Стартап Reflection AI официально представил Beam — свою первую open-weight модель для фронтирных задач. Компания позиционирует её как ответ западной индустрии на китайские модели типа DeepSeek, Qwen и Z.ai, заявляя о паритете производительности на сложных бенчмарках при драматически меньших затратах на вычисления.

Beam — это смешанная архитектура (mixture-of-experts) с 501 млрд параметров, из которых активны 23 млрд. Модель обучена на 23,8 трлн токенов с контекстным окном в 1 млн токенов. Для сравнения: Z.ai's GLM-5.2 имеет примерно 744 млрд параметров с 40 млрд активных. По заявлениям Reflection, на сложных reasoning-тестах Beam сопоставима с GLM-5.2 и превосходит лучшие западные open-weight модели, используя при этом в 3-4 раза меньше вычислительных ресурсов на инференс. Компания позиционирует модель как «рабочую лошадку» для предприятий, госсектора и разработчиков.

Важно понимать, что эти заявления о производительности не прошли независимую верификацию. Данный момент критичен: в гонке open-weight моделей мы постоянно видим, как стартапы и крупные лабы приводят бенчмарки, которые выглядят впечатляюще на бумаге, но реальное применение показывает более скромные результаты. Текущее поколение открытых моделей действительно подтягивается к закрытым фронтирным системам, но gap всё ещё существует, особенно на сложных агентических и мультишаговых задачах.

Reflection была основана в 2024 году двумя бывшими исследователями Google DeepMind и привлекла около 4,7 млрд долларов от Nvidia, Sequoia и Lightspeed. Последний раунд оценил компанию в 25 млрд до денег. Более интересно другое: компания серьёзно позаботилась о compute-мощностях, подписав в летом контракты стоимостью более 7 млрд долларов с SpaceX и Nebius на доступ к Nvidia GB300 чипам до 2029 года. Это показывает, что Reflection не только говорит о моделях, но реально инвестирует в инфраструктуру для их тренирования и развёртывания.

Реальная стратегия компании — не прямая конкуренция с OpenAI или Anthropic на потребительском рынке, а захват сегмента суверенных AI-систем и корпоративных «AI-фабрик». Это концепция, которую давно пропагандирует Jensen Huang из Nvidia (и который, кстати, инвестирует в Reflection): идея в том, что крупные организации захотят обучать и развёртывать свои собственные локальные модели на собственных данных, используя открытые веса как основу. Компания уже тестирует это с южнокорейской Shinsegae Group. На такую модель особенно падки hedge-фонды и трейдинговые фирмы — для них локальная, кастомизированная модель с собственными данными реально может дать edge.

Для российского бизнеса это имеет прямое значение в двух сценариях. Первый — если вам нужна фронтирная модель для специализированных задач (аналитика, предсказание, сложное reasoning), а доступ к закрытым API ограничен или дорог, открытые модели вроде Beam становятся более жизнеспособны. Второй — если у вас есть чувствительные данные, которые вы не хотите отправлять в облако, возможность обучить и развернуть собственную модель локально или на своей инфраструктуре (например, на Selectel или другом российском облаке) решает эту проблему технически, хотя регуляторно вопрос остаётся сложнее. Компания обещает выпустить веса и полные детали Beam в октябре с интеграциями в стандартные библиотеки.

Контекст: рынок open-weight моделей напряжён как никогда. Китайские лабы (прежде всего DeepSeek) показали, что можно строить конкурентоспособные фронтирные системы значительно дешевле, чем казалось год назад. Это подвигло западные компании (включая Meta, которая выпустила Llama 3.3, и Mistral) на более агрессивную открытизацию. Reflection приходит в этот момент с серьёзными деньгами и стратегической ставкой на суверенность и корпоративный контроль над AI — позиция, которая пока что слабо освоена и выглядит более осмотрительной, чем попытка лоб в лоб конкурировать с закрытыми моделями на публичных бенчмарках.

Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ; это относится и к принадлежащим ей социальным сетям Instagram и Facebook.