Reflection AI가 5010억 매개변수 Beam을 공개, 추론 비용을 3‑4배 절감

Reflection AI는 2026년 10월 5일 가상 행사에서 Beam을 공개했습니다. 이 모델은 혼합 전문가(MoE) 계열에 속하며 총 5010억 매개변수를 보유하지만 각 질의당 230억 매개변수만 활성화해 비용 효율성을 높였습니다.

Beam은 복잡한 추론, 코드 생성, 계획 및 도구 사용과 같은 에이전트 작업이라는 세 가지 핵심 사용 사례를 목표로 합니다. 회사에 따르면 컨텍스트 창은 100만 토큰으로, 대부분의 최신 대형 언어 모델이 제공하는 8‑32 k 토큰을 크게 초과합니다.

성능 주장 및 비교

Reflection AI는 Beam이 중국의 GLM‑5.2 모델과 비슷한 성능을 내면서 추론 시 3‑4배 적은 연산량을 사용한다고 주장합니다. 그러나 독립적인 벤치마크는 공개되지 않았으며, 이 주장은 제3자 연구자에 의해 검증되지 않았습니다.

이 모델은 23.8 조 토큰을 4주 미만의 기간에 6 144대의 Nvidia GB300 GPU 클러스터로 사전 학습되었습니다. 이는 MoE 아키텍처가 많은 전문가 서브네트워크에 작업을 분산시켜 효율성을 크게 높인 결과입니다.

강화학습 단계

초기 사전 학습 이후, Reflection은 인간 피드백 기반 강화학습(RLHF) 단계에 10 500대의 GB300 GPU를 사용해 또 다른 4주 동안 진행했습니다. 이 과정에서 약 1억 개의 트래젝터리가 생성돼 Beam의 추론 및 에이전트 작업에 대한 미세 조정에 활용되었습니다.

Reflection은 내부 안전 평가와 적대적 테스트를 마친 뒤 2026년 10월 말에 Apache 2.0 라이선스로 Beam 가중치를 공개할 계획입니다. 오픈‑웨이트 접근은 커뮤니티 검증과 후속 혁신을 촉진하려는 목적입니다.

사업 배경 및 자금 조달

2024년 전 DeepMind 연구원들이 설립한 Reflection AI는 현재까지 약 47억 달러의 자금을 유치했습니다. 또한 SpaceX와 Nebius와의 전략적 인프라 계약을 공개했으며, 이 파트너들은 2029년까지 최대 70억 달러 규모의 컴퓨팅 자원을 제공할 수 있습니다.

• 총 5010억 매개변수, 요청당 230억 활성화
• 100만 토큰 컨텍스트 창
• 4주 미만에 23.8조 토큰 사전 학습, 6 144 GB300 GPU 사용
• RLHF: 10 500 GB300 GPU로 4주 진행, 약 1억 트래젝터리 생성
• 2026년 10월 말 Apache 2.0으로 오픈‑웨이트 공개 예정

발표된 연산 효율성은 고품질 언어 기능이 필요하지만 추론 예산이 제한된 기업에게 Beam을 매력적인 선택으로 만들 수 있습니다. 전체 매개변수 중 일부만 활성화함으로써 기존 하드웨어에서 더 큰 모델을 실행하거나 클라우드 비용을 절감할 수 있습니다.

GLM‑5.2와의 성능 동등성이 입증된다면, Beam은 다국어 및 코드 중심 워크로드에 대한 비중국어 대안을 제공해 영어권 시장뿐 아니라 한국 기업에도 선택 폭을 넓혀줄 것입니다.

Beam의 활성화된 전문가 서브네트워크가 질의당 230억 매개변수만을 사용하도록 설계된 점은, 전체 모델 규모와 비교했을 때 연산량을 크게 절감한다는 이론적 근거를 제공한다. 이 구조적 선택은 메모리 대역폭과 전력 소비를 동시에 낮추어, 기존 대형 모델을 운영하던 환경에서도 동일한 하드웨어로 더 높은 처리량을 달성할 수 있게 만든다. 따라서 추론 비용 절감이 실제 서비스 비용에 미치는 파급 효과를 정량화하려면, 활성화된 파라미터 비율과 GPU 활용률 사이의 관계를 체계적으로 분석할 필요가 있다.

활성화된 파라미터만을 사용한다는 전제는 모델의 일반화 능력에 제한을 가할 가능성을 내포한다. 특히 복잡한 다중 단계 추론이나 장기 의존성을 요구하는 작업에서는 비활성화된 전문가가 제공할 수 있는 다양성이 부족해 성능 저하가 발생할 위험이 있다. 이러한 한계를 검증하기 위해서는 동일한 입력에 대해 전체 파라미터를 모두 활용한 버전과 비교 실험을 수행하고, 성능 격차를 정량화하는 것이 필수적이다. 또한, 다양한 도메인(코드, 자연어, 계획)별로 활성화 전략이 최적화될 여지를 탐색함으로써, 사용 사례에 맞는 전문가 선택 메커니즘을 개선할 수 있다.

Beam이 제시한 100만 토큰 컨텍스트 창은 현재 대부분의 모델이 제공하는 8‑32 k 토큰을 크게 초과한다는 점에서 잠재적인 이점을 제공한다. 그러나 실제 적용 시에는 토큰 길이가 증가함에 따라 메모리 요구량과 연산 복잡도가 비선형적으로 상승할 가능성이 있다. 따라서 긴 컨텍스트를 활용하는 작업에서 발생할 수 있는 메모리 병목 현상을 사전에 파악하고, 슬라이딩 윈도우나 계층적 압축 기법을 도입해 효율성을 유지하는 방안을 검토해야 한다. 이러한 검증 절차는 긴 문서 요약이나 대규모 코드베이스 분석과 같은 실용적인 시나리오에서 모델의 실효성을 판단하는 핵심 기준이 된다.

오픈‑웨이트 공개와 Apache 2.0 라이선스 적용은 커뮤니티 기반 검증을 촉진한다는 점에서 중요한 의미를 가진다. 외부 연구자는 모델 가중치를 직접 다운로드받아 독립적인 벤치마크를 수행하고, 보안·안전 테스트를 재현할 수 있다. 그러나 이러한 개방성은 악용 가능성도 동시에 내포하므로, 공개된 모델에 대한 지속적인 적대적 테스트와 업데이트 프로세스를 마련하는 것이 필요하다. 특히, 사람 피드백 기반 강화학습 단계에서 생성된 트래젝터리 데이터의 품질과 편향성을 외부 검증이 가능하도록 투명하게 공개하는 것이 신뢰성을 확보하는 데 기여한다.

Beam의 추론 비용 절감 효과가 실제 기업 운영에 미치는 영향을 구체적으로 살펴보면, GPU 사용 시간 감소는 직접적인 비용 절감으로 이어진다. 이는 클라우드 환경에서 사용량 기반 과금 모델을 채택하고 있는 기업에게 특히 큰 이점을 제공한다. 또한, 동일한 예산 내에서 더 많은 요청을 처리할 수 있게 되면 서비스 응답 속도가 개선되고, 사용자 만족도가 상승한다. 이러한 실용적 효과를 정량화하기 위해서는 비용‑효율성 지표(예: $당 처리 요청 수)를 설정하고, 기존 모델과 Beam을 동일 조건에서 비교 실험하는 것이 필요하다. 이를 통해 비용 절감 수준을 객관적으로 입증하고, 도입 결정을 위한 비즈니스 케이스를 강화할 수 있다.

성능 동등성 검증이 이루어질 경우, Beam은 다국어 및 코드 중심 워크로드에 대한 비중국어 대안으로 자리매김할 가능성이 크다. 특히 한국 시장에서는 기존 독점 모델에 대한 의존도를 낮추고, 자체적인 커스터마이징과 최적화를 진행할 수 있는 기반을 제공한다. 다만, 실제 도입 단계에서는 모델 업데이트 주기, 지원 생태계, 그리고 장기적인 유지보수 비용 등을 종합적으로 고려해야 한다. 따라서 기업은 초기 도입 효과뿐 아니라 장기적인 운영 비용과 기술 지원 체계를 평가하여, Beam이 제공하는 효율성 이점이 지속 가능한 경쟁력으로 전환될 수 있는지를 판단해야 한다.

실제로 한국의 기업들은 1750억 매개변수 규모의 독점 모델을 Beam으로 교체해 유사한 추론 결과를 얻으면서 GPU 사용 시간을 최대 75 % 절감할 수 있습니다. 이는 운영 비용 감소, 사용자 응답 시간 단축, 그리고 동일한 컴퓨팅 비용으로 더 많은 요청을 처리할 수 있는 여지를 제공합니다.