Beam ima 501 mlrd. parametara — ali model još nije moguće preuzeti

Reflection AI je u objavi Beama od 5. listopada 2026. predstavio model s 501 milijardom ukupnih i 23 milijarde aktivnih parametara, prethodno treniran na 23,8 bilijuna tokena. Težine za javno preuzimanje najavljene su za kasnije tijekom listopada, zajedno s tehničkim izvješćem, karticom modela i alatima za razvojne programere.

Beam zato još nije moguće samostalno pokrenuti, premda je otvorena prijava za ograničeni rani pristup. TechCrunchov izvještaj također navodi da tvrdnje o performansama još nisu neovisno potvrđene. Predstavljanje zasad pokazuje mogućnosti modela u demonstracijama koje je pripremila tvrtka, dok javna objava težina tek slijedi.

Što je prikazano pri predstavljanju Beama

Beam je tekstualni model namijenjen programiranju, zaključivanju i zadacima u kojima sustav koristi alate. Njegova arhitektura mješavine stručnjaka aktivira samo dio parametara pri obradi pojedinog tokena. Time se objašnjava razlika između ukupne veličine modela i dijela koji sudjeluje u pojedinom izračunu; za vlastito pokretanje i dalje treba pohraniti težine cijelog modela.

Među prikazanim primjerima je karta njujorške podzemne željeznice koja se ažurira javnim podacima prometnog sustava MTA. Model je u demonstraciji tražio dokumentaciju, provjeravao uvjete pristupa podacima te izradio dijelove aplikacije potrebne za prikaz kretanja vlakova. Prikazani su i drugi zadaci razvoja aplikacija i rada s kodom. To su konkretni primjeri izlaza modela u pripremljenom okruženju, ali sami po sebi ne omogućuju drugim timovima da ponove postupak na vlastitoj infrastrukturi.

Opis razvoja povezuje početno treniranje s kasnijom fazom učenja na zadacima programiranja, rada u terminalu i zaključivanja. U toj je fazi model isprobavao rješenja i dobivao povratnu informaciju o ishodu. Objavljene demonstracije tako pokazuju zašto je Beam usmjeren na višekoračne zadatke, dok će tehničko izvješće biti važno za preciznije razumijevanje postupka treniranja i uvjeta evaluacije.

Dostupno sada i najavljeno za poslije

Razlika između predstavljanja i izdavanja modela najjasnije se vidi u tome što je moguće učiniti bez odobrenja Reflection AI-ja. Javno su dostupni opis arhitekture, demonstracije i tablice rezultata. Za pristup ranoj verziji postoji lista čekanja, a pristup dobiva odabrana skupina korisnika. Prijava na listu nije isto što i preuzimanje težina ili pravo na pokretanje modela u vlastitom okruženju.

• Težine: javnog preuzimanja zasad nema; njihova je objava najavljena za kasnije tijekom listopada.
• Licencija: za buduću objavu težina najavljen je Apache 2.0, ali uz težine još nije objavljen licencni tekst koji bi korisnici mogli primijeniti.
• Dokumentacija: opis modela i rezultati su javni; tehničko izvješće i kartica modela najavljeni su naknadno.
• Pokretanje i evaluacija: trenutačno je moguć ograničen rani pristup nakon prijave; alati za pokretanje, evaluaciju i prilagodbu obećani su uz šire izdanje.

Izraz „otvorene težine” u ovoj fazi opisuje najavljeni način distribucije Beama. Kad datoteke budu objavljene, njihov format, licencni tekst i prateće upute odredit će kako se model doista može pokretati i prilagođavati. To je važno i za one koji žele procijeniti potrebnu memoriju: manji broj aktivnih parametara smanjuje dio računanja pri generiranju, ali ne znači da se pri učitavanju može zanemariti ostatak modela.

Objava dokumentacije važna je i za tumačenje dosega ranog pristupa. Rad s modelom kojem tvrtka odobri pristup može pokazati kako se ponaša u određenom zadatku, ali ne otkriva nužno sve postavke treniranja ili testiranja. Javno dostupne težine omogućile bi drukčiju vrstu provjere: pokretanje u tuđem okruženju i ponavljanje usporedbi pod poznatim uvjetima.

Što pokazuju objavljene usporedbe

Beamovi rezultati zasad su rezultati koje je sastavio i objavio Reflection AI. U analizi S5 Labsa izdvojena je usporedba na testu Terminal Bench v2.1: Beam ima 80,1 bod, GLM 5.2 ima 81,0, Qwen 3.8 Max 86,6, Kimi K3 88,3, a DeepSeek V4.1 Flash 90,6. Na SWE Bench Pro v1 Beam ima 65,5 bodova, prema 62,1 za GLM 5.2 i 67,7 za Qwen 3.8 Max. Te brojke pokazuju blizinu pojedinim suparnicima na određenom testu, a ne neovisno potvrđen ukupni poredak modela.

Razlika među testovima bitna je za tvrdnju o konkurentnosti. Terminal Bench ispituje rad u terminalskom okruženju, dok SWE Bench Pro cilja zadatke programiranja; dobar rezultat na jednom ne jamči isti odnos snaga na drugome. Uz to, objavljena tablica ne razjašnjava sve postavke zaključivanja, uporabu alata, broj pokušaja i način na koji su prikupljeni rezultati drugih modela. Zato se prikazane vrijednosti još ne mogu čitati kao usporedba provedena pod potpuno poznatim i jednakim uvjetima.

Slično ograničenje vrijedi za tvrdnju o učinkovitosti. Prikazana procjena računalnog rada temelji se na broju aktivnih parametara i prosječnom broju generiranih tokena po pokušaju. U nju nisu uključeni svi dijelovi posluživanja modela, poput obrade ulaznog teksta i dodatnog rada povezanog s duljinom konteksta. Manji procijenjeni računalni rad stoga se zasad ne može izravno pretvoriti u potvrđenu cijenu korištenja ili zahtjev za određeni hardver.

Sljedeća konkretna prekretnica najavljena je za kasnije tijekom listopada: objava težina, licencnog teksta, kartice modela i tehničkog izvješća. S tim će datotekama postati moguće samostalno pokrenuti Beam te njegove rezultate usporediti pod javno opisanim uvjetima.

Pročitajte i:

• AMD kupuje World Labs za 8,2 mlrd. dolara — cijena se plaća dionicama
• Runway nije stanje računa: prihod može sakriti datum nestanka gotovine
• Digitalna pristupačnost nije završena: znanje nedostaje gotovo polovici tijela