Reflection Beam：10 月 5 日のプレビューから Apache 2.0 の重みの公開まで、必要なハードウェア

2026年10月17日

更新中のタイムライン · 最終更新 2026年10月17日 · 更新履歴 1 件

Reflection は重みを「今月後半に」公開すると言い、十一日後にそのとおりにしました。リリースは本物です。多くの記事が触れない、動かすのに何が要るかを見ていきます。

Reflection の Beam は、10 月 5 日のプレビューとウェイトリストから、10 月 16 日には Apache 2.0 の重みを公開しました。501B パラメータ、アクティブ 23B のテキストモデルで、コーディングとエージェント向けです。効率についての主張は Reflection 自身のものです。

2026-10-17 に読んだもの：Reflection の発表、モデルカード、開発者向けドキュメント、Hugging Face の公開記事。ベンチマークの数値は Reflection が報告したもので、モデルは動かしていません。公式ページだけを引用し、そこにないことは付け加えていません。

タイムライン

2026年10月5日
Reflection は初のオープンウェイトモデルとして Beam を発表します。総パラメータ 501 billion、アクティブ 23 billion のスパースなエキスパート混合で、コーディング、推論、エージェント作業向けです。記事によれば、事前学習は 23.8 兆トークンで行われ、強化学習の一回の実行は、10.5K 基の NVIDIA GB300 GPU 上で四週間かけて 1 億回を超えるロールアウトを生成しました。Beam は最終的なレッドチーム検証の最中だとされ、ウェイトリストによる早期アクセスと、同じ月内の重みの公開が約束されました。

Reflection: Introducing Beam
2026年10月8日
Reflection は発表を更新します。Beam のベンチマーク結果を更新し、ページの表は最新の数字を反映しており、他の結果は変わらないと述べています。

Reflection: Introducing Beam (update note)
2026年10月16日
重みが公開されます。Hugging Face が Apache 2.0 の Beam についての公開記事を出し、BF16、FP8、NVFP4 のチェックポイント、transformers、SGLang、vLLM への初日（day-0）の対応、Hugging Face Inference Providers 経由のアクセスを示します。同じ日に最終更新された Reflection のサービングドキュメントは、NVFP4 のダウンロードが 273 GiB、FP8 が 468.72 GiB、BF16 が 933.81 GiB だと記しています。

Hugging Face: Welcome Beam

約束と、それが守られた日

10 月 5 日の発表は二つのことを同時に行いました。Beam にできることを見せ、モデルは渡さなかったのです。記事は、Beam が「最終的なレッドチーム検証と評価の最中」で、読者を早期アクセスのウェイトリストへ案内し、重み、技術レポート、モデルカード、開発者向けの成果物を「今月後半に」公開すると述べています。重みは Apache 2.0 ライセンスで公開され、モデルを動かし、評価し、ファインチューニングするためのドキュメントと一式も付くとしています。

十一日後、10 月 16 日付の Hugging Face の公開記事が出て、ライセンスをはっきり書いています。Apache 2.0 です。重みをダウンロードするための開発者ドキュメントのページも、同じ最終更新日です。月末のリリースを約束した会社として、これは早く、そして肝心な点で完全です。チェックポイントは存在し、ライセンスも名指しされていた寛容なものでした。

表現は重要です。ウェイトリストつきのプレビューは、リリースと混同されやすいからです。10 月 5 日から 10 月 16 日までは、Beam について読めてもダウンロードはできませんでした。10 月 16 日からはできます。この種の話には時系列のページが向いています。興味深い事実は、二つの日付の間の隔たりと、それが埋まったことだからです。

モデルカードによる Beam とは何か

モデルカードは Beam を、総パラメータ 501 billion、アクティブ 23 billion のスパースなエキスパート混合モデルとして説明し、コーディング、推論、エージェント型のワークロード向けに作られているとしています。入力はテキスト、出力もテキストです。コンテキストウィンドウは 1M トークン、語彙は 152K トークン、記載された知識のカットオフは 2026 年 6 月 30 日です。カードには 52 層が挙げられ、密な層が三つ、エキスパート混合が 49 層、エキスパートは 256 で、ゲート付きのグループ化クエリアテンションにスライディングウィンドウアテンションを組み合わせています。

Hugging Face の記事は、構成を具体的にする細部を加えています。大半の層は直前の 512 トークンに対するスライディングウィンドウアテンションを使い、六層ごとと最後の層は文脈全体を見ます。結果として、スライディングウィンドウの層が 43、グローバルな層が 9 です。長いコンテキストが負担できる理由はここにあります。記事は、52 層すべてがすべてのトークンを保持すると、キー・バリューキャッシュはトークンあたり 208 KiB 増えるが、グローバル層が 9 つだけなら 36 KiB の増加で済むと計算し、BF16 で 100 万トークンの系列を満たすと約 36 GiB になると示しています。これは Hugging Face による transformers 実装での数字で、系列ごとの値です。

各トークンで動くのは 256 のエキスパートのうち 8 つで、アクティブ 23 billion という数字はここから来ています。記事は帰結を直接述べています。256 のエキスパートがすべてメモリに残るので、配備には 501B モデル分のメモリが必要でありながら、速度はおおよそ 23B モデル並みです。この一文を覚えておいてください。次のハードウェアの節の説明になります。

効率の主張と、その読み方

Reflection は、Beam が最強のオープンモデルだとは売り込んでいません。発表は、はっきりそれを認めています。Beam は、コーディングとエージェントのタスクで、GLM 5.2 のようなより大きなオープンモデルと渡り合い、Qwen 3.8-Max に近づいているが、Kimi K3 のような最先端のオープンモデルは、純粋な能力ではまだ先にいる、と。主張する強みは推論時の効率です。高度な推論ベンチマークで GLM-5.2 に匹敵するスコアを、推論の計算量を三分の一から四分の一にして出しているというものです。

記事は、この比較がどう組み立てられたかについて率直です。計算量を、アクティブパラメータ数のおよそ二倍に、試行ごとの平均生成トークン数を掛けたものと見積もり、データは Artificial Analysis と DataCurve のものを使い、この見積もりにはプロンプトのプリフィル、文脈に依存するアテンション、サービングのオーバーヘッドが含まれないと述べています。自らの言葉で、これは近似的な計算量の比較で、実測の推論コストを示すものではありません。この率直さは役に立ちますが、見出しの比率はコストの推算にすぎず、それに対応する請求書があるわけではないということでもあります。

モデルカードはこの数字をやや控えめに述べています。Beam は、推論時の推論トークンをおよそ三分の一にしながら、主要なオープンモデルに匹敵する解の質に達するというものです。どちらの記述も Reflection によるものです。私たちが読んだページのどれにも独立した評価は引用されていないので、第三者が再現するまで、ベンチマークの数字はすべて提供元の報告として扱ってください。

カードは三つのチェックポイント形式それぞれのスコアを載せています。たとえば SWE-Bench Verified では、BF16 が 81.6%、FP8 が 80.2%、NVFP4 が 80.7% で、Terminal-Bench 2.1 では 80.1%、78.9%、78.4% です。ほとんどの行で形式間の差は小さく、それがその表の趣旨です。安い形式で動かすなら、近い結果は期待できても、同一の結果は期待しないでください。

動かすのに何が要るか

ここで、アクティブ 23B のモデルは小さく聞こえなくなります。Reflection 自身のサービングガイドは、Docker と NVIDIA Container Toolkit を備えた Linux amd64 ホストに、NVLink でつないだ NVIDIA B300 GPU を四枚求め、チェックポイントが大きいので先にディスクの空きを確認するよう注意しています。NVFP4 のチェックポイントは 273 GiB、FP8 は 468.72 GiB、BF16 は 933.81 GiB です。

Hugging Face の記事は、ハードウェアの考え方をより一般的に述べています。NVFP4 は BF16 のチェックポイントを約 1 TB から約 280 GB に縮め、Blackwell GPU ではネイティブに動きますが、H200 のような古い世代では動きません。FP8 は Hopper と Ampere 向けの形式です。記事は、180 GB の B200 を二枚使えば重みは収まるが余裕はほとんど残らないとし、B200 を四枚で計画するよう勧め、8×B200 のノード一式、288 GB の B300 を二枚、RTX Pro 6000 を八枚という選択肢も挙げています。そのハードウェアがない人には Inference Providers を案内し、公開時の提供元として Baseten、Fireworks、Together を挙げています。

ですから、個人の開発者にとっての正直な要約はこうです。Beam はライセンスの意味ではオープンで、ハードウェアの意味では、まぎれもなくデータセンター向けのモデルです。ここで Apache 2.0 の恩恵をいちばん受けやすいのは、コーディングモデルを自分でホストし、ファインチューニングし、蒸留したいチームで、モデルカードによれば Reflection は蒸留、ファインチューニング、量子化、マージを禁じていません。

確認できなかったこと

Beam の推論効率の比率が、他人のサービング環境でも成り立つかどうか。Reflection は自分たちの計算を見積もりと呼んでおり、公式ページに独立した測定は見つかりませんでした。
完全な安全性評価。カードは Reflection 自身の Iris Safety Evaluations による拒否率と応諾率を報告し、別の安全性レポートを案内していますが、私たちはそれを通読していません。
クローズドなモデルとの比較。私たちが引用するページは、Beam をオープンモデルとだけ比べています。

私たちの見方

今年のオープンウェイトの公開の基準では、Beam はきれいなリリースです。日付のある発表、明示された期限、寛容なライセンス、三つのチェックポイント形式、初日から動くサービング手順がそろっています。弱いのは位置づけです。効率の主張は最も言いやすく、最も確かめにくいもので、ページ自身も比較は近似だと述べています。このページは更新し続ける時系列として残します。独立した評価、技術レポート、ライセンス上の細かな問題が出たら、日付つきのノードと更新履歴のエントリを加え、事実が変われば冒頭の結論も変わります。

本サイトの関連記事：Ling-3.1-flash のアクティブ 25B の設計がハードウェアにどう対応するかは、別のエキスパート混合モデルについて、同じメモリと速度の話を述べています。Muse Spark Open の時系列は、同じ週のもう一つの大きなオープンウェイトのリリースを扱っています。

よくある質問

Reflection Beam はオープンソースですか。

Reflection と Hugging Face によれば、重みは Apache 2.0 ライセンスで公開されています。私たちが読んだページを見る限り、学習データと完全な学習レシピはリリースに含まれていません。

Beam の重みはいつ公開されましたか。

Reflection は 2026 年 10 月 5 日に Beam を発表し、Hugging Face が公開記事を出した 2026 年 10 月 16 日には重みが公開されていました。

Beam にはどんなハードウェアが必要ですか。

Reflection のサービングガイドは、273 GiB の NVFP4 チェックポイントに NVIDIA B300 GPU 四枚を挙げています。FP8 は 468.72 GiB、BF16 は 933.81 GiB です。

更新履歴

2026年10月17日 — 初回公開。