Beam има 501 милијарда параметри, но само 23 милијарди работат одеднаш

Во објавата на Reflection AI од 5 октомври 2026 година, компанијата го претстави Beam, текстуален модел со 501 милијарда вкупни параметри, од кои 23 милијарди се активни при обработка на токен. Тежините под лиценцата Apache 2.0 се најавени за подоцна во октомври 2026 година. Засега рана верзија е достапна за избрани корисници, а останатите можат да се пријават на листа за пристап.

Beam е наменет за програмирање, расудување и задачи во кои моделот користи алатки. Во извештајот на TechCrunch се нагласува дека тврдењата за неговите перформанси сè уште не се независно потврдени. За развивачите, затоа, непосредната новост е најавената архитектура и ограничениот пристап, додека практичната вредност на моделот ќе може пошироко да се испита по објавувањето на тежините.

Како работат 23 милијарди параметри во поголем модел

Beam користи ретка архитектура „мешавина од експерти“. При обработка на токен, механизмот за насочување избира делови од моделот што ќе учествуваат во пресметката; при следниот токен изборот може да биде поинаков. Оттука, активните параметри ја опишуваат работата во еден чекор на генерирање, додека вкупниот број ја опишува големината на моделот што треба да се постави и опслужува.

Техничките податоци и статусот на објавувањето изгледаат вака:

• Вкупни параметри: 501 милијарда во целиот модел.
• Активни параметри: 23 милијарди при обработка на токен.
• Контекст: ефективна должина до еден милион токени, постигната со дополнителна фаза на обука.
• Податоци за претобука: 23,8 трилиони токени од веб, јавни извори и сопствени лиценцирани збирки.
• Лиценца: Apache 2.0 е најавена за идното објавување на тежините.
• Достапност: рана верзија за избрани корисници и листа за пристап; тежините сè уште не се јавно објавени.

Помалиот активен дел може да ја намали пресметката потребна за генерирање во споредба со густ модел со сличен вкупен број параметри. Тој сам по себе не ја кажува потребната меморија за сместување на тежините, ниту конечната брзина и цена на услуга со повеќе истовремени корисници. Долгите влезни барања и начинот на опслужување додаваат работа што не може да се прочита од бројот на активни параметри.

Обуката е насочена кон код и долги задачи

Претобуката на Beam опфаќа код, технички објаснувања и научни содржини, покрај поширокиот веб-материјал. Во техничкиот опис се наведува дека податоците биле филтрирани и уредувани посебно за програмски јазици и технички документи. Тоа е релевантно за намената на моделот: да работи низ изворен код, да решава задачи во повеќе чекори и да користи алатки како дел од одговорот.

По претобуката следувало засилено обучување со повеќе од 100 милиони обиди за решавање задачи во текот на четири недели, со приближно 10.500 графички процесори NVIDIA GB300. Во таа фаза моделот вежбал и терминалски, програмерски и истражувачки задачи. Овие бројки го опишуваат обемот на обуката, а не ресурсите што ќе му бидат потребни на некој што подоцна ќе го користи готовиот Beam.

Ефективниот контекст до еден милион токени е развиен во дополнителна фаза со структурирани складишта на код, долги задачи и обемни документи. Големиот прозорец овозможува повеќе материјал да влезе во едно барање, но не кажува сам по себе колку добро моделот ќе најде важен детаљ во него. Beam обработува текст: информации од слика или друг формат можат да му бидат достапни ако претходно се претворени во текст, што е различно од директно прифаќање таков влез.

Што навистина кажуваат споредбите за резултат и цена

Пријавените резултати го ставаат Beam близу до GLM-5.2 на дел од тестовите за расудување, со тврдење за три до четири пати помала пресметка при генерирање. Споредбата има потесно значење од општа оценка дека моделот е поевтин за користење. Таа се темели на процена на операциите за генерираните токени и на резултати од одредени тестови, а не на сметка за целосно опслужена задача.

Методот ги користи активните параметри и просечниот број генерирани токени за да ја процени пресметката. Во него не влегуваат обработката на влезниот текст, операциите што зависат од должината на контекстот и трошокот за опслужување. Затоа истиот сооднос не мора да важи за барање со долг влез, за услуга со многу корисници или за конкретна цена што би ја наплатил иден понудувач.

И табелите со тестови бараат прецизно читање. Тие опфаќаат програмирање, терминалски задачи, расудување и користење алатки, но прикажаните резултати се од производителот. Различни поставки за должината на расудувањето, дозволени алатки и начин на оценување можат да влијаат врз споредбата. Независните мерења ќе бидат особено важни за да се утврди дали пријавената заштеда се задржува кога се мерат и квалитетот на одговорот и целосниот трошок.

Објавувањето на тежините е следниот пресуден чекор

Планираното објавување под Apache 2.0 би им овозможило на развивачите да ги преземат тежините, да го постават моделот во сопствена инфраструктура и да го приспособуваат според условите на лиценцата. Со нив се најавени и технички извештај, моделска картичка, документација и материјали за извршување, оценување и дообука. Тоа е посилна основа за независна работа од ограничениот ран пристап што постои сега.

Кога тежините и придружните материјали ќе бидат објавени, надворешни тимови ќе можат да ги повторат релевантните тестови и да ја измерат потребната меморија, брзината и цената во сопствени услови. Тие податоци ќе покажат дали Beam е практична отворена алтернатива за задачите за кои е претставен.

Прочитајте и:

• AI создава „невидлива работа“: човечката проверка станува нов товар
• General Intuition вреди 6,2 милијарди долари — гејминг-видеата станаа AI-имот
• Креаторските реклами вредат 44 милијарди долари, но „преглед“ нема едно значење