Reflection AIがBeamを発表、5010億パラメータのオープンウェイトモデルで推論コストを大幅削減

Reflection AIは2026年10月5日に開催されたバーチャルイベントでBeamを発表した。このモデルはMixture‑of‑Experts（MoE）アーキテクチャに属し、総計5010億パラメータを持つが、各クエリで有効になるのは230億パラメータだけで、性能を犠牲にせず推論コストを抑える設計となっている。

Beamは主に三つの利用ケースを想定している。高度な推論、コード生成、そして計画やツール利用といったエージェント的タスクである。コンテキストウィンドウは100万トークンに対応し、一般的な8千〜32千トークンのウィンドウをはるかに上回る。

性能主張と比較

Reflection AIはBeamが中国のGLM‑5.2モデルと同等の性能を示しつつ、推論時の計算量を3〜4倍削減できると主張している。ただし、独立したベンチマークは公表されておらず、第三者による検証は未だ行われていない。

このモデルは23.8兆トークンを4週間未満で事前学習した。使用したハードウェアは6 144台のNvidia GB300 GPUで、MoEアーキテクチャが多数の専門サブネットワークに負荷を分散させることで、学習期間を大幅に短縮できた。

強化学習フェーズ

事前学習後、Reflectionは人間のフィードバックを用いた強化学習（RLHF）を実施し、10 500台のGB300 GPUを用いてさらに4週間訓練した。この過程で約1億件の軌跡が生成され、推論とエージェントタスクにおけるBeamの振る舞いを微調整した。

同社は2026年10月末にApache 2.0ライセンスの下でBeamの重みを公開する計画である。公開は内部安全性評価と敵対的テストの完了後に行われ、オープンウェイト化はコミュニティによる検証と下流イノベーションの促進を目的としている。

ビジネスコンテキストと資金調達

2024年に元DeepMind研究者らによって設立されたReflection AIは、これまでに約47億ドルの資金を調達している。また、SpaceXとNebiusとの戦略的インフラ契約を開示しており、2029年までに最大70億ドル規模の計算資源を確保できる見込みだ。

• 総計5010億パラメータ、リクエストごとに230億が活性化
• コンテキストウィンドウは100万トークン
• 23.8兆トークンを<4週間で事前学習、6 144 GB300 GPU使用
• RLHFで10 500 GB300 GPUを4週間使用し約1億軌跡生成
• 2026年10月末にApache 2.0でオープンウェイト公開予定

計算効率の向上により、Beamは高品質な言語機能を必要としながらも推論予算に制約のある企業にとって魅力的な選択肢となり得る。総パラメータのごく一部だけを活性化することで、既存ハードウェア上でより大規模なモデルを運用したり、クラウドコストを削減したりできる。

もしGLM‑5.2と同等の性能が実証されれば、Beamは中国製モデルに代わる多言語・コード中心のワークロード向け代替手段となり、英語圏市場の開発者に新たな選択肢を提供するだろう。

実務的には、日本の企業は現在利用している1750億パラメータ規模の専有モデルをBeamに置き換えることで、同等の推論結果を得ながらGPU使用時間を最大75％削減できる。これにより運用コストが低減し、エンドユーザーへの応答速度が向上、さらに予算当たりのリクエスト処理数を拡大できる。