Reflection AI представляет модель Beam для конкуренции с китайскими аналогами

Согласно материалу TechCrunch, компания Reflection AI официально представила Beam, свою первую открытую модель искусственного интеллекта. Стартап из Бруклина, основанный два года назад, утверждает, что Beam соответствует производительности ведущих китайских открытых моделей по продвинутым критериям рассуждений при значительно более низких затратах, что может активизировать гонку за созданием западного аналога DeepSeek, Qwen и Z.ai. Объявление Reflection подтверждает информацию, опубликованную Axios в выходные, о том, что стартап близок к запуску. Компания поделилась новыми подробностями в длинном блоге в понедельник, в котором описала Beam как текстовую модель, основанную на смеси экспертов, обученную с использованием высокопроизводительного обучения с подкреплением, чтобы быть эффективной в задачах рассуждения, программирования и агентных задачах при "меньших затратах на токены и времени вывода" по сравнению с конкурентами. Beam представляет собой модель с 501 миллиардом параметров, из которых 23 миллиарда активны. Она была предварительно обучена на 23,8 триллионах токенов и имеет контекстное окно в 1 миллион токенов. Для сравнения, GLM-5.2 от Z.ai имеет примерно 744 миллиарда параметров и 40 миллиардов активных параметров. Хотя утверждения о производительности Reflection еще не были независимо проверены, компания заявляет, что Beam показывает результаты на уровне GLM-5.2 и превосходит ведущие западные открытые модели, используя "в 3-4 раза меньше вычислительных ресурсов" для вывода. Reflection называет свою модель "рабочей лошадкой" для предприятий, государственного сектора и разработчиков. Reflection позиционирует себя против закрытых лабораторий, таких как Anthropic и OpenAI, а также против популярных открытых моделей от китайских разработчиков и западных игроков, таких как Mistral, Meta и Cohere. Наиболее прямым конкурентом в США может быть Inkling, открытая модель от Thinking Machines Lab, выпущенная в июле. Собственные тесты Reflection показывают, что Beam превосходит Inkling в четырех тестах программирования, где обе модели сообщают результаты, но Inkling является мультимодальной моделью, а Beam — только текстовой. Reflection была основана в 2024 году двумя бывшими исследователями Google DeepMind и привлекла около 4,7 миллиарда долларов от инвесторов, включая Nvidia, Sequoia Capital и Lightspeed Venture Partners, согласно PitchBook. Последний раунд оценил компанию в 25 миллиардов долларов до выхода на рынок. Стартап также активно заключает сделки для обеспечения вычислительных мощностей — ключевого элемента, необходимого для обучения передовых моделей, способных привлечь клиентов от закрытых моделей Anthropic и OpenAI, а также более дешевых открытых моделей от китайских лабораторий. Этим летом Reflection подписала контракты на общую сумму более 7 миллиардов долларов с SpaceX и Nebius для обеспечения доступа к чипам Nvidia GB300 до 2029 года. Reflection нацелена на Beam и будущие модели для предприятий и суверенных государств. Предложение заключается в создании "фабрик ИИ", продукта, который позволит учреждениям создавать свои собственные кастомизированные локальные системы ИИ, обучая модели Reflection на своих собственных данных. Генеральный директор Nvidia Дженсен Хуанг, поддерживающий Reflection, давно продвигает идею "фабрики ИИ" и стремится укрепить экосистему открытого ИИ — видение, которое также принесет выгоду Nvidia, чьи графические процессоры будут питать эти системы. Axios сообщал, что хедж-фонды и торговые компании заинтересованы в создании таких систем. Reflection уже начала тестирование концепции партнерства по созданию суверенной фабрики ИИ с группой Shinsegae в Южной Корее. Reflection заявляет, что в этом месяце выпустит веса Beam и полные технические детали, с распределением через гипермасштабируемые платформы и интеграциями с открытыми библиотеками при запуске. Reflection не ответила на запросы TechCrunch о дополнительной информации. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.