# Beam : un modèle ouvert de Reflection AI pour le code > Beam, le premier modèle à poids ouverts de Reflection AI, vise le code et les agents IA avec moins de calcul que ses rivaux chinois. - Type : actu de l'IA - Famille : Modèles · Modèle de langage ouvert - Habitat : Cloud · poids ouverts à venir - Niveau : intermédiaire - Source : https://techcrunch.com/2026/10/05/reflection-debuts-beam-a-open-weight-ai-model-to-rival-chinese-models-at-lower-compute-cost/ - Publié le : 6 octobre 2026 - Page : https://geekus.fr/projets/beam/ Beam est le premier modèle de langage à poids ouverts de Reflection AI, une jeune entreprise de Brooklyn. Il est conçu pour le code, le raisonnement et les agents, et Reflection affirme qu'il approche des modèles ouverts chinois avec bien moins de calcul à l'usage. Ces chiffres viennent de l'entreprise elle-même, et les poids du modèle ne sont pas encore publiés. ## En bref - Beam compte 501 milliards de paramètres, dont 23 milliards actifs - Selon Reflection, il égale GLM-5.2 en raisonnement avancé avec 3 à 4 fois moins de calcul - Il est limité au texte et accepte une fenêtre de contexte de 1 million de tokens - Les poids sont promis plus tard dans le mois, une inscription à l'accès anticipé est ouverte - Les performances annoncées n'ont pas été vérifiées de façon indépendante ## Beam, le modèle ouvert de Reflection AI Reflection AI a dévoilé Beam, qu'elle présente comme son premier modèle à poids ouverts. L'entreprise a été fondée en 2024 par deux anciens chercheurs de Google DeepMind. Selon PitchBook, citée par TechCrunch, elle a levé environ 4,7 milliards de dollars, auprès de Nvidia, Sequoia Capital et Lightspeed Venture Partners notamment, pour une valorisation de 25 milliards de dollars avant l'investissement lors de son dernier tour. Beam s'inscrit dans la course à une réponse occidentale aux modèles ouverts chinois comme DeepSeek, Qwen et ceux de Z.ai. Reflection le décrit comme un modèle « de travail » pour les entreprises, le secteur public et les développeurs. Son rival américain le plus direct serait Inkling, le modèle ouvert du laboratoire Thinking Machines Lab de Mira Murati, sorti en juillet. ## Comment est construit Beam Beam est un modèle de type mélange d'experts : il contient 501 milliards de paramètres au total, mais seulement 23 milliards sont activés pour produire chaque token. Pour comparaison, TechCrunch indique que GLM-5.2, de Z.ai, compte environ 744 milliards de paramètres dont 40 milliards actifs. Moins il y a de paramètres actifs, moins chaque token coûte de calcul. Le modèle a été pré-entraîné sur 23,8 trillions de tokens (au sens anglais, soit mille milliards chacun), tirés du web et de jeux de données sous licence. Il accepte une fenêtre de contexte de 1 million de tokens. Il ne traite que du texte, mais Reflection précise qu'il peut exploiter des informations d'autres formats lorsqu'elles lui sont fournies sous forme de texte. - Architecture : mélange d'experts, avec 52 couches - Données : web, sources publiques et jeux de données sous licence - Spécialités : code, raisonnement et tâches d'agent - Entrée : texte uniquement ## Les performances annoncées par Reflection Sur les benchmarks de raisonnement avancé, Reflection affirme que Beam obtient des scores comparables à GLM-5.2 tout en utilisant 3 à 4 fois moins de calcul d'inférence. L'entreprise écrit aussi que Beam est compétitif avec des modèles ouverts plus gros et s'approche de Qwen 3.8 Max en code et en tâches d'agent. Elle reconnaît que des modèles comme Kimi K3 restent devant en capacité brute : l'avantage de Beam tient à l'efficacité à l'usage. Quelques scores du tableau publié par Reflection : 80,1 sur Terminal Bench v2.1 (81,0 pour GLM 5.2 et 88,3 pour Kimi K3) et 80,9 sur SWE Bench Verified (77,6 pour Inkling). Reflection indique que Beam dépasse Inkling sur quatre tests de code où les deux publient des résultats, tout en rappelant qu'Inkling est multimodal. Ces résultats n'ont pas été vérifiés de façon indépendante, et la comparaison de calcul est une estimation que l'entreprise qualifie d'approximative. ## Comment Beam a été entraîné au raisonnement Après le pré-entraînement, Reflection a mené une longue phase d'apprentissage par renforcement : le modèle tente des tâches, reçoit une évaluation du résultat et s'ajuste. Cette phase a généré plus de 100 millions de tentatives sur des GPU GB300 de Nvidia pendant quatre semaines, avec près d'un million d'environnements de code, d'agents et de sciences. Reflection dit y voir l'une des plus grandes campagnes de ce type menées par un laboratoire ouvert, et note que les capacités continuaient de progresser à la fin. L'entreprise a aussi appliqué une pénalité de longueur réglable, qui récompense les solutions réussies et décourage les tokens inutiles. Selon elle, le modèle a d'abord appris à résoudre les tâches avec moins de réflexion, puis à réfléchir plus longtemps quand cela améliorait les résultats. ## Régler l'effort de raisonnement de Beam Beam propose un paramètre d'effort de raisonnement. Avec un réglage bas, le modèle donne des réponses plus courtes ; avec un réglage haut, il raisonne plus longtemps pour les tâches difficiles. L'utilisateur peut ainsi adapter l'effort à sa tâche et à son budget de calcul. Reflection présente des démonstrations : une carte en direct du métro de New York à partir de données publiques, un jeu 3D en p5.js, et un carnet de réglage fin du modèle Gemma-4 sur une tâche de génération de requêtes SQL. Ces exemples sont fournis par l'entreprise. ## Accès et disponibilité de Beam Beam est encore en phase finale de tests de sécurité et d'évaluation. Reflection a ouvert une inscription à l'accès anticipé, et annonce la publication des poids, d'un rapport technique, d'une fiche de modèle et d'outils pour développeurs plus tard dans le mois. La distribution doit passer par les hyperscalers et les neoclouds, avec des intégrations dans des bibliothèques open source dès le lancement. Reflection n'annonce pas de prix dans les textes consultés, et ne précise pas la licence du modèle. Elle n'a pas non plus répondu aux questions de TechCrunch avant la publication de l'article. ## Les « usines à IA » visées par Reflection Reflection vise les entreprises et les États. Son idée d'« usines à IA » consiste à laisser une institution entraîner les modèles de Reflection sur ses propres données pour obtenir un système d'IA local et personnalisé. L'entreprise a commencé à tester ce concept avec le groupe sud-coréen Shinsegae, et Axios rapporte que des fonds spéculatifs et des sociétés de trading s'y intéressent. Pour entraîner ses modèles, Reflection a signé cet été des accords d'une valeur cumulée de plus de 7 milliards de dollars avec SpaceX et Nebius, qui lui donnent accès aux puces GB300 de Nvidia jusqu'en 2029. ## Quelques repères - **Poids ouverts** : Un modèle à poids ouverts met à disposition ses paramètres appris, ce qui permet de l'exécuter et de l'adapter soi-même. Cela ne signifie pas forcément que les données ou le code d'entraînement sont publiés. - **Inférence** : C'est l'étape où un modèle déjà entraîné produit des réponses. Son coût dépend du calcul nécessaire pour générer chaque mot ou fragment de mot. - **Mélange d'experts** : Architecture où le modèle est découpé en plusieurs sous-réseaux spécialisés, dont seule une partie travaille pour chaque token. Cela réduit le calcul nécessaire par rapport à un modèle de même taille totale. ## Questions fréquentes ### Beam de Reflection AI est-il open source ? Beam est présenté comme un modèle à poids ouverts, et non comme un projet open source complet. Reflection promet de publier les poids, un rapport technique et une fiche de modèle plus tard dans le mois, sans préciser la licence. ### Combien de paramètres compte Beam ? Beam compte 501 milliards de paramètres au total, dont 23 milliards sont actifs pour chaque token. C'est un modèle de type mélange d'experts, uniquement textuel. ### Beam est-il meilleur que les modèles chinois comme GLM-5.2 ? Reflection dit que Beam obtient des scores comparables à GLM-5.2 en raisonnement avancé avec 3 à 4 fois moins de calcul d'inférence. Elle reconnaît que Kimi K3 reste devant en capacité brute, et ces résultats ne sont pas vérifiés de façon indépendante. ### Combien coûte Beam et comment y accéder ? Reflection n'annonce pas de prix dans les textes consultés. Une inscription à l'accès anticipé est ouverte, et la distribution doit passer par des hyperscalers et des neoclouds, avec des intégrations dans des bibliothèques open source au lancement. ## À retenir Beam est un modèle à poids ouverts de 501 milliards de paramètres (23 milliards actifs) qui mise sur le code, les agents et l'efficacité à l'usage. Ses performances restent des déclarations de Reflection tant que les poids ne sont pas publiés et que des tiers ne les ont pas vérifiées. Sources : - [TechCrunch](https://techcrunch.com/2026/10/05/reflection-debuts-beam-a-open-weight-ai-model-to-rival-chinese-models-at-lower-compute-cost/) (article de presse) - [reflection.ai](https://reflection.ai/blog/introducing-beam) (page citée sur Hacker News) Mots-clés : open weight, reflection ai, mixture of experts, agents, code, raisonnement --- Fiche publiée par Geekus : https://geekus.fr/projets/beam/