أعلنت Reflection AI عن Beam، أول نموذج ذكاء اصطناعي مفتوح الأوزان من الشركة، مع تركيز واضح على البرمجة والاستدلال والمهام التي تنفذها وكلاء الذكاء الاصطناعي. يعتمد النموذج على بنية مزيج الخبراء المتناثر (Sparse Mixture-of-Experts)، ويضم 501 مليار معامل إجمالاً، لكن 23 ملياراً منها فقط تكون نشطة عند معالجة كل رمز.
تقول الشركة إن Beam دُرّب مسبقاً على 23.8 تريليون رمز مأخوذة من محتوى الويب ومجموعات بيانات خاصة مرخصة. كما يوفر نافذة سياق تبلغ مليون رمز، وهي سعة تستهدف التعامل مع مستندات ومهام طويلة. وإلى جانب التدريب المسبق، استخدمت Reflection AI التعلم المعزز على نطاق واسع لتحسين أداء النموذج.
تدريب مكثف وتركيز على كلفة الاستدلال
خلال مرحلة التعلم المعزز، شغّلت الشركة 10,500 وحدة معالجة رسومية Nvidia GB300 لمدة أربعة أسابيع، وأنتجت أكثر من 100 مليون عملية rollout. وبلغ عدد عمليات sandbox المستخدمة في التدريب والتقييم نحو 1.3 مليار عملية.
تضع Reflection AI كفاءة الاستدلال في صدارة رسالتها حول Beam. ووفق اختبارات الشركة، يقدم النموذج أداءً قريباً من GLM-5.2 من Z.ai في اختبارات الاستدلال المتقدم، مع استخدام قدرة حسابية أقل بثلاث إلى أربع مرات أثناء الاستدلال. غير أن هذه النتائج لم تخضع بعد لتحقق مستقل، كما أن الشركة تقر بأن نماذج مفتوحة أكبر، مثل Kimi K3، تتفوق على Beam في الأداء الخام في بعض الحالات.
نتائج البرمجة والتحكم في جهد الاستدلال
أفادت Reflection AI بأن Beam سجل 77.2 نقطة في SWE Bench Pro v2-Hard، و80.1 في Terminal Bench v2.1، و80.9 في SWE Bench Verified. وتقول الشركة إن النموذج ينافس GLM-5.2 ويقترب في بعض المهام من نماذج Qwen الأكبر، لكنها لا تدعي التفوق على المنافسين في جميع الاختبارات.
يتضمن Beam معامل reasoning effort يتيح للمستخدم تحديد مقدار الوقت الحسابي المخصص للاستدلال. وتنتج المستويات المنخفضة إجابات أقصر بتكلفة أقل، بينما تسمح المستويات الأعلى للنموذج باستخدام عدد أكبر من الرموز لمعالجة المهام المعقدة.
ما الذي يتغير عملياً؟
يعني هذا التصميم أن قيمة Beam لا تعتمد فقط على حجم النموذج أو أعلى نتيجة معيارية، بل على الموازنة بين جودة الإجابة والموارد المستخدمة لإنتاجها. وقد يفيد ذلك المطورين والمؤسسات التي تشغّل مهام برمجية أو وكلاء يعتمدون على استدعاء النموذج بصورة متكررة. لكن الفائدة العملية ستظل مرتبطة بنتائج مستقلة، وتكلفة البنية التحتية، وشروط إتاحة الأوزان والأدوات.
Beam نموذج نصي فقط، وليس متعدد الوسائط. ومع تزويده بإمكانية استخدام الأدوات والوصول إلى الويب، يستطيع البحث في مصادر مختلفة والاستفادة من المعلومات التي توفرها الأدوات الخارجية. وتقول Reflection AI إن النموذج تعلم أثناء التدريب استخدام نماذج لغوية أخرى واللجوء إلى واجهات OCR لقراءة المستندات عند إتاحة الوصول إلى الويب.
الإتاحة والاستراتيجية الأوسع
تستهدف الشركة المؤسسات والمطورين والجهات الحكومية، وتصف Beam بأنه نموذج عملي قابل للاستخدام في أعباء العمل اليومية. وتندرج الخطة ضمن توجه Reflection AI لبناء ما تسميه «مصانع الذكاء الاصطناعي»، بما يتيح للمؤسسات تخصيص أنظمة تعمل على بياناتها وتشغيلها محلياً.
تأسست Reflection AI عام 2024 على يد باحثين سابقين في Google DeepMind، وجمعت نحو 4.7 مليارات دولار من الاستثمارات، بمشاركة Nvidia وSequoia Capital وLightspeed Venture Partners. وبلغ تقييمها قبل المال في آخر جولة تمويل نحو 25 مليار دولار. وتعتزم الشركة نشر أوزان Beam وتقريره التقني وبطاقة النموذج وأدوات المطورين خلال أكتوبر، بعد استكمال اختبارات الأمان والتقييمات النهائية.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.