в останньому раунді залучила близько 4,7 млрд доларів за pre-money оцінки 25 млрд, серед її інвесторів — Nvidia, Sequoia Capital і Lightspeed, а угоди про обчислювальні потужності зі SpaceX і Nebius на чипи GB300 до 2029 року сукупно перевищують 7 млрд.

Я стежу за розривом між тим, що опубліковано сьогодні, і тим, що обіцяно. Сьогодні є непідписаний допис у блозі, таблиця, складена компанією, і список очікування на platform.reflection.ai; ваги, ліцензія Apache 2.0, документація та стек для запуску, оцінювання й донавчання — це зобов'язання з датою «пізніше цього місяця». Тим часом китайські відкриті моделі, з якими порівнює себе Beam, уже доступні, і будь-хто може все на них перерахувати. Це різниця, якої не фіксує жоден бенчмарк: опублікувати ваги — означає дати іншим інструмент, щоб тебе спростувати. До того часу правильна фраза — не «Beam конкурентоспроможний», а «Reflection стверджує, що Beam конкурентоспроможний», і відстань між ними вимірюється днями жовтня.

— Olya