Reflection AI مدل Beam را معرفی کرد؛ ۵۰۱ میلیارد پارامتر
Beam نخستین مدل با وزن باز Reflection AI است: ترکیب خبرگان ۵۰۱ میلیاردی با ۲۳ میلیارد پارامتر فعال و مجوز Apache 2.0؛ وزنها اما هنوز منتشر نشده‌اند.
فهرست مطالب
Reflection AI روز ۵ اکتبر ۲۰۲۶ (۱۳ مهر ۱۴۰۵) از Beam رونمایی کرد: نخستین مدل با وزن باز این شرکت، یک مدل زبانی بزرگ از نوع ترکیب خبرگان خلوت (Sparse Mixture-of-Experts) با ۵۰۱ میلیارد پارامتر که در هر توکن فقط ۲۳ میلیارد آن فعال میشود و به گفته شرکت برای کدنویسی، استدلال و کارهای عامل‌محور ساخته شده است. مهم‌ترین نکته اما این است که وزنهای مدل Beam هنوز منتشر نشده‌اند: به نوشته وبلاگ Reflection AI، مدل در مرحله نهایی تیم قرمز (Red-teaming) و ارزیابی است و وزنها، گزارش فنی، کارت مدل و ابزارهای توسعهدهنده «همین ماه» (اکتبر ۲۰۲۶) با مجوز Apache 2.0 منتشر می‌شوند.
معماری مدل Beam: ۵۰۱ میلیارد پارامتر، ۲۳ میلیارد فعال
| ویژگی | مقدار |
|---|---|
| پارامتر کل | ۵۰۱ میلیارد |
| پارامتر فعال در هر توکن | ۲۳ میلیارد |
| معماری | ترکیب خبرگان خلوت، ۵۲ لایه |
| بیشترین کانتکست در یادگیری تقویتی | ۲۵۶ هزار توکن |
| کانتکست مؤثر | ۱ میلیون توکن (در مرحله میان‌آموزش) |
| توکن پیش‌آموزش | ۲۳٫۸ تریلیون |
| مجوز اعلامشده | Apache 2.0 |
این دو عدد دو صورتحساب جدا را تعیین می‌کنند. هزینه محاسباتی هر توکن در زمان اجرا با پارامتر فعال متناسب است، نه با پارامتر کل؛ پس Beam از نظر بار محاسباتیِ هر توکن به یک مدل ۲۳ میلیاردی نزدیکتر است تا به یک مدل ۵۰۱ میلیاردی. خود شرکت در پانویس نمودار بازدهی‌اش همین را تصریح کرده و تخمین FLOPs را «۲ × تعداد پارامتر فعال × میانگین توکن تولیدشده در هر تلاش» گرفته است.
صورتحساب دوم حافظه است و آن را پارامتر کل تعیین میکند: برای پاسخ دادن، همه ۵۰۱ میلیارد وزن باید جایی بارگذاری شده باشند. یک حساب سرانگشتی از خود DevNA، نه عددی از Reflection AI: با ۸ بیت برای هر پارامتر، تنها وزنها حدود ۵۰۱ گیگابایت می‌شوند، پیش از کش KV و سرریز سرویس‌دهی. Reflection AI هنوز عددی رسمی برای سخت‌افزار لازم یا قالب کوانتیزه‌شده اعلام نکرده است. یعنی ارزانیِ Beam در اجرا مشروط به داشتن جایی برای نگه داشتن وزن‌هاست؛ این مدل برای کارت گرافیک خانگی نوشته نشده و برای آن سناریو راهنمای اجرای محلی مدل با Ollama واقع‌بینانه‌تر است.
بنچمارکهای مدل Beam: همه ارقام از خود Reflection AI
| بنچمارک | نتیجه Beam |
|---|---|
| SWE-bench Verified | ۸۰٫۹ |
| SWE-Bench Pro v2-Hard | ۷۷٫۲ |
| Terminal-Bench v2.1 | ۸۰٫۱ |
| AIME 2026 | ۹۷٫۸ |
| GPQA Diamond | ۹۰٫۵ |
| MCP Atlas | ۷۸٫۷ |
| LongBench v2 | ۶۵٫۵ |
| IFBench | ۷۹٫۷ |
ادعای اصلی شرکت درباره بازدهی است: Beam روی بنچمارکهای استدلالی پیشرفته «نتایجی قابل‌مقایسه با GLM-5.2 می‌گیرد، با ۳ تا ۴ برابر محاسبات استنتاج کمتر». یک پارامتر «تلاش استدلالی» (reasoning effort) هم به کاربر امکان می‌دهد طول استدلال را با بودجه محاسباتی‌اش تنظیم کند.
این ارقام را با احتیاط بخوانید. همه‌شان را خود Reflection AI منتشر کرده و تا این لحظه ارزیابی مستقلی در دسترس نیست؛ ارقام مدلهای رقیب در همان جدول هم از Artificial Analysis و DataCurve نقل شده، نه از یک اجرای یکدست. شرکت در پانویس نمودار خودش می‌نویسد این تخمین‌ها «پیش‌پُر کردن پرامپت، عملیات توجه وابسته به کانتکست و سرریز سرویس‌دهی» را حساب نمی‌کنند و «یک مقایسه تقریبی محاسباتی‌اند، نه هزینه استنتاج اندازه‌گیری‌شده».
جدول بالا هم گزیده‌ای از جدول کامل شرکت است و همه ارقام آن جدول در این بازه نمی‌نشینند؛ روی بنچمارکهای سخت‌تر اعداد بسیار پایین‌ترند — مثلاً HLE بدون ابزار ۳۶٫۲، SWE Atlas Codebase QnA ۳۴٫۶ و tau3 banking ۳۸٫۰. این بنچمارک‌ها برای همه مدلهای امروزی سخت‌اند، اما نشان می‌دهند تصویر یکدست نیست.
خود شرکت هم جایگاه Beam را محتاطانه توصیف کرده است: آن را «رقیب مدلهای بازِ بزرگ‌تر مثل GLM-5.2» و «نزدیک‌شونده به Qwen 3.8-Max» در کدنویسی و کارهای عامل‌محور معرفی میکند و می‌نویسد جایی که مدلهای باز پیشرو مثل Kimi K3 در توان خام جلوترند، «برتری Beam بازدهی در زمان استنتاج است».
صورتحساب آموزش: ۲۳٫۸ تریلیون توکن و خوشه‌های GB300
پیش‌آموزش روی ۲۳٫۸ تریلیون توکن از وب، منابع عمومی و مجموعه‌داده‌های اختصاصی دارای مجوز انجام شده است؛ روی خوشه‌ای از ۶٬۱۴۴ پردازنده گرافیکی NVIDIA GB300 NVL72 و در کمتر از چهار هفته. مرحله یادگیری تقویتی (Reinforcement Learning) سنگین‌تر بود: حدود ۱۰٬۵۰۰ پردازنده GB300 در چهار هفته، بیش از ۱۰۰ میلیون rollout — هر rollout یک تلاش کامل برای حل یک تسک — با کانتکست حداکثر ۲۵۶ هزار توکن، نزدیک به یک میلیون محیط آموزشی در حوزه‌هایی از جمله مهندسی نرم‌افزار، ترمینال، کدنویسی رقابتی، جست‌وجوی وب و STEM و حدود ۱٫۳ میلیارد سندباکس برای اجرا و نمره‌دهی. کانتکست مؤثر یک میلیون توکنی هم در مرحله میان‌آموزش (Midtraining) ساخته شده، نه در پیش‌آموزش.
به نوشته Fortune، Reflection AI در مارس ۲۰۲۴ به‌دست دو پژوهشگر سابق Google DeepMind تأسیس شده است: میشا لسکین (Misha Laskin) که مدیرعامل شرکت است و یوآنیس آنتونوگلو (Ioannis Antonoglou) که سمت رئیس و مدیر ارشد فناوری را دارد.
وزنهای Beam کی منتشر می‌شوند؟
فعلاً Beam فقط در اختیار گروهی محدود از کاربران است و به نوشته Reflection AI، ثبتنام دسترسی اولیه از platform.reflection.ai انجام میشود. شرکت وعده داده همین ماه وزنها را با مجوز Apache 2.0 به‌همراه مستندات و «کل پشته لازم برای اجرا، ارزیابی و فاین‌تیون مدل» منتشر کند، با چند شریک توزیع و یکپارچه‌سازی با کتابخانه‌ها و هارنس‌های متن‌باز. قرار است ارزیابی‌های امنیتی داخلی هم متن‌باز شوند و نتایج‌شان در گزارش فنی بیاید. روز بعد Mistral هم Large 4 را با همین وعده به پیش‌نمایش رساند؛ با این تفاوت که نام مجوز وزن‌هایش را اعلام نکرد.
تا آن روز Beam یک وعده است، نه یک فایل؛ و اگر همین حالا به مدلی با وزن باز نیاز دارید، گزینه‌های منتشرشده روی میز می‌مانند: Kolibri-1 با ۷۸ میلیارد پارامتر و مجوز Apache 2.0 و Naive-N0.5-Flash با ۳۰۹ میلیارد پارامتر و مجوز MIT.
دیدگاه‌ها
دیدگاه‌ها پس از بررسی تحریریه منتشر می‌شوند. توهین، تبلیغ و لینک‌های بی‌ربط حذف می‌شوند؛ نقد فنی و مستند همیشه خوش‌آمد است.
هنوز کسی چیزی ننوشته. اولین دیدگاه را شما ثبت کنید.