Reflection（リフレクション）、初のオープンモデル Beam（ビーム）を公開総パラメータ501B・アクティブ23B・文脈100万トークンをApache 2.0で、SWE-bench Verified 81.6%は同社提供の数字

米国の新しいAIラボ Reflection（リフレクション）が、初のモデル Beam（ビーム）をオープンウェイトで公開しました。Hugging Faceのブログ（ページ上の公開日は2026年10月16日）によると、正式名は Beam-1.0-501B-A23B。総パラメータ501B、トークンあたりのアクティブ23BのMixture-of-Experts（MoE）で、入力はテキストのみ、文脈は100万トークン、ライセンスは Apache 2.0 です。

3行まとめ

1. Reflection初のモデル Beam-1.0-501B-A23B（総501B・アクティブ23B・文脈100万トークン）が、Apache 2.0でHugging Faceに登場
2. SWE-bench Verified 81.6%、Terminal Bench v2.1 80.1%、AIME 2026 97.7%（いずれもBF16版・Reflectionチーム提供の数字）
3. BF16は約1TB、NVFP4は約280GB。B200なら4基を推奨。GPUがなければInference Providers（Baseten・Fireworks・Together）で試せる

本記事の内容は、日本時間10月16日22時台に公式ページで確認したものです。

Beamは何ができるモデルか

Hugging Faceのブログは、Beamを「コーディングとエージェント用途に焦点を当てたモデル」と説明しています。想定する利用者は、自社のハードウェアやクラウドでフロンティア規模のモデルを動かし、自分の用途に合わせて調整したいチームです。専用のRust製オープンソースのハーネス（実行環境）も付属し、モデルの性能を引き出すと書かれています。

モデルカードの「主な能力」には、次の4点が並びます（Reflectionの記述）。

• トークン効率の高い推論: 主要なオープンモデルと同程度の解答品質を、推論時の思考トークンをおよそ3分の1にして得られるとしています
• ソフトウェア開発: 実在のGitHub issueの解決、CLIやDevOps環境での作業
• エージェントとしてのツール利用: 長い手順のタスク、MCP連携、ブラウジング
• 数学・科学の推論

推論の深さは "low"・"medium"（既定）・"high"・"xhigh"・"max" の5段階で、思考内容を会話をまたいで保持する preserve_thinking にも対応するとブログにあります。ただし、モデルカードのページに含まれるチャットテンプレートのコメントでは、段階に "minimal" もあり、指定しない場合の既定は "max" と書かれていて、ブログの説明と食い違います。なお、モデルカードに載る知識の期限は2026年6月30日です。

仕組み: 501Bを抱えて23Bの速さで動く

ブログの説明では、256個のエキスパートのうち1トークンあたり8個だけを動かします。全エキスパートをメモリに置く必要があるので、必要なメモリは501B相当、計算の速さは23B相当です。

• 52層（最初の3層が通常のMLP、残り49層がMoE）
• 注意機構は、大半の層が直近512トークンだけを見るスライディングウィンドウ、6層ごと＋最終層の計9層が全文脈を見る
• そのためKVキャッシュの増え方は1トークンあたり36 KiB。全層が全文脈を見る場合（208 KiB）の約6分の1で、100万トークン時は36.08 GiB（同じ条件で208 GiB）

数字はいずれもブログの記載で、BF16・1シーケンスあたり、transformersの動的キャッシュでの値です。

成績: 同社提供の数字を一部だけ抜き出す

ブログはベンチマーク表を「Reflectionチームが提供した」結果として載せています。モデルカードの注記では、評価は temp=0.7、top_p=0.99 で実施されています。BF16・FP8・NVFP4の3つの数値精度ごとの結果から、主なものを抜き出します。

この表には他社モデルの列がありません。本記事が確認した3ページには、Beamを他のモデルと並べた比較表は見当たりませんでした。「ほかのモデルより上か下か」は、この発表だけでは言えません。同系統のオープンモデルとしては、Meta、オープンウェイトの「Muse Spark Open」（約816B・アクティブ約42B）の記事もあります。

量子化の影響は表から読めます。NVFP4はBF16より多くの項目でわずかに下がりますが、SWE Bench Pro v2-Hard（BF16 76.5%、NVFP4 78.6%）のように上がる項目もあります。

どこで、どのくらいのGPUで動かせるか

推論を速める投機的デコード（DFlash2）用の小型ドラフトモデルも用意されています。

手を入れて育てる: 微調整の手順と数字

ブログは、TRLによる教師あり微調整（SFT）と、MilesによるGRPO（強化学習）の手順を載せています。

• LoRAでのSFTは、B300 8基の1ノードで毎秒約19,000トークン。H100なら4ノードです。思考を指定言語で行わせる微調整では、1エポック後に保留した16問中16問で指定言語の思考になり、元のモデルは3問でした。ブログは、これは言語の守られ方を見る小規模な評価で、推論の正しさを測るものではないと断っています
• GRPOは、全パラメータ更新が96基のH200（学習64・生成32）、LoRAが32基のH200（学習16・生成16）という参考構成です

Reflectionは、Beamを使って作ったSpaces・モデル・データセットのうち優れたものに、Hubクレジット1万ドル分を出すとしています。

Hugging Faceが5つのタスクで試した結果（「雰囲気評価」）

ブログには、5つのタスクを低・高の2段階の推論の深さで1回ずつ動かした記録があります。ブログ自身が「ベンチマークではなく雰囲気評価（vibe evals）」と位置づけたもので、全入出力は公開バケットにあるとのことです。

• 低でも高でも成功: 複数手順のツール呼び出し、サンドボックス内のターミナル作業、構造化出力（厳密なJSON変換）
• 低で失敗: コードベース上の長文脈検索。コードの挙動と6つの引用は正しかったが、指定のパーサー形式に合わない出力だった。ブログは「一部はプロンプトの曖昧さ」と書いています
• 低で不完全: AIME形式の数学。答えは正しいが、求められた根拠が抜けていた。高では正しい根拠が付いた

思考トークン量は低で544〜1,613、高で811〜5,007と、タスクによって大きく変わります。

出典を読んで引っかかった点と、まだ分からないこと

日本時間22時7分にブログとモデルカードを取得して突き合わせたところ、気づいた点が2つあります。

1. 同じ数字が表記によって違う。Terminal Bench v2.1のNVFP4は、ブログが78.2%、モデルカードが78.4%でした。AutomationBenchのBF16もブログでは「39.3」と%なしで、モデルカードでは「39.3%」です。どちらが正かは確認できていません。
2. ブログのコード例のモデルIDが揺れている。transformersの例は reflectionai/Beam-1.0-501B-A23B、そのほかの例とモデルカードのURLは reflection/Beam-1.0-501B-A23B です。コピーして使う前にHugging Face上のIDを確かめてください（本記事では実行していません）。

そのほか、今回取得したページから言える範囲の未確認事項です。

• 成績はReflection提供の数字。第三者による再現は、取得したページには見当たりません。技術報告書はモデルカードに「coming」とあり、未公開です
• 日本語。モデルカードは「主に英語向けに開発された」とし、言語タグも英語のみです。日本語での性能を示す数字は、3ページのどこにもありませんでした
• 料金。Inference Providersでの料金は、取得したページに記載がありません
• 安全性。モデルカードは、Reflection独自の評価セット（Iris Safety Evaluations）で有害な依頼への拒否・回避率が88.9%（BF16）、無害な依頼への対応率が81.5%と載せ、詳細は別の安全性レポートに任せています。そのレポートは今回取得していません
• ダウンロード数。モデルカードの表示は、取得時点で直近1か月440、いいね10でした。公開直後の数字です

同時に出た周辺: Mirror CLI

Reflectionの開発者ドキュメントのバナーには「Beam 1.0がオープンウェイト、Reflection API、Mirror CLI（ベータ）とともに出た」とあります。Mirror CLIはターミナル用のコーディングエージェントで、既定でBeam-1.0-501B-A23Bを使います。ドキュメントによると、既定は「手動承認」モードで、シェルコマンドやファイル編集の前に一時停止して確認します。承認モードは「サンドボックスではない」とも明記されています。「早期ベータで、コマンドや挙動はリリース間で変わりうる」という注意書きもあります。

出典と確認時刻

本記事は、次の3ページを日本時間2026年10月16日22時7分に取得して書きました。製品は試していません。

• Welcome Beam: a 501B open model you can own, customize, and scale（Hugging Face公式ブログ）
• reflection/Beam-1.0-501B-A23B（モデルカード）
• Mirror CLI overview（Reflection Developer Docs）

本記事は続報があり次第更新します。