Beam membuka bobot 501 miliar parameter—benchmark belum terverifikasi

8 Oktober 2026 pukul 15.00|Penulis: Tim Redaksi QUASA|5 mnt baca| 1

Reflection AI memperkenalkan Beam pada 5 Oktober 2026 sebagai model Mixture-of-Experts untuk pemrograman, penalaran, dan tugas agen, dengan 501 miliar parameter total serta 23 miliar parameter aktif; perusahaan menjanjikan rilis bobot “later this month”. Saat pengumuman itu terbit, Beam masih menjalani evaluasi akhir dan pengujian keamanan. Akses awal ditawarkan melalui daftar tunggu kepada kelompok pengguna terpilih.

Menurut laporan TechCrunch, perusahaan yang berbasis di Brooklyn ini melatih Beam pada 23,8 triliun token dan menyebut jendela konteksnya mencapai satu juta token; klaim performa Reflection belum diverifikasi secara independen. Spesifikasi tersebut menjelaskan rancangan dan sasaran model, tetapi belum memberi pengembang bobot yang dapat diunduh untuk mengukur kinerjanya pada infrastruktur sendiri.

Akses awal tersedia, bobot Beam masih dijanjikan

Reflection membedakan akses awal dari rilis bobot untuk penggunaan mandiri. Pengguna terpilih dapat mendaftar untuk mencoba versi awal, sementara perusahaan menyiapkan bobot, laporan teknis, kartu model, dan perangkat pengembang untuk rilis berikutnya. Lisensi Apache 2.0 juga merupakan rencana untuk bobot yang akan diterbitkan, bukan bukti bahwa berkasnya sudah tersedia pada hari peluncuran.

Perbedaan itu menentukan apa yang dapat diperiksa sekarang. Pengumuman memuat arsitektur, uraian pelatihan, dan hasil evaluasi yang dilaporkan perusahaan. Berkas bobot dan dokumentasi penerapan kelak akan memungkinkan pihak lain memeriksa format model, kebutuhan memori, cara penyajian, serta hasilnya pada perangkat dan tugas yang mereka pilih. Pengalaman melalui akses awal perusahaan belum dengan sendirinya menggambarkan biaya atau kecepatan ketika Beam dijalankan di tempat lain.

Arti parameter total dan parameter aktif

Beam menggunakan arsitektur Mixture-of-Experts, yang memilih sebagian parameter untuk memproses setiap token. Jumlah parameter aktif berkaitan dengan kerja komputasi pada tahap tersebut; jumlah total menggambarkan seluruh kumpulan bobot model. Dengan demikian, angka aktif yang lebih kecil membantu menjelaskan dasar klaim efisiensi inferensi Reflection, tetapi tidak berarti bagian bobot lain boleh diabaikan saat model disimpan atau disiapkan untuk melayani permintaan.

Kebutuhan perangkat juga dipengaruhi presisi dan format bobot, pembagian model ke akselerator, serta memori yang dipakai untuk konteks selama inferensi. Panjang masukan dapat mengubah beban itu walaupun jumlah parameter aktif tetap sama. Karena bobot Beam belum dirilis, spesifikasi arsitekturnya belum cukup untuk menetapkan kapasitas memori, waktu respons, atau biaya penyelesaian tugas pada konfigurasi pengembang tertentu.

Jendela konteks yang diumumkan berkaitan dengan kemampuan menangani rangkaian masukan panjang, termasuk repositori kode dan tugas yang memerlukan banyak langkah. Batas tersebut tetap perlu dibedakan dari kinerja praktis: kemampuan menerima masukan panjang tidak menjamin model mempertahankan ketepatan jawaban di seluruh bagian masukan. Pengujian pada tugas dengan konteks panjang akan lebih bermakna jika mencatat kualitas hasil bersama waktu dan komputasi yang dipakai.

Pelatihan diarahkan pada kode dan tugas agen

Rincian pelatihan menunjukkan mengapa Reflection menempatkan Beam pada pekerjaan pemrograman. Perusahaan menyebut sumber data dari web dan kumpulan berlisensi, dengan kurasi khusus untuk kode, penjelasan teknis, matematika, dan sains. Tahap pelatihan berikutnya memakai tugas yang menuntut penalaran berurutan serta penggunaan alat. Itu memberi konteks bagi kemampuan yang ingin ditonjolkan, tetapi jumlah data pelatihan sendiri tidak mengukur keberhasilan pada proyek perangkat lunak tertentu.

Reflection juga menjelaskan pelatihan penguatan yang memberi model kesempatan mencoba penyelesaian tugas, menerima penilaian, lalu memperbaiki perilakunya. Perusahaan menyediakan pengaturan upaya penalaran: keluaran yang lebih singkat untuk tugas ringan dan proses yang lebih panjang untuk tugas sulit. Pengaturan semacam itu dapat mengubah jumlah token yang dihasilkan, sehingga perbandingan kemampuan dan efisiensi perlu memperhitungkan cara setiap model dijalankan.

Skor benchmark adalah hasil yang dilaporkan perusahaan

Dalam ringkasan MarkTechPost atas tabel peluncuran, Beam memperoleh 80,1 pada Terminal Bench v2.1, sedangkan GLM 5.2 tercatat 81,0, Kimi K3 88,3, dan DeepSeek V4.1 Flash 90,6. Tabel itu memperlihatkan posisi Beam pada satu rangkaian tugas terminal menurut angka yang dipublikasikan Reflection. Angka tersebut belum merupakan pengujian ulang Beam oleh pihak independen.

Tabel peluncuran mencakup pula tugas pemrograman, penalaran, dan pemanggilan alat, sehingga satu skor terminal tidak mewakili seluruh kemampuan model. Hasil pada rangkaian tugas yang berbeda dapat bergerak ke arah yang berbeda pula. Perbandingan yang berguna bagi pengembang harus mempertahankan nama pengujian dan kondisi setiap hasil, termasuk akses alat, pengaturan upaya penalaran, panjang keluaran, dan cara jawaban dinilai.

Klaim Reflection tentang komputasi inferensi yang lebih hemat memakai perkiraan berdasarkan parameter aktif dan token keluaran. Perhitungan tersebut tidak mencakup seluruh pekerjaan saat model melayani permintaan, seperti pemrosesan masukan, operasi yang berubah menurut panjang konteks, dan beban sistem penyajian. Karena itu, klaim tersebut belum dapat diperlakukan sebagai ukuran langsung untuk harga layanan atau waktu menyelesaikan pekerjaan pemrograman yang sama.

Rilis bobot akan membuka pengukuran biaya nyata

Bagi pengembang yang mempertimbangkan migrasi, pertanyaan penentunya adalah apakah Beam menyelesaikan tugas mereka dengan kualitas yang memadai pada batas memori, waktu, dan biaya yang tersedia. Bobot yang dapat diunduh akan memungkinkan pengukuran pada repositori, alat, dan perangkat yang sama dengan model pembanding. Kartu model serta laporan teknis yang dijanjikan juga dapat menjelaskan konfigurasi evaluasi dan batas penggunaan yang belum tampak dari tabel skor.

Langkah berikutnya dalam cerita Beam adalah rilis bobot dan perangkat penerapannya yang dijanjikan untuk Oktober. Pada saat itu, pengembang dapat mengukur kebutuhan komputasi dan hasil tugas secara langsung, sementara penguji independen dapat mengulang benchmark dengan kondisi yang dinyatakan terbuka. Sampai rilis tersebut terjadi, keputusan mengalokasikan perangkat untuk Beam masih bertumpu pada spesifikasi dan hasil yang dipublikasikan Reflection.