Стартап Reflection AI представил модель Beam Reflection — открытую по весам языковую модель на 501 млрд параметров. Компания утверждает, что она сопоставима с сильными китайскими моделями в задачах рассуждений, программирования и агентных сценариях, но требует в 3–4 раза меньше вычислений при инференсе. Для российских команд это очередной сигнал: конкурировать за корпоративный ИИ будут не только закрытые API крупных лабораторий, но и модели, которые можно разворачивать в собственном контуре.
Beam — текстовая mixture-of-experts-модель: из 501 млрд параметров при обработке запроса активны 23 млрд. Она предварительно обучена на 23,8 трлн токенов, поддерживает контекст длиной до миллиона токенов и дообучалась с применением высокозатратного reinforcement learning. О запуске модели Beam Reflection сообщает TechCrunch. Веса и подробную техническую документацию стартап обещает выпустить в течение октября, а распространение организовать через гиперскейлеров, neocloud-провайдеров и интеграции с библиотеками open source.
Главная ставка Reflection — не на очередной чат-бот, а на рабочую базовую модель для компаний, госсектора и разработчиков. Формулировка «open-weight» здесь важнее привычного «open source»: компания собирается открыть веса, но из сообщения не следует, что она выпустит весь код, датасеты и процесс обучения. Для бизнеса это всё равно заметно расширяет варианты внедрения: модель можно адаптировать под внутренние документы, кодовую базу и отраслевые процессы, не отправляя чувствительные данные во внешний API.
Reflection сравнивает Beam с китайской GLM-5.2 от Z.ai, у которой, по данным стартапа, около 744 млрд параметров и 40 млрд активных. На сложных тестах на рассуждение Beam якобы показывает сопоставимый результат, а ведущие западные открытые модели опережает. Независимой проверки этих цифр пока нет — к корпоративным бенчмаркам в ИИ стоит относиться как к презентации нового смартфона: полезно посмотреть, но покупать на одном слайде не стоит.
Самое интересное в заявлении — заявленная экономия на инференсе. Обучить крупную модель могут единицы, а платить за её ежедневную работу приходится каждому заказчику. Если модель Beam Reflection действительно выдаёт сравнимое качество при втрое или вчетверо меньшем вычислительном бюджете, она может оказаться привлекательнее не только для лабораторий, но и для компаний с большим потоком задач: генерации кода, поиска по внутренним знаниям, анализа документов и автономных агентов.
На рынке открытых моделей Reflection пытается занять непростую позицию между несколькими лагерями. С одной стороны — закрытые платформы OpenAI и Anthropic. С другой — китайские разработчики DeepSeek, Qwen и Z.ai, чьи модели стали ориентиром по соотношению возможностей и стоимости. В западном сегменте компании придётся соперничать с Mistral, Meta, Cohere и Thinking Machines Lab. Последняя в июле выпустила Inkling: по собственным тестам Reflection, Beam обходит её в четырёх задачах программирования, где опубликованы результаты обеих моделей. Но сравнение неполное: Inkling работает не только с текстом, тогда как Beam мультимодальность не поддерживает.
У Reflection есть ресурсы для такой гонки. Стартап из Бруклина, основанный в 2024 году двумя бывшими исследователями Google DeepMind, привлёк около $4,7 млрд от Nvidia, Sequoia Capital и Lightspeed Venture Partners, по данным PitchBook. Предыдущий раунд оценивал компанию в $25 млрд до привлечения инвестиций. Летом Reflection также заключила соглашения с SpaceX и Nebius общей стоимостью более $7 млрд, чтобы получить доступ к Nvidia GB300 до 2029 года. В эпоху дефицита ускорителей это не второстепенная деталь, а почти отдельный продукт.
Монетизировать модели компания хочет через «ИИ-фабрики» — локальные системы, которые организация обучает на собственных данных и использует в своей инфраструктуре. Концепция особенно рассчитана на крупный бизнес и государства, которым нужны контроль над данными, кастомизация и предсказуемая экономика вычислений. По данным Axios, интерес к таким системам проявляют хедж-фонды и трейдинговые компании; Reflection уже тестирует партнёрство по суверенной ИИ-фабрике с южнокорейской Shinsegae Group.
Рынок получит ответ на главный вопрос после публикации весов: подтвердятся ли обещанные качество и эффективность вне собственных тестов Reflection. Если да, западным заказчикам станет проще строить локальный ИИ-стек без выбора между дорогими закрытыми сервисами и зависимостью от китайских моделей. Исходные детали запуска собраны в материале .