Reflection AI выпустила Beam — открытую модель, построенную как mixture-of-experts с 501B общих параметров и примерно 23B активных параметров на токен. Такая архитектура сохраняет большой объём резидентных весов, но ограничивает вычисления на один forward pass активными экспертами — обычная причина, по которой MoE-архитектуры привлекательны для обслуживания. Beam позиционируется для кодинга и агентных нагрузок, а публикации представляют её как западный открытый ответ китайским лабораториям, конкурентоспособный при меньших вычислительных затратах, чем сопоставимые закрытые модели.
Для команд, строящих агентные системы, практическое следствие — вариативность выбора. Модель с 23B активных параметров вполне может работать на собственных или зарезервированных мощностях, что переносит внутрь два решения: стоимость инференса, теперь определяемую железом и утилизацией, а не ценой за токен, и размещение данных, поскольку промпты, выводы инструментов и извлечённый контекст не обязаны покидать среду оператора. И то и другое важно для агентных пайплайнов с длинными трейсами, повторяю
Чего публикации не устанавливают — так это того, как Beam показывает себя на агентных оценочных стендах, каково его контекстное окно, надёжность tool calling и структурированного вывода, а также условия лицензии. Именно эти детали определяют, пригодна ли модель для развёртывания в продакшн-агентах, а не просто для запуска. Behzat AI рассматривает открытые релизы такого класса как кандидатов для своего оценочного пайплайна, где стоимость обслуживания, latency и успешность выполнения задач измеряются в сравнении с закрытыми API, которые система иначе вызывала бы.