Reflection AI مدل متن‌باز Beam با ۵۰۱ میلیارد پارامتر رو معرفی کرد
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
شرکت Reflection AI مدل زبانی Beam رو معرفی کرده؛ یه LLM متن‌باز با ۵۰۱ میلیارد پارامتر. این عرضه چند ماه بعد از اون اتفاق افتاده که این استارتاپ با ارزش‌گذاری ۲۵ میلیارد دلاری سرمایه جذب کرد. طبق گزارش‌ها، همون موقع یه قرارداد ۶.۳ میلیارد دلاری هم با SpaceX بسته تا دستگاه‌های Nvidia GB300 NVL72 رو اجاره کنه. هر کدوم از این دستگاه‌ها ۷۲ تا کارت گرافیک دارن و Beam روی همین‌ها آموزش دیده.
به گفتهٔ Reflection AI، مدل Beam با GLM-5.2 مقایسه شده که حدود ۲۵۰ میلیارد پارامتر بیشتر داره. شرکت می‌گه Beam تو بعضی کارها بهتر عمل می‌کنه و فقط یک‌سوم تا یک‌چهارم سخت‌افزار اونو مصرف می‌کنه. همچنین ادعا می‌کنه به عملکرد Qwen 3.8-Max نزدیک میشه که بیشتر از ۲ تریلیون پارامتر داره. نکتهٔ مهم اینجاست که هر دوی این مدل‌ها چینی‌ان و Beam اولین مدل متن‌باز یه استارتاپ آمریکاییه که نتیجهٔ هم‌سطح یا بهتر نشون داده. البته مدل‌های رایگان هنوز از مدل‌های frontier (یعنی پیشرفته‌ترین مدل‌های تجاری) مثل Claude Fable 5.1 عقب‌ترن.
ساخت Beam چند مرحله داشته. اول یه مدل نمونهٔ کوچیک آموزش دادن و بعد مدل‌های بزرگ‌تر و قوی‌تر پشت سر هم ساختن تا رسیدن به Beam Base، یعنی پایه‌ای که Beam روش ساخته شده. این مدل پایه روی یه کلاستر ۶۱۴۴ کارت گرافیکی و با ۲۳.۸ تریلیون توکن از وب عمومی و منابع تجاری آموزش دیده. بخش زیادی از این داده کد نرم‌افزاری بوده و برای هر زبان برنامه‌نویسی فیلتر جدا ساختن تا فایل‌های بی‌کیفیت حذف بشن. کل این مرحله کمتر از چهار هفته طول کشیده.
بعدش مرحلهٔ midtraining اومده، یعنی یه دور بهینه‌سازی که context window مدل رو بزرگ‌تر کرده و توانایی استدلالش رو بالا برده. سنگین‌ترین مرحله reinforcement learning بوده: شرکت ۱۰ هزار کارت GB300 راه انداخته و ۱.۳ میلیارد sandbox ساخته؛ یعنی محیط‌های مجازی‌ای که مدل توشون مهارت جدید یاد می‌گیره. این sandboxها برای کارهایی مثل نوشتن کد، جست‌وجو تو وب و اجرای AI agentها تنظیم شده بودن.
به گفتهٔ شرکت، مرحلهٔ RL فقط چهار هفته طول کشیده. دلیلش نرم‌افزاری بوده که نمی‌ذاشته خرابی‌ها کل فرایند آموزش رو متوقف کنن. طی آموزش ۷۱ خطا پیش اومده و میانهٔ زمان بازیابی کلاستر هشت دقیقه بوده. فعلاً Beam فقط از طریق برنامهٔ early access در دسترسه و Reflection AI قراره weightها، مستندات و ابزارهای fine-tuning رو اواخر همین ماه منتشر کنه.
نکات کلیدی:
- Beam یه LLM متن‌باز با ۵۰۱ میلیارد پارامتره و روی Nvidia GB300 NVL72 آموزش دیده.
- طبق ادعای شرکت، تو بعضی کارها از GLM-5.2 بهتره و فقط یک‌سوم تا یک‌چهارم سخت‌افزار اونو لازم داره.
- مدل پایه با ۲۳.۸ تریلیون توکن روی ۶۱۴۴ کارت گرافیک در کمتر از چهار هفته آموزش دیده.
- مرحلهٔ RL با ۱۰ هزار کارت GB300 و ۱.۳ میلیارد sandbox چهار هفته طول کشیده.
- weightها، مستندات و ابزارهای fine-tuning اواخر همین ماه منتشر می‌شن.
