Веса открытыApache 2.0 · выпуск 16.10.2026

Beam 1.0501B A23B

обзор модели «Бим»

Открытая текстовая модель Reflection AI для кода и агентов: 501 млрд параметров, из которых на каждый токен работают 23 млрд, контекст до 1 млн токенов и лицензия Apache 2.0.

Простыми словами: представьте склад из 256 специалистов. На каждое слово модель зовёт только восьмерых, поэтому думает быстрее и дешевле, чем намекает её размер. Но весь склад должен стоять в памяти: даже в самом сжатом виде это около 300 ГБ. Результаты пока заявлены в основном самим разработчиком.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

MoE: 256 экспертов, top-8контекст 1M (заявлен)текст → текстBF16 · FP8 · NVFP4Apache 2.0

Призма маршрутизациитокен: функция

эксперты: 12, 41, 67, 103, 140, 171, 203, 238

Иллюстрация принципа top-8: какие именно эксперты выбираются, на схеме случайно, а не получено из модели.

501B / 23Bпараметров: всего / активных (≈4,7%)

256 / 8экспертов: всего / на токен

1Mтокенов контекста (заявлено)

Apache 2.0лицензия весов

Паспорт модели

Beam 1.0 501B A23B в 12 фактах

Коротко и с источниками: кто сделал, как устроена, на какой лицензии и где доступна. Данные сверены на 18.10.2026.

Разработчик: Reflection AI (США)Основана в 2024 году бывшими исследователями Google DeepMind.
Анонс и веса: 05.10 и 16.10.2026Анонс с ранним доступом, через 11 дней — веса и API.
Размер: 501,3B / 23,4BВсего и активных на токен — около 4,7%.
Архитектура: MoE: 256 экспертов, top-852 слоя: 3 плотных и 49 MoE, общего эксперта нет.
Внимание: Gated GQA + окно 51248 Q / 8 KV голов; 43 слоя локальных, 9 глобальных.
Контекст: 1 048 576 токеновЗаявлено; RL-обучение — до 256K. Вывод — до 131 072.
Вход → выход: Текст → текстНе мультимодальная. Основной язык — английский. Знания — до 30.06.2026.
Рассуждение: Всегда включеноУровни low, medium, high, xhigh, max; по умолчанию max.
Лицензия: Apache 2.0Разрешены дообучение, квантизация, слияние и дистилляция.
Веса: BF16, FP8, NVFP4NVFP4 — около 294 ГБ; BF16 — около 1 ТБ; драфтер DFlash2 — 1,93B.
Обучение: 23,8 трлн токенов6144 GB300 менее 4 недель; RL — более 100 млн роллаутов (заявления вендора).
Независимая оценка: AA Index ≈ 3019-е из 120 по данным OrcaRouter; остальное — самоотчёт.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Архитектура

Луч через 52 слоя: 501 млрд в памяти, 23 млрд в работе

Beam — разреженная модель mixture-of-experts. В каждом из 49 слоёв MoE роутер выбирает 8 из 256 экспертов на каждый токен, общего эксперта нет. Считается около 4,7% параметров, а хранить приходится все.

Активно на токен: 23,4 млрдВсего: 501,3 млрд

Порядок слоёв на схеме условный: авторы раскрывают только количество (3 плотных + 49 MoE; 43 локальных + 9 глобальных).

Скрытый размер: 5120
Внимание: GQA: 48 Q / 8 KV
Скользящее окно: 512 токенов
Словарь: 152 тыс. токенов
Эксперты: 256, top-8, без общего
Эмбеддинги и LM head: не связаны
Ограничение логитов: 30,0
Шаблон чата: изменённый Harmony

Для стабильного обучения авторы указывают балансировку экспертов без вспомогательной потери, масштабирование остаточных связей по глубине, SandwichNorm, поэлементный гейт внимания и FP32-накопление в residual.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Результаты

Бенчмарки Beam 1.0: код, рассуждения, агенты и цена сжатия

Цифры из карточки модели на Hugging Face: оценка разработчика при температуре 0,7 и top_p 0,99. Переключайте группы и точность — видно, что сжатие до NVFP4 стоит немного.

81,6%SWE Bench Verified, BF16

80,1%Terminal Bench v2.1

90,6%GPQA Diamond

97,7%AIME 2026

Точность весов

Таблица со всеми числами

Тест	BF16	FP8	NVFP4
DeepSWE v1.1	43,3	43,0	42,7
SWE Bench Pro v2-Hard	76,5	78,4	78,6
SWE Bench Pro v1	66,1	65,9	65,6
Terminal Bench v2.1	80,1	78,9	78,4
SWE Atlas Codebase QnA	31,8	32,2	31,4
SWEBench Multilingual	78,3	78,1	77,5
SWEBench Verified	81,6	80,2	80,7
AIME 2026	97,7	98,0	97,5
HLE (без инструментов)	36,0	36,0	34,8
HLE (с инструментами)	51,1	51,1	51,1
SciCode	49,2	48,3	46,9
CriPT AA	16,3	17,4	15,4
GPQA Diamond	90,6	90,3	89,3
LiveCodeBench	88,3	88,1	87,4
AutomationBench (публичная часть)	39,3	38,2	39,8
MCP Atlas	80,8	81,5	80,5
Tau3 Banking	36,1	36,8	35,4
BrowseComp (с управлением контекстом)	76,8	76,7	75,6
DeepSearchQA (с управлением контекстом)	80,5	79,6	81,1
AA-LCR (длинный контекст)	78,2	79,4	78,7
LongBench v2	67,5	67,6	67,2
IFBench	79,6	80,7	79,2
AA Omniscience (публичная часть)	10,8	8,8	9,8

Источник — карточка модели; AA Omniscience приведён как индекс, а не процент. Все цифры — самоотчёт разработчика; независимых воспроизведений пока нет.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Сравнение

Не лидер по мощности — и это честно

В собственной таблице Reflection сравнивает Beam с другими открытыми моделями. Kimi K3, GLM 5.3, Qwen 3.8 Max и DeepSeek V4.1 Flash впереди почти везде; разработчик сам пишет, что Kimi K3 опережает по сырой способности, а Beam выигрывает эффективностью.

Таблица: кто и сколько набрал

Тест	Результаты (по убыванию)
Terminal Bench v2.1	DeepSeek V4.1 Flash — 90,6; Kimi K3 — 88,3; GLM 5.3 — 88,2; Qwen 3.8 Max — 86,6; GLM 5.2 — 81,0; Beam 1.0 — 80,1; Inkling — 63,8; Nemotron 3 Ultra — 56,4
SWE Bench Pro v2-Hard	Kimi K3 — 88,2; GLM 5.3 — 84,3; Beam 1.0 — 77,2; Inkling — 56,9
SWE Bench Pro v1	Qwen 3.8 Max — 67,7; Beam 1.0 — 65,5; GLM 5.2 — 62,1; Inkling — 54,3; Nemotron 3 Ultra — 46,4
SWEBench Verified	Beam 1.0 — 80,9; Inkling — 77,6; Nemotron 3 Ultra — 70,7
SWEBench Multilingual	Beam 1.0 — 78,0; Nemotron 3 Ultra — 67,7
DeepSWE v1.1	DeepSeek V4.1 Flash — 74,2; Kimi K3 — 68,0; GLM 5.3 — 61,0; Qwen 3.8 Max — 51,0; Beam 1.0 — 44,4; GLM 5.2 — 44,0
SWE Atlas Codebase QnA	Kimi K3 — 68,0; GLM 5.3 — 61,0; Beam 1.0 — 34,6

Показаны только модели, для которых нашли значение; у части пар в таблице вендора стоит NR («не указано»). Данные конкурентов Reflection берёт из Artificial Analysis и DataCurve.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Эффективность

Узкий луч: меньше параметров и меньше токенов на ответ

Главный довод Reflection — не рекорд в тестах, а цена рассуждения. Разберём, откуда берётся «в 3–4 раза меньше вычислений» и что из этого проверено.

Ширина луча: активные параметры на токен

Beam 1.0

23B

GLM 5.2

40B

Mistral Large 4

49B

DeepSeek V4 Pro

49B

Qwen 3.8 Max

95B

Активные параметры — не стоимость целиком: память определяют все веса. GLM 5.2 — по 3DNews, остальные — по нашим страницам моделей.

Токенов на прохождение теста Artificial Analysis

Beam 1.0

79M

Медиана выборки

130M

−39% к медиане — единственное независимое подтверждение экономии токенов (по OrcaRouter со ссылкой на Artificial Analysis). Это экономия токенов, а не денег.

lowmediumhighxhighmax — по умолчанию

3–4×заявка Reflection: меньше вычислений на рассуждение, чем у GLM 5.2

÷1,7за токен: 23 млрд против 40 млрд активных (наш расчёт)

÷1,7–2,3за счёт более коротких рассуждений (остаток от заявки, наш расчёт)

Вычисления вендор считает как 2 × активные параметры × средние токены вывода, без prefill и внимания — это приближение, а не измеренная цена.

Контекст: миллион заявлен, проверено меньше

RL-обучение, максимум

256K

Cloudflare Workers AI

262 144

Заявлено вендором, OpenRouter, vLLM

1 048 576

Максимум вывода

131 072

Миллион токенов публично не стресс-тестировали; середина контекста у моделей часто «проседает», поэтому проверьте на своих длинных данных.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Железо

Сколько железа нужно, чтобы запустить Beam 1.0 у себя

Выберите точность и конфигурацию GPU — калькулятор сравнит минимум памяти из рецепта vLLM с тем, что есть в кластере, и подставит команду запуска.

1. Точность весов

2. Конфигурация GPU

Команда запуска vLLM

Команда собрана по рецепту recipes.vllm.ai; перед запуском сверьтесь с актуальной версией. Нужен образ vllm/vllm-openai:reflection-beam.

LoRA — 1 узелВосемь H200 (EP8): адаптеры ранга 32 на внимание, плотные MLP и маршрутизируемые эксперты; пиковая память около 130 ГиБ на карту.

Полное дообучение — 64 GPUВосемь узлов по восемь H200 (EP64); контрольная точка весит около 6 ТБ; тензорный параллелизм не поддерживается.

Ёмкости карт — публичные спецификации (H100 — 80, H200 — 141, B200 — 192, B300 — 288 ГБ). Минимум учитывает активации и буферы, но реальный запас зависит от KV-кэша, контекста и нагрузки.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

API и цены

Beam 1.0 по API: провайдеры и разброс цен

На листинге OpenRouter у модели четыре провайдера. Цены показываем в долях от самого дешёвого, без сумм: между ними разница в разы, а у самого Reflection тариф не опубликован.

Метрика

# OpenRouter: стандартный чат-запрос; ID модели — из каталога curl https://openrouter.ai/api/v1/chat/completions \ -H "Authorization: Bearer ВАШ_КЛЮЧ_OPENROUTER" \ -H "Content-Type: application/json" \ -d '{"model": "reflection/beam-1.0-501b-a23b", "messages": [{"role": "user", "content": "Найди баг в этой функции…"}]}' # уровень рассуждения (low…max) задавайте явно; имя параметра зависит от провайдера

Контекст у Reflection и OpenRouter: 1 048 576
Максимум вывода: 131 072
Параметры API: reasoning, tools, JSON
Выход к входу у провайдеров: 3×–4×

Таблица провайдеров (в множителях)

Провайдер	Вход	Выход	Выход к входу	Задержка P50	Скорость
Nebius Token Factory	1,0×	1,0×	4,0×	0,70 с	207 ток/с
Together	1,6×	1,2×	3,0×	0,10 с	152 ток/с
CoreWeave	4,0×	3,0×	3,0×	0,32 с	302 ток/с
Baseten	5,2×	4,3×	3,3×	0,31 с	401 ток/с

Множители — от самого дешёвого провайдера по каждой метрике (по листингу OpenRouter на 18.10.2026). Каталоги-агрегаторы показывают другие тарифы — от 1× до 2,5× по входу; сверяйте перед подключением.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Хроника

От анонса до открытых весов за 11 дней

30.06.2026
Граница знаний
Дата отсечки обучающих данных по карточке модели.
05.10.2026
Анонс Beam
Ранний доступ по заявке; веса, отчёт и карточка обещаны «позже в октябре».
07.10.2026
BF16 на Hugging Face
Репозиторий загружен до официального выпуска (по OrcaRouter).
08.10.2026
Обновлена таблица
Reflection пересмотрела результаты Beam; остальное не менялось.
13.10.2026
Драфтер DFlash2
Загружена модель для спекулятивного декодирования (по OrcaRouter).
16.10.2026
Веса и API
BF16, FP8 и NVFP4 под Apache 2.0; модель в OpenRouter и Cloudflare.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Где запускать

Где использовать Beam 1.0: выберите свой маршрут

Выберите ситуацию — получите маршрут и оговорки.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Честно

Десять оговорок о Beam 1.0

Результаты — самоотчёт разработчика

Почти все цифры на этой странице взяты из карточки модели и блога Reflection. Независимая оценка, которую мы нашли, — Artificial Analysis Intelligence Index около 30 (19-е из 120 по OrcaRouter): это скромнее топовых моделей. На более новом Terminal-Bench v4.0 у Artificial Analysis результат Beam — 3,0% (по странице NanoGPT; методику мы не проверяли).

Блог и карточка расходятся

Таблица в блоге (обновлена 8 октября) и карточка на Hugging Face различаются примерно на 1 п.п.: SWE Bench Verified — 80,9% и 81,6%, DeepSWE — 44,4% и 43,3%. Для квантизаций берём карточку, для сравнения с конкурентами — блог.

Не лидер по мощности

Kimi K3, GLM 5.3, Qwen 3.8 Max и DeepSeek V4.1 Flash впереди по большинству тестов из таблицы вендора. Ставка Beam — эффективность, а не рекорд.

«В 3–4 раза эффективнее» — это оценка

Reflection считает вычисления как 2 × активные параметры × среднее число сгенерированных токенов и не учитывает prefill, внимание и накладные расходы сервиса. Авторы сами называют это приближением, а не измеренной стоимостью.

Миллион токенов не проверен

Заявлено 1 048 576, но RL-обучение шло до 256K, у Cloudflare в листинге 262 144, а независимого стресс-теста длинного контекста мы не нашли.

Только текст и английский

Модель не мультимодальная. В карточке сказано, что она разработана преимущественно для английского; качество на русском не подтверждено.

Цены расходятся

Между провайдерами в OpenRouter разброс — до 5,2× по входу и 4,3× по выходу. Каталоги-агрегаторы показывают разные тарифы (от 1× до 2,5× по входу). Прямой тариф Reflection не опубликован. Уровень рассуждения по умолчанию — максимум, то есть самый дорогой.

Безопасность — самооценка

По внутренним оценкам Iris модель отказывает или меняет тему в 88,9% вредных запросов и выполняет 81,5% безобидных: значит, есть и пропуски, и перестраховка. Технический отчёт с деталями обещан позже.

Это не модель для ноутбука

Даже NVFP4 — 294 ГБ весов. Поддержки в релизе vLLM пока нет: нужен специальный образ. Первый запуск NVFP4 на четырёх картах может занять около 10 минут на автотюнинг.

Каталог Strelka AI

Мы не утверждаем, что Beam 1.0 есть в каталоге Strelka AI. Страница — обзор открытой модели; проверьте список моделей в приложении.

Вопросы и ответы

FAQ: Beam 1.0 501B A23B

Что такое Beam 1.0 501B A23B и кто его сделал?

Beam 1.0 501B A23B — открытая текстовая модель американской компании Reflection AI (основана в 2024 году бывшими исследователями Google DeepMind). Это разреженная модель mixture-of-experts на 501 млрд параметров, из которых на каждый токен работают 23 млрд. Она сделана для кода, рассуждений и длинных агентных задач. Анонс состоялся 5 октября 2026 года, веса и API стали доступны 16 октября.

Что значит 501B A23B в названии?

501B — общее число параметров (501,3 млрд), A23B — «active 23B»: параметры, которые работают на каждый токен (23,4 млрд). Внутри 256 экспертов, на каждый токен роутер выбирает 8. Считается около 4,7% весов, поэтому генерация быстрее, чем у плотной модели такого размера, но в памяти нужно держать все веса.

Бесплатна ли Beam 1.0 и какая у неё лицензия?

Веса открыты под Apache 2.0: их можно скачать, дообучать, квантизировать, объединять и использовать для обучения других моделей — карточка модели прямо это перечисляет. Но запуск стоит денег: нужен GPU-кластер или платный API у провайдера. Собственный тариф Reflection на момент проверки не опубликован (компания пишет, что начать можно бесплатно), а у сторонних площадок цены различаются, поэтому на странице только множители.

Какой контекст у Beam 1.0?

Заявлено 1 048 576 токенов (1M), максимум вывода — 131 072. Нюансы: обучение с подкреплением шло с контекстом до 256K, листинг Cloudflare Workers AI показывает 262 144, а независимой проверки миллиона токенов мы не нашли.

Какие результаты у Beam 1.0 в бенчмарках и можно ли им верить?

По карточке модели (BF16, оценка разработчика): SWE Bench Verified — 81,6%, Terminal Bench v2.1 — 80,1%, GPQA Diamond — 90,6%, AIME 2026 — 97,7%. Это самоотчёт: единственную независимую оценку, которую мы нашли, — Artificial Analysis Intelligence Index около 30, 19-е место из 120 по данным OrcaRouter. Сверяйте качество на своих задачах.

Сколько видеопамяти нужно, чтобы запустить Beam 1.0 у себя?

По рецепту vLLM: NVFP4 — 294 ГБ весов (минимум около 353 ГБ памяти GPU), FP8 — 503 ГБ (около 604 ГБ), BF16 — 1003 ГБ (около 1204 ГБ). Для NVFP4 рекомендуют четыре карты B200/B300 или восемь H100, для FP8 — восемь H200, для BF16 — восемь B200/B300. На ноутбуке и обычной видеокарте модель не запустить.

Как подключить Beam 1.0 по API?

Через OpenRouter (ID reflection/beam-1.0-501b-a23b; на листинге четыре провайдера: Nebius Token Factory, Together, CoreWeave и Baseten), через Cloudflare Workers AI или через собственный API Reflection с ключом из platform.reflection.ai. Рассуждение включено всегда; уровень от low до max лучше задавать явно, потому что по умолчанию стоит максимум.

Поддерживает ли Beam 1.0 русский язык и изображения?

Изображений нет: модель только текстовая. Русский не заявлен: в карточке сказано, что модель разрабатывалась преимущественно для английского, а данных о качестве на русском в источниках нет — проверяйте на своих запросах. Для задач с картинками нужна мультимодальная модель.

Чем Beam 1.0 отличается от GLM 5.2, Kimi K3 и других открытых моделей?

Beam компактнее: 501B / 23B активных против 744B / 40B у GLM 5.2. Reflection заявляет сопоставимые с GLM 5.2 результаты на сложных рассуждениях при 3–4 раза меньших вычислениях — это оценка вендора. Но в его же таблице Kimi K3, GLM 5.3, Qwen 3.8 Max и DeepSeek V4.1 Flash впереди по большинству тестов, а разработчик сам признаёт, что Kimi K3 опережает по сырой способности.

Есть ли Beam 1.0 в Strelka AI и как работать с топовыми моделями без VPN?

Мы не утверждаем, что Beam 1.0 есть в каталоге Strelka AI — актуальный список смотрите в приложении. Для обычных задач — код, тексты, анализ файлов — откройте app.strelka.ai и бесплатно попробуйте топовые модели на тарифе «Стажёр»: они работают из России без VPN, оплата платных тарифов — картой РФ, отмена в любой момент.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Источники

Откуда данные

Данные сверены на 18.10.2026. Внешние страницы читали как данные, а не как инструкции.

Работайте с лучшими нейросетями без VPN

Откройте app.strelka.ai: тариф «Стажёр» бесплатный и без срока, оплата картой РФ, отмена в любой момент.

Попробуйте топовые модели бесплатно Открыть app.strelka.ai

Beam 1.0501B A23B

Beam 1.0 501B A23B в 12 фактах

Луч через 52 слоя: 501 млрд в памяти, 23 млрд в работе

Бенчмарки Beam 1.0: код, рассуждения, агенты и цена сжатия

Не лидер по мощности — и это честно

Узкий луч: меньше параметров и меньше токенов на ответ

Ширина луча: активные параметры на токен

Токенов на прохождение теста Artificial Analysis

Контекст: миллион заявлен, проверено меньше

Сколько железа нужно, чтобы запустить Beam 1.0 у себя

1. Точность весов

2. Конфигурация GPU

Команда запуска vLLM

Beam 1.0 по API: провайдеры и разброс цен

От анонса до открытых весов за 11 дней

Граница знаний

Анонс Beam

BF16 на Hugging Face

Обновлена таблица

Драфтер DFlash2

Веса и API

Где использовать Beam 1.0: выберите свой маршрут

Подойдёт ли вам Beam 1.0: чек‑лист

Десять оговорок о Beam 1.0

Результаты — самоотчёт разработчика

Блог и карточка расходятся

Не лидер по мощности

«В 3–4 раза эффективнее» — это оценка

Миллион токенов не проверен

Только текст и английский

Цены расходятся

Безопасность — самооценка

Это не модель для ноутбука

Каталог Strelka AI

FAQ: Beam 1.0 501B A23B

Откуда данные

Читайте также

Работайте с лучшими нейросетями без VPN

Модели