Beschreibung
Beam ist ein Open-Weight-Modell, das von Reflection entwickelt wurde und 501 Milliarden Parameter mit 23 Milliarden aktiven Parametern umfasst. Es ist darauf ausgelegt, Programmier-, Denk- und agentische Arbeitslasten effizient zu bewältigen. Die Fähigkeiten von Beam sind das Ergebnis erheblicher Investitionen in Pretraining und Reinforcement Learning (RL). Das Modell wurde auf 23,8 Billionen hochwertigen Tokens aus verschiedenen Quellen vortrainiert, um sicherzustellen, dass es ähnliche Open-Modelle vergleichbarer Größe übertrifft oder mindestens gleichwertig ist. Das RL-Training umfasste über 100 Millionen Rollouts auf 10,5K NVIDIA GB300 GPUs, wobei der Fokus auf hoher Recheneffizienz lag.
Weiterlesen
Beam ist wettbewerbsfähig mit größeren Modellen wie GLM 5.2 und nähert sich Qwen 3.8-Max bei Programmier- und agentischen Aufgaben. Es zeichnet sich durch eine hohe Inferenz-Effizienz aus und bietet mehr Intelligenz pro Token zu geringeren Kosten. Das Modell befindet sich in der finalen Evaluationsphase, wobei die Gewichte und technischen Berichte bald veröffentlicht werden.
Die Architektur des Modells umfasst ein sparsames Mixture-of-Experts (MoE)-Design, das effiziente Denk- und Programmierfähigkeiten ermöglicht. Das RL-Training von Beam betont stabiles Lernen, selbst bei asynchronen Policy-Gradienten, und gewährleistet eine robuste Leistung über verschiedene Aufgaben hinweg.
Beam eignet sich für Unternehmen, die fortschrittliche KI-Fähigkeiten in ihre Arbeitsabläufe integrieren möchten. Es unterstützt eine Vielzahl von Anwendungen, von der Softwareentwicklung bis hin zu Machine-Learning-Workflows, und ist anpassungsfähig an verschiedene Umgebungen. Reflection plant, Beam unter einer Apache 2.0-Lizenz zu veröffentlichen, um Entwicklern den Zugang zur Weiterentwicklung zu ermöglichen.
- KategorieKI-Modelle & LLMs
- PreismodellOpen Source
- BereitstellungCloud
- PlattformenWeb
Beam's Kernfunktionen
501 Milliarden Parameter
Sparsames Mixture-of-Experts-Modell
Vortrainiert auf 23,8 Billionen Tokens
Hochleistungs-Reinforcement Learning
Wettbewerbsfähig mit größeren Modellen
Effiziente Inferenzleistung
Open-Weight-Modell
Apache 2.0-Lizenz
Wie verwendet man Beam?
Anmelden: Treten Sie der Warteliste für frühen Zugang bei
Konfigurieren: Richten Sie das Modell für Ihre spezifischen Aufgaben ein
Verwenden: Integrieren Sie Beam in Ihre Arbeitsabläufe
Optimieren: Passen Sie den Denkaufwand für Effizienz an
Beam's Anwendungsfälle
- Unternehmensprogrammierung
- Fortgeschrittenes Denken
- Agentische Arbeitslasten
- Machine Learning Workflows
- Softwareentwicklung
