米リフレクションAI、初のオープンウェイトモデル「Beam」発表　5010億パラメータ

　米リフレクションAI（Reflection AI）は10月5日（米国時間）付の公式ブログで、同社初のオープンウェイトモデル「Beam」を発表した。

　総パラメータ数は5010億で、1トークンの処理に使うアクティブパラメータは230億。複数の専門家モデルを使い分ける混合専門家（MoE）構成で、コーディングや推論、エージェント業務を重視して訓練したという。

　同社は、事前学習の計算量を4桁にわたって拡大しても性能が予測どおりに伸びたとし、同規模のオープンな基盤モデルの中で、損失と計算量の両面で最適な水準にあると主張する。事前学習には、Webデータと、ライセンスを受けた独自データから集めた23.8兆トークンを使った。強化学習では、エヌビディアの「GB300」GPU 1万500基を使い、4週間で1億回を超える試行（ロールアウト）を生成したと説明している。

　性能面では、高度な推論ベンチマークで、オープンモデルの「GLM-5.2」に匹敵するスコアを、推論計算量を3～4分の1に抑えて達成したとしている。コーディング関連では、SWE-bench Verifiedで80.9、Terminal-Bench v2.1で80.1だったという。

　安全性と整合性の面では、事前学習済みのモデルから安全面に特化した別のモデルを訓練し、大規模な強化学習で鍛えたモデルと「多教師オンポリシー蒸留」で統合した。守るべき規則、満たすべき品質、標準的なふるまいの3層で原則を整理したと説明する。

　Beamは現在、最終のレッドチーム評価と検証の段階にある。モデルの重み、技術報告書、モデルカード、開発者向けの成果物は今月後半に公開する予定で、同社は早期アクセスの登録を受け付けている。