Reflection AI lance Beam, un modèle à poids ouverts de 501 milliards de paramètres

Reflection AI a annoncé Beam le 5 octobre 2026. C'est un modèle de langage à poids ouverts de 501 milliards de paramètres, dont 23 milliards sont actifs pour chaque jeton. Les poids, une fiche de modèle et un rapport technique sortiront « plus tard ce mois-ci » sous licence Apache 2.0, selon l'annonce de Reflection. L'entreprise affirme que Beam égale GLM-5.2 en raisonnement tout en utilisant trois à quatre fois moins de calcul d'inférence. Si cela se vérifie, les développeurs disposeront d'un grand modèle de code sans conditions de licence sur mesure.

Ce que Reflection a publié

Beam est un modèle à mélange d'experts, ou MoE. Un modèle MoE répartit ses paramètres entre de nombreux réseaux « experts » plus petits et n'en utilise que quelques-uns pour chaque jeton. C'est pourquoi Beam stocke 501 milliards de paramètres mais n'en mobilise que 23 milliards à la fois pour le calcul.

Reflection l'a entraîné sur 23 800 milliards de jetons issus de données web, publiques et sous licence. La fenêtre de contexte était d'abord de 256 000 jetons, puis a été portée à 1 million lors d'une étape ultérieure de l'entraînement. La fenêtre de contexte correspond à la quantité de texte que le modèle peut lire en une fois.

Seul un accès anticipé existe aujourd'hui, via platform.reflection.ai. Les poids complets arriveront plus tard en octobre sous Apache 2.0, une licence permissive que Crypto Briefing qualifie de « l'une des licences open source les plus permissives ».

Les résultats aux benchmarks

Reflection a publié des scores sur des tests de code, de raisonnement et d'agents. Tous ces chiffres viennent de l'entreprise elle-même. Crypto Briefing note que les tests indépendants devront attendre que les poids soient publics.

Benchmark	Ce qu'il mesure	Beam
SWE-Bench Verified	Corriger de vrais tickets GitHub	80,9
SWE-Bench Pro v1	Tâches logicielles plus difficiles	65,5
Terminal Bench v2.1	Tâches en ligne de commande	80,1
MCP Atlas	Appels d'outils via MCP	78,7
BrowseComp (avec gestion du contexte)	Recherche sur le web	77,4
GPQA Diamond	Questions scientifiques de niveau universitaire avancé	90,5
AIME 2026	Mathématiques de concours	97,8
Humanity's Last Exam (sans outils)	Questions d'experts très difficiles	36,2

Les comparaisons dépendent de qui les rapporte. Reflection affirme que Beam obtient des scores comparables à GLM-5.2 avec trois à quatre fois moins de calcul d'inférence. SiliconANGLE écrit que Beam se rapproche de Qwen 3.8-Max d'Alibaba et reste derrière Claude Fable 5.1 d'Anthropic. Crypto Briefing va plus loin et affirme que Beam surpasse à la fois GLM-5.2 et Qwen 3.8-Max. Les comptes rendus se contredisent sur Qwen, donc considérez cette affirmation comme non tranchée.

Comment Reflection l'a entraîné

L'entraînement a été court et massif. Selon Reflection, le préentraînement a utilisé 6 144 GPU Nvidia GB300 pendant moins de quatre semaines, avec un goodput de 92,3 %. Le goodput est la part du temps que le cluster a consacrée à un entraînement utile plutôt qu'à se remettre de pannes.

L'apprentissage par renforcement, où le modèle progresse en tentant des tâches et en recevant une note, a utilisé 10 500 GPU GB300 pendant quatre semaines. SiliconANGLE donne le chiffre de 10 000. Selon Reflection, cette étape a fait tourner 1,3 milliard de sandboxes et plus de 100 millions de tentatives d'exercice. Une sandbox est un environnement isolé où le modèle peut exécuter du code en toute sécurité.

Reflection fait aussi état d'une utilisation équilibrée de ses experts. L'expert le plus sollicité a porté 1,04 fois la charge moyenne, ce qui signifie que le travail était réparti de façon presque égale.

Qui est derrière Beam

D'anciens chercheurs de Google DeepMind, Misha Laskin et Ioannis Antonoglou, ont fondé Reflection en mars 2024, selon SiliconANGLE et Crypto Briefing. Crypto Briefing rapporte que l'entreprise a levé plus de 4 milliards de dollars sur la base d'une valorisation de 25 milliards de dollars avant investissement. Parmi ses soutiens figurent Nvidia, Sequoia et Citigroup.

Ce que cela signifie pour les développeurs

Il n'y a encore rien à télécharger, alors planifiez plutôt que de migrer. Rejoignez le programme d'accès anticipé si vous voulez tester Beam sur vos propres tâches de code avant l'arrivée des poids.

Prévoyez du matériel costaud. L'architecture MoE réduit le calcul par jeton, pas la mémoire. Les 501 milliards de paramètres doivent tout de même tenir en mémoire, soit environ 500 Go à un octet par paramètre. Quand ce site a couvert les poids ouverts de GLM-5.3 en août, ce modèle exigeait au moins huit GPU haut de gamme. Attendez-vous à ce que Beam ait lui aussi besoin d'un serveur multi-GPU, ou d'un fournisseur hébergé.

La licence est l'avantage le plus net. Apache 2.0 autorise l'usage commercial sans les conditions sur mesure qui accompagnaient GLM-5.3. Faites vérifier le fichier de licence définitif par votre service juridique à la sortie des poids, car seule l'annonce existe aujourd'hui.

Enfin, relancez vous-même les benchmarks. Reflection a comparé Beam à GLM-5.2, alors que Z.ai a depuis publié GLM-5.3. Testez les deux sur vos propres dépôts avant de changer, et surveillez le rapport technique attendu plus tard ce mois-ci.