Skip to content
FrontierDot

Reflection Beam: 10월 5일 프리뷰에서 Apache 2.0 가중치 공개까지, 필요한 하드웨어

계속 갱신되는 타임라인 · 마지막 업데이트 · 업데이트 기록 1건

Reflection은 가중치를 ‘이달 말’에 내놓겠다고 했고, 열하루 뒤 그렇게 했다. 릴리스는 사실이다. 정작 대부분의 글이 건너뛰는 것은 돌리는 데 무엇이 필요한가다.

Reflection의 Beam은 10월 5일 프리뷰와 대기자 명단에서 10월 16일 공개된 Apache 2.0 가중치로 이어졌다. 코딩과 에이전트용 501B 파라미터, 활성 23B 텍스트 모델이며 효율성 주장은 Reflection 자신의 것이다.

2026-10-17에 읽은 것: Reflection의 발표, 모델 카드, 개발자 문서, Hugging Face 공개 글. 벤치마크 수치는 Reflection이 보고한 것이며 모델은 돌리지 않았다. 공식 페이지만 인용하고, 거기에 없는 것은 덧붙이지 않았다.

타임라인

  1. Reflection이 첫 오픈 웨이트 모델로 Beam을 소개한다. 총 파라미터 5010억, 활성 230억의 희소 전문가 혼합으로, 코딩, 추론, 에이전트 작업을 위해 만들어졌다. 글에 따르면 사전학습은 23.8조 토큰으로 했고, 강화학습 한 번의 실행이 10.5K개의 NVIDIA GB300 GPU에서 4주 동안 1억 개가 넘는 롤아웃을 생성했다. Beam은 최종 레드팀 검증 중이며 대기자 명단으로 조기 접근을 받고, 가중치는 같은 달 안에 공개한다고 약속했다.

    Reflection: Introducing Beam

  2. Reflection이 발표를 갱신한다. Beam의 벤치마크 결과를 업데이트했으며 페이지의 표가 최신 수치를 반영하고 나머지 결과는 그대로라고 밝힌다.

    Reflection: Introducing Beam (update note)

  3. 가중치가 공개된다. Hugging Face가 Apache 2.0 Beam에 대한 공개 글을 올리며 BF16, FP8, NVFP4 체크포인트, transformers·SGLang·vLLM의 첫날(day-0) 지원, Hugging Face Inference Providers를 통한 접근을 소개한다. 같은 날 마지막으로 수정된 Reflection의 서빙 문서는 NVFP4 다운로드가 273 GiB, FP8이 468.72 GiB, BF16이 933.81 GiB라고 적는다.

    Hugging Face: Welcome Beam

약속, 그리고 그것이 지켜진 날

10월 5일 발표는 두 가지를 동시에 했다. Beam이 무엇을 할 수 있는지 보여 주었고, 모델은 내주지 않았다. 글은 Beam이 “최종 레드팀 검증과 평가 중”이라고 밝히고, 독자를 조기 접근 대기자 명단으로 안내하며, 가중치, 기술 보고서, 모델 카드, 개발자용 산출물을 “이달 말”에 공개하겠다고 말한다. 가중치는 Apache 2.0 라이선스로 나오며, 모델을 돌리고 평가하고 파인튜닝하기 위한 문서와 전체 스택도 함께 제공한다고 했다.

열하루 뒤인 10월 16일 자로 Hugging Face 공개 글이 올라왔고 라이선스를 분명히 적었다. Apache 2.0이다. 가중치를 내려받는 개발자 문서 페이지도 같은 최종 수정일을 갖는다. 월말 릴리스를 약속한 회사로서는 이르고, 중요한 점에서 완전하다. 체크포인트는 존재하고 라이선스는 예고한 허용적인 것이다.

표현이 중요한 것은 대기자 명단이 있는 프리뷰와 릴리스는 혼동하기 쉽기 때문이다. 10월 5일부터 10월 16일까지는 Beam에 대해 읽을 수는 있어도 내려받을 수는 없었다. 10월 16일부터는 가능하다. 이런 이야기에는 타임라인 페이지가 알맞다. 흥미로운 사실은 두 날짜 사이의 간격과 그것이 메워졌다는 점이기 때문이다.

모델 카드로 본 Beam

모델 카드는 Beam을 총 파라미터 5010억, 활성 230억의 희소 전문가 혼합 모델로 설명하며 코딩, 추론, 에이전트 워크로드용으로 만들어졌다고 한다. 텍스트를 받아 텍스트를 낸다. 컨텍스트 윈도는 100만 토큰, 어휘는 15.2만 토큰이며 명시된 지식 기준일은 2026년 6월 30일이다. 카드에는 52층이 적혀 있고, 밀집층 3개와 전문가 혼합 49층, 전문가 256개, 게이트 그룹 쿼리 어텐션에 슬라이딩 윈도 어텐션을 결합한 구조다.

Hugging Face 글은 구성을 구체적으로 만드는 세부를 더한다. 대부분의 층은 직전 512토큰에 대한 슬라이딩 윈도 어텐션을 쓰고, 여섯 번째 층마다와 마지막 층은 전체 컨텍스트를 본다. 결과적으로 슬라이딩 윈도 층이 43개, 글로벌 층이 9개다. 긴 컨텍스트를 감당할 수 있는 이유다. 글은 52층 모두가 모든 토큰을 보관하면 키-값 캐시가 토큰당 208 KiB 늘지만 글로벌 층이 9개뿐이면 36 KiB만 늘어난다고 계산하고, BF16에서 100만 토큰 시퀀스를 채우면 약 36 GiB라고 제시한다. 이는 Hugging Face가 transformers 구현에서 낸 수치이며 시퀀스당 값이다.

토큰마다 전문가 256개 중 8개가 돌아가는데, 활성 230억이라는 수치가 여기서 나온다. 글은 귀결을 직접 말한다. 256개 전문가가 모두 메모리에 남으므로 배포에는 501B 모델의 메모리가 필요하지만 속도는 대략 23B 모델 수준이다. 이 문장을 기억해 두자. 아래 하드웨어 절의 설명이 된다.

효율성 주장과 읽는 법

Reflection은 Beam이 가장 강한 오픈 모델이라고 내세우지 않는다. 발표가 직접 그렇게 밝힌다. Beam은 코딩과 에이전트 과제에서 GLM 5.2 같은 더 큰 오픈 모델과 견줄 만하고 Qwen 3.8-Max에 근접하지만, Kimi K3 같은 최전선 오픈 모델이 순수 능력에서는 여전히 앞선다고 한다. 주장하는 강점은 추론 시점의 효율이다. 고급 추론 벤치마크에서 GLM-5.2와 비슷한 점수를 추론 연산 3분의 1에서 4분의 1로 낸다는 것이다.

글은 이 비교를 어떻게 구성했는지 솔직하다. 연산량을 활성 파라미터 수의 약 두 배에 시도당 평균 생성 토큰 수를 곱한 값으로 추정했고, 데이터는 Artificial Analysis와 DataCurve에서 가져왔으며, 이 추정에는 프롬프트 프리필, 컨텍스트에 따른 어텐션, 서빙 오버헤드가 빠졌다고 밝힌다. 자기 말로 이것은 근사적인 연산 비교이며 실측 추론 비용이 아니다. 이런 솔직함은 쓸모 있고, 동시에 헤드라인의 비율이 비용의 모형일 뿐 청구서가 아님을 뜻한다.

모델 카드는 이 수치를 조금 누그러뜨려 말한다. Beam은 추론 시점의 추론 토큰을 대략 3분의 1로 줄이면서 주요 오픈 모델과 비슷한 해법 품질에 이른다는 것이다. 두 진술 모두 Reflection이 한 것이다. 우리가 읽은 어떤 페이지에도 독립적인 평가는 인용되지 않았으므로, 제3자가 재현하기 전까지 모든 벤치마크 수치는 제공자 보고로 취급하자.

카드는 세 체크포인트 형식 각각의 점수를 싣는다. 예를 들어 SWE-Bench Verified에서는 BF16이 81.6%, FP8이 80.2%, NVFP4가 80.7%이고, Terminal-Bench 2.1에서는 80.1%, 78.9%, 78.4%다. 대부분의 행에서 형식 간 차이는 작으며, 그 표의 취지가 바로 그것이다. 더 싼 형식으로 돌린다면 동일하지는 않아도 비슷한 결과를 기대해야 한다.

돌리는 데 필요한 것

여기서 활성 23B 모델은 더 이상 작게 들리지 않는다. Reflection 자체의 서빙 가이드는 Docker와 NVIDIA Container Toolkit이 있는 Linux amd64 호스트에 NVLink로 연결된 NVIDIA B300 GPU 네 장을 요구하며, 체크포인트가 크니 먼저 디스크 여유를 확인하라고 일러 준다. NVFP4 체크포인트는 273 GiB, FP8은 468.72 GiB, BF16은 933.81 GiB다.

Hugging Face 글은 하드웨어 사고방식을 더 일반적으로 설명한다. NVFP4는 BF16 체크포인트를 약 1 TB에서 대략 280 GB로 줄이고 Blackwell GPU에서 네이티브로 돌지만 H200 같은 이전 세대에서는 돌지 않는다. FP8은 Hopper와 Ampere용 형식이다. 글은 180 GB짜리 B200 두 장이면 가중치는 들어가지만 여유가 거의 남지 않는다고 하며, B200 네 장으로 계획하라고 권하고, 8×B200 노드 전체, 288 GB짜리 B300 두 장, RTX Pro 6000 여덟 장도 대안으로 든다. 그런 하드웨어가 없는 사람에게는 Inference Providers를 안내하며 출시 시점의 제공자로 Baseten, Fireworks, Together를 꼽는다.

그러니 개인 개발자를 위한 솔직한 요약은 이렇다. Beam은 라이선스 측면에서는 열려 있고, 하드웨어 측면에서는 영락없는 데이터센터 모델이다. 여기서 Apache 2.0의 혜택을 가장 잘 누릴 수 있는 쪽은 코딩 모델을 직접 호스팅하고 파인튜닝하고 증류하려는 팀이며, 모델 카드에 따르면 Reflection은 증류, 파인튜닝, 양자화, 병합을 금지하지 않는다.

확인하지 못한 것

  • Beam의 추론 효율 비율이 다른 사람의 서빙 환경에서도 성립하는지. Reflection은 자체 계산을 추정이라 부르며, 공식 페이지에서 독립적인 측정치는 찾지 못했다.
  • 전체 안전성 평가. 카드는 Reflection 자체 Iris Safety Evaluations의 거부율과 순응률을 보고하고 별도의 안전 보고서를 안내하는데, 우리는 끝까지 읽지 않았다.
  • 비공개 모델과의 비교. 우리가 인용하는 페이지는 Beam을 오픈 모델하고만 비교한다.

우리의 판단

올해 오픈 웨이트 출시의 기준으로 Beam은 깔끔한 릴리스다. 날짜가 있는 발표, 밝힌 기한, 허용적인 라이선스, 세 가지 체크포인트 형식, 첫날부터 동작하는 서빙 레시피가 갖춰져 있다. 약한 곳은 프레이밍이다. 효율성 주장은 하기 가장 쉽고 검증하기 가장 어려우며, 페이지 스스로도 비교가 근사치라고 말한다. 이 페이지는 계속 갱신되는 타임라인으로 둔다. 독립적인 평가, 기술 보고서, 라이선스상의 까다로운 문제가 나오면 날짜가 붙은 항목과 갱신 기록을 추가하고, 사실이 바뀌면 맨 위 결론도 바뀐다.

이 사이트의 관련 글: Ling-3.1-flash의 활성 25B 설계가 하드웨어에 어떻게 대응하는지는 다른 전문가 혼합 모델에 대해 같은 메모리 대 속도 이야기를 하고, Muse Spark Open 타임라인은 같은 주의 또 다른 대형 오픈 웨이트 릴리스를 다룬다.

이어서 읽기

모든 글은 최신순으로 Front 블로그 목록에 있습니다.

자주 묻는 질문

Reflection Beam은 오픈소스인가요?

Reflection과 Hugging Face에 따르면 가중치는 Apache 2.0 라이선스로 공개돼 있다. 우리가 읽은 페이지로 보면 학습 데이터와 전체 학습 레시피는 릴리스에 포함되지 않는다.

Beam의 가중치는 언제 공개됐나요?

Reflection은 2026년 10월 5일 Beam을 발표했고, Hugging Face가 공개 글을 올린 2026년 10월 16일에는 가중치가 공개돼 있었다.

Beam에는 어떤 하드웨어가 필요한가요?

Reflection의 서빙 가이드는 273 GiB NVFP4 체크포인트에 NVIDIA B300 GPU 네 장을 든다. FP8은 468.72 GiB, BF16은 933.81 GiB다.

업데이트 기록

  • — 최초 게시.

출처