История
октябрь 6, 2026
Beam — рискованная ставка Reflection AI, призванная бросить вызов лидерству Китая в открытых моделях
Reflection AI представляет Beam как американский ответ в сфере открытых моделей: попытку объединить локальный контроль и открытость со значительно более низкими вычислительными затратами. Задача компании — превратить эти заявления в независимо подтвержденные показатели производительности в сравнении с китайскими конкурентами, которые по-прежнему задают темп.
Reflection AI была основана в марте 2024 года бывшими исследователями Google DeepMind Мишей Ласкиным и Иоаннисом Антоглу и вышла на рынок, где китайские разработчики заняли доминирующие позиции в моделях с открытыми весами. Beam должен изменить это соотношение сил — не за счет сопоставления с конкурентами параметр за параметром, а за счет удешевления работы ИИ передового уровня.1
В этом году стартап начал создавать инфраструктуру для этой ставки. В мае он заключил партнерство по поставке моделей Министерству энергетики США и Министерству войны, затем в июне подписал соглашение с SpaceX о вычислительных мощностях на $6,3 млрд, а в июле — еще одну сделку на $1 млрд через Nebius. Перед выпуском Beam широко распространенный пост сообщал, что модель, как ожидалось, будет конкурировать с «лучшими китайскими моделями с открытыми весами», ссылаясь на крупные расходы Reflection на вычисления Colossus.
2
Представленный в этом месяце Beam — это модель смеси экспертов с 501 млрд параметров, которая активирует лишь 23 млрд параметров на токен. По словам Reflection, такая архитектура обеспечивает конкурентоспособные показатели в программировании и агентных задачах при доле стоимости токенов и вычислительных затрат на инференс по сравнению с конкурентами. В анонсе Beam назван моделью, которая «продвигает западный открытый передний край в задачах программирования и агентных задачах», а полный набор весов должен быть выпущен в этом месяце.3
Это позиционирование напрямую противостоит преимуществу Китая в масштабе. У Kimi K3 от Moonshot — 2,8 трлн параметров в целом, из которых на токен активируются 104 млрд; у V4-Pro от DeepSeek — 1,6 трлн параметров в целом и 49 млрд активируемых. Reflection утверждает, что Beam может использовать до четырех раз меньше вычислительных ресурсов для инференса, в то время как Ласкин заявляет, что «технологический прогресс движим ценностями открытости и сотрудничества».4
Однако состязание не решается одним лишь анонсом запуска. Reflection заявляла, что во внутренних тестах Beam сопоставим с GLM-5.2 от Z.ai, однако на момент публикации публичные данные бенчмарков Artificial Analysis отсутствовали. Теперь заявления компании об эффективности проходят более сложную проверку: увидят ли разработчики и предприятия в Beam нечто большее, чем патриотическую альтернативу, — действительно конкурентоспособную рабочую модель.