Beam : Reflection publie en Apache 2.0 un modèle de 501 milliards de paramètres

Reflection a publié le 16 octobre 2026 sur Hugging Face les poids de Beam, son premier modèle ouvert, sous licence Apache 2.0, selon Unite.AI. Le modèle avait été présenté le 5 octobre, alors qu'il passait ses derniers tests d'évaluation et de « red teaming ». Reflection affirme qu'il égale les meilleurs modèles ouverts chinois, à une fraction du coût en tokens et du temps d'inférence, d'après Forrester.

Un modèle à experts de 501 milliards de paramètres

Beam est un modèle de type « mixture of experts » : 501 milliards de paramètres au total, dont 23 milliards actifs par token, et une fenêtre de contexte allant jusqu'à un million de tokens. Il ne traite que du texte. Selon Unite.AI, il a été pré-entraîné sur 23,8 trillions de tokens, puis affiné par un apprentissage par renforcement de plus de 100 millions de simulations (« rollouts ») sur 10 500 GPU NVIDIA GB300, pendant quatre semaines.

Les poids sont proposés en BF16, FP8 et NVFP4, avec un modèle « drafter » pour le décodage spéculatif. SiliconANGLE précise que Beam approcherait, sur certains tests, les performances de modèles quatre fois plus gros, avec moins de calcul et de mémoire. Reflection dit avoir entraîné le modèle avec « pratiquement zéro » temps d'arrêt du cluster, grâce à des algorithmes de fiabilité maison. Un système revient à une étape antérieure lorsqu'une erreur de données apparaît, au lieu de tout recommencer.

Les résultats annoncés par Reflection, repris par Baseten, sont les suivants :

• 90,5 % sur GPQA Diamond ;
• 80,9 % sur SWE-bench Verified ;
• 97,8 % sur AIME 2026 ;
• 80,1 % sur Terminal-Bench 2.1 ;
• 78,7 % sur MCP Atlas.

Ces chiffres viennent de l'éditeur lui-même. Aucune des sources ne les a vérifiés de façon indépendante.

Un écosystème de plus de 40 partenaires

Reflection publie aussi des recettes de post-entraînement, des configurations pour les moteurs d'inférence et des noyaux fusionnés. Elle y ajoute Mirror CLI, un agent de terminal open source entraîné avec Beam. Des recettes d'auto-distillation sont promises « dans les prochains jours ». Le lancement s'appuie sur plus de 40 partenaires, dont AWS, Google Cloud, Microsoft Azure, Databricks, OpenRouter et Vercel. Dell et HPE le proposent pour les environnements sur site ou isolés. Une API en bêta publique est gratuite au démarrage.

Chez Baseten, le million de tokens est facturé 1,30 dollar en entrée et 0,13 dollar en sortie. Pour le cache, Unite.AI indique 4,30 dollars : ce chiffre paraît incohérent et reste à vérifier. Baseten présente Beam comme le premier d'une famille, avec du multilingue et du multimodal à venir.

Rattraper la Chine : un pari encore incertain

Le lancement est accueilli avec réserve. Dans Rest of World, Nathan Lambert, responsable de Trillium Labs, estime que Reflection rejoint Nvidia et Thinking Machines parmi les labos dont les meilleurs modèles restent derrière leurs équivalents chinois. « Certains des chercheurs les plus financés des États-Unis pourraient ne pas gagner. La compétition est difficile » (traduction), écrit-il.

Le même article précise que, sur LiveBench, les meilleurs modèles chinois n'accusent qu'environ 3 % de retard sur leurs rivaux américains, et que quatre des cinq premiers du classement OpenRouter sont chinois. Graham Webster, du DigiChina Project de Stanford, est plus tranché : « Si vous avez besoin d'une capacité proche de la frontière, aujourd'hui, ce sont uniquement des modèles ouverts chinois » (traduction), déclare-t-il à Rest of World. Forrester situe Beam et Mistral Large 4 dans un mouvement de rattrapage des laboratoires américains et européens sur DeepSeek, Qwen et Z.ai.

Le poids économique de l'open weight, lui, est mesurable. Dans son indice d'octobre 2026, Vercel indique que ces modèles traitent 71,5 % des tokens de sa passerelle pour environ 23 % des dépenses. Leur part des dépenses a plus que quadruplé depuis juin. Près de 70 % des dépenses en modèles chinois passent désormais par des fournisseurs américains, contre moins de 10 % en décembre. Vercel est lui-même partenaire de lancement de Beam, et ses chiffres sont estimés aux prix catalogue.

Forrester rappelle que le modèle ne fait pas tout : les entreprises recherchent gouvernance, outils et intégration plutôt qu'un score, et un modèle en tête aujourd'hui sera probablement dépassé dans six mois. Reste à savoir si Beam tient ses promesses de coût en production. Les recettes d'auto-distillation doivent suivre dans les jours à venir.