Accéder au contenu principal

Beam : le modèle open-weight 501B de Reflection AI pour le codage

Beam de Reflection AI rivalise avec GLM 5.2 en raisonnement avec 3 à 4 fois moins de calcul, mais reste derrière Kimi K3 en codage agentique. Voici ses performances.
Matt Crabtree
Matt Crabtree

Créez votre compte gratuit

S'entraîner et cursus vos progrès.

Continuer avec GoogleEn continuant, vous acceptez notre conditions d'utilisation, nos politique de confidentialité et que vos données soient stockées aux États-Unis.

Les sorties de modèles open-weight sont dominées depuis un moment par des labos chinois : les familles GLM, Kimi, Qwen et DeepSeek trustent les meilleurs scores sur les évaluations de codage agentique.

Beam de Reflection AI, annoncé le 5 octobre 2026, affiche une promesse explicite : faire progresser ce que le labo appelle la « frontière open-weight occidentale » et rivaliser sur l’efficacité à l’inférence plutôt que sur la seule capacité brute.

Dans cet article, nous présentons Beam, les fonctionnalités utiles au quotidien, sa comparaison à Kimi K3, DeepSeek V4.1 Flash et la lignée GLM 5.x sur les benchmarks, ainsi que ce que vous pouvez déjà faire — ou pas — avec lui aujourd’hui. Nous vous recommandons aussi notre guide d’un autre nouveau modèle, Kolibri 1, et nos guides sur Kimi K3 et DeepSeek V4.1 Flash vs Gemini 3.8 Flash.

En bref

  • Beam est le premier modèle open-weight de Reflection AI : un modèle MoE (mixture-of-experts) de 501 milliards de paramètres, dont seulement 23 milliards sont activés par jeton généré.
  • La promesse porte sur l’intelligence par jeton, pas sur le pic de capacité : Reflection affirme qu’il égale GLM 5.2 en raisonnement avec 3 à 4 fois moins de calcul d’inférence.
  • Kimi K3 reste en tête sur la capacité brute, et DeepSeek V4.1 Flash obtient les meilleurs scores sur des benchmarks individuels comme Terminal-Bench v2.1 et DeepSWE.
  • Les poids sont annoncés sous licence Apache 2.0 plus tard en octobre 2026 : vous ne pouvez donc pas encore l’auto-héberger, le quantifier ou le fine-tuner.

Qu’est-ce que Beam de Reflection AI ?

Beam est un modèle clairsemé de type mixture-of-experts de 501 milliards de paramètres conçu par Reflection AI pour le code, le raisonnement et les workloads agentiques. Seuls 23 milliards de ces paramètres sont actifs pour un jeton donné.

Il s’agit du premier lancement open-weight du labo et du premier modèle d’une série annoncée.

Sous le capot, Beam aligne 52 couches, répartit ses connaissances entre de nombreux petits « experts » spécialistes (quelques-uns seulement sont sollicités par jeton) et mêle une attention locale à une attention globale sur tout l’input.

La clairsemence est le nerf de l’argument.

Un modèle de la classe 2T+ comme Qwen 3.8-Max active bien plus de paramètres par jeton : chaque jeton généré coûte donc davantage en calcul.

Le pari de Reflection, c’est qu’une empreinte active de 23 B, poussée fort via l’apprentissage par renforcement (RL), s’approche suffisamment des performances en code et en agentique pour rendre l’écart de coût décisif.

L’échelle d’entraînement est là où Reflection a investi. Le pré-entraînement sur 23,8 billions de jetons a pris moins de 4 semaines sur 6 144 GPU NVIDIA GB300, avec un cluster utile à 92,3 % en fin de run et 9 redémarrages depuis des checkpoints antérieurs.

La phase RL a ensuite tourné séparément sur 10 500 GB300 pendant 4 semaines. Elle a produit plus de 100 millions de rollouts (tentatives complètes) sur environ 1 million de tâches de code, agentiques et STEM sélectionnées, en utilisant près de 1,3 milliard d’environnements sandboxés pour les exécuter et les noter.

Reflection indique aussi que la capacité continuait de progresser à mesure que le calcul RL augmentait, sans plateau constaté à la fin du run. C’est l’affirmation que nous aimerions surtout voir validée de façon indépendante, car elle sous-tend l’annonce que le labo entraîne déjà le prochain modèle de la série.

Reflection AI Beam Model Card

Les points forts de Beam

Beam est uniquement texte : pas d’image ni d’audio en entrée.

En revanche, il propose des contrôles et capacités pensés pour les opérateurs d’agents de codage.

Un réglage d’effort de raisonnement à la requête

Beam expose un paramètre d’effort de raisonnement : vous choisissez combien de « jetons de pensée » allouer à une tâche. L’API accepte low, medium (par défaut), high, xhigh et max, mais le raisonnement ne peut pas être totalement désactivé.

Un réglage bas favorise des réponses courtes ; un réglage élevé autorise des chaînes de raisonnement plus longues pour des problèmes difficiles.

Ce réglage vient directement de l’entraînement de Beam.

Pendant le RL, Reflection a utilisé une pénalité de longueur ajustable récompensant les bonnes solutions tout en découragent les jetons superflus. Le labo rapporte qu’au début, les performances montaient alors que les réponses raccourcissaient.

Plus tard, avec la montée en agenticité, les réponses se sont rallongées, et ces jetons supplémentaires « se remboursaient ».

Un contexte d’1 million de jetons pour traiter un dépôt entier

Midtraining étend le contexte effectif de Beam à 1 million de jetons, entraîné sur des dépôts de code structurés, des tâches de longue portée et des documents longs.

Deux bémols : les rollouts RL ont tourné avec un contexte maximal de 256 K jetons ; l’agenticité de Beam a donc été apprise à un quart de cette longueur. Et l’API bêta limite pour l’heure les requêtes à 262 144 jetons (entrée + sortie), avec une sortie plafonnée à 131 72 jetons.

Le long contexte « sur le papier » et en pratique sont deux choses différentes. Beam obtient 65,5 sur LongBench v2, contre 66,3 pour Qwen 3.8-Max et 64,0 pour GLM 5.2, et 79,3 sur AA-LCR, là où Kimi K3 atteint 88,7. Utile pour les longs inputs, sans être le meilleur de sa catégorie.

Des compétences agentiques qui généralisent

Le résultat le plus intéressant de l’annonce ne tient pas à un leaderboard.

Pendant une phase d’entraînement couvrant raisonnement, ingénierie logicielle et tâches terminal, sans aucune tâche de navigation web dans le mix RL, les scores de navigation de Beam ont tout de même progressé.

Avec accès au web, le modèle a compris seul qu’il pouvait interroger d’autres modèles de langue et appeler des API d’OCR pour lire des documents qu’il ne voyait pas.

Les démos de Reflection vont plus loin : une carte du métro de New York en direct à partir des données publiques de la MTA, un jeu de chute libre 3D en p5.js construit entièrement en texte, et un notebook de fine-tuning Gemma 4 assemblé dans OpenCode à partir de la documentation Unsloth, améliorant de 66,5 % la précision sur test tenu à part.

Un test de généralisation de l’annonce vaut d’être isolé, car il est peu probable qu’il ait figuré dans les données d’entraînement.

Reflection a recréé une grille virale publiée sur X quelques jours avant le lancement, demandant à Beam de classer chacun des 16 200 points d’une grille mondiale fixe 180x90 en terre ou mer. Beam en a correctement classé 95,5 %, entre Opus 5 à 92,5 % et Fable 5 à 97,8 %.

RL asynchrone avec jusqu’à une journée de latence

Beam a été entraîné en RL asynchrone : le modèle continue de générer des rollouts pendant que les mises à jour d’entraînement se déroulent en parallèle, sans s’attendre mutuellement. Un long rollout peut donc contenir des jetons produits par plusieurs versions du modèle.

Reflection rapporte un apprentissage stable même quand l’échantillon le plus ancien d’un batch provenait d’une version du modèle avec 107 mises à jour de retard, soit environ une journée.

Les chiffres d’infrastructure valent le détour si vous construisez des systèmes RL :

  • 110 000 rollouts concurrents en moyenne, jusqu’à 170 000 sandbox en parallèle
  • Environ 12 secondes (médiane) pour que les nouveaux poids atteignent les serveurs d’inférence
  • 71 incidents d’inférence gérés sans arrêter le job d’entraînement

Poids ouverts sous Apache 2.0, et tout l’écosystème autour

Reflection indique qu’il publiera les poids de Beam sous Apache 2.0 plus tard en octobre 2026, avec le rapport technique, la model card, la documentation et les outils pour exécuter, évaluer et fine-tuner le modèle.

Le labo prévoit également d’open-sourcer ses évaluations internes de sécurité, ce qui est plus rare que la simple mise à disposition des poids.

Apache 2.0 est parmi les licences les plus permissives : usage commercial, redistribution et modification, sans seuils d’utilisateurs ni de revenus.

C’est important car Kimi K3 et DeepSeek V4.1 Flash ont fixé les attentes envers un modèle ouvert ; une licence restrictive aurait sorti Beam de la discussion.

Quelles performances de Beam sur les benchmarks ?

Globalement, Beam se situe à peu près au niveau de GLM 5.2 sur la plupart des évaluations, nettement devant Inkling et Nemotron 3 Ultra, mais clairement derrière Kimi K3, GLM 5.3 et DeepSeek V4.1 Flash sur les tâches de codage agentique les plus difficiles.

Reflection l’assume et positionne l’avantage de Beam sur l’efficacité, pas sur le pic de capacité.

Toutes les valeurs ci-dessous sont déclarées par les éditeurs, les scores concurrents provenant d’Artificial Analysis et DataCurve cités par Reflection.

Reflection beam-benchmarks-efficiency

Codage et workflows agentiques

Le chiffre phare en codage est 80,9 sur SWE-bench Verified, contre 77,6 pour Inkling et 70,7 pour Nemotron 3 Ultra.

SWE-bench Verified est un ensemble vérifié par des humains de vrais tickets GitHub où le modèle doit écrire un correctif qui passe les tests du projet ; cela reste le benchmark de référence pour beaucoup de praticiens.

Ailleurs, le tableau est moins flatteur.

Face aux modèles réellement en balance dans un choix, Beam est derrière sur tous les benchmarks de codage agentique disposant d’un score comparatif.

BenchmarkBeamGLM 5.2GLM 5.3Kimi K3DeepSeek V4.1 Flash
Terminal-Bench v2.180,181,088,288,390,6
DeepSWE v1.144,444,061,068,074,2
SWE-bench Pro v2-Hard77,2NR84,388,2NR
SWE Atlas Codebase QnA34,6NR61,068,0NR

NR = non rapporté.

Les écarts sur DeepSWE et SWE Atlas sont importants.

DeepSWE v1.1 évalue l’ingénierie logicielle agentique en plusieurs étapes plutôt que des correctifs unitaires ; un déficit de 29,8 points face à DeepSeek V4.1 Flash n’a rien d’anecdotique.

Sur SWE-bench Pro v1, le 65,5 de Beam devance le 62,1 de GLM 5.2 et se place juste sous les 67,7 de Qwen 3.8-Max.

Raisonnement et connaissances

Sur Humanity’s Last Exam (HLE) sans outils, Beam marque 36,2 contre 40,5 pour GLM 5.2, 42,3 pour GLM 5.3, 43,6 pour Qwen 3.8-Max et 46,9 pour Kimi K3.

HLE est un ensemble de questions rédigées par des experts, conçu pour que la recherche et la mémorisation aident peu ; il tend donc à récompenser les plus gros modèles du groupe.

Le reste du pack de raisonnement est plus serré :

  • AIME 2026 : Beam 97,8 ; Inkling 97,1 ; GLM 5.2 99,2
  • GPQA Diamond : Beam 90,5 ; GLM 5.3 91,7 ; Kimi K3 93,5
  • SciCode : Beam 49,7 ; Qwen 3.8-Max 52,1 ; Kimi K3 58,7
  • CritPt : Beam 15,6 ; GLM 5.3 19,1 ; Kimi K3 23,4

Presque tous les modèles sont au plafond sur AIME : ce benchmark ne les départage plus. Un écart de 3 points sur GPQA Diamond avec Kimi K3 ne décidera pas une mise en production.

CritPt, un benchmark de physique de niveau recherche, est là où la différence pique : Kimi K3 y score environ 50 % plus haut que Beam.

Appels d’outils et recherche

Les résultats d’appel d’outils de Beam sont les plus hétérogènes.

Il obtient 37,0 sur AutomationBench (jeu public), devant GLM 5.2 à 26,2 mais derrière Kimi K3 à 46,7 et DeepSeek V4.1 Flash à 54,8. Sur MCP Atlas, il atteint 78,7 contre 77,8 pour GLM 5.2 et 84,5 pour Qwen 3.8-Max.

Sur τ3-bench banking, Beam atteint 38,0, contre 37,1 pour GLM 5.2 et Kimi K3, tandis que Qwen 3.8-Max se détache à 55,2. La recherche est son point faible : 77,4 sur BrowseComp et 80,1 sur DeepSearchQA avec gestion de contexte, contre 91,2 et 95,0 pour Kimi K3. Si votre agent vit sur le web ouvert, c’est l’écart à surveiller.

Efficacité à l’inférence

L’efficacité à l’inférence est le chiffre que Reflection veut vraiment vous voir regarder.

Sur le graphique d’efficacité HLE de Reflection, Beam atteint 35,3 % pour environ 0,82 PFLOP (1015 opérations en virgule flottante) de calcul par essai, alors que Inkling a besoin d’environ 4,1 PFLOP pour ~26 % et Nemotron 3 Ultra d’environ 1,9 PFLOP pour ~21 %.

Plus largement, Reflection affirme que Beam égale GLM 5.2 sur les raisonnements avancés avec 3 à 4 fois moins de calcul d’inférence, l’écart étant encore plus marqué face à la famille Qwen 3.8-Max (2T+).

Attention à la méthode : le calcul est estimé comme 2 x paramètres actifs x nombre moyen de jetons générés par essai. Cela omet le coût de traitement du prompt, le surcoût d’attention des longs contextes et la surcharge de service.

C’est une comparaison de calcul approximative, pas un coût de déploiement mesuré, et comme elle ne compte que les paramètres actifs, elle favorise naturellement les modèles clairsemés comme Beam.

Comment Beam a-t-il été aligné ?

Reflection a entraîné un modèle séparé de sécurité et d’alignement à partir du même checkpoint pré-entraîné, puis l’a combiné avec le modèle principal entraîné en RL via une distillation on-policy à plusieurs enseignants (MOPD), où un même élève apprend de deux « professeurs » à la fois.

Les principes d’alignement sont structurés en trois niveaux :

  • Des règles strictes à ne pas enfreindre
  • Des qualités à manifester systématiquement (par exemple, reconnaître l’incertitude)
  • Un style d’interaction par défaut : direct, fouillé et proactif

La sécurité a utilisé l’alignment délibératif, qui apprend au modèle à raisonner sa politique de sécurité avant de répondre. Une boucle adversariale a généré des attaques contre chaque checkpoint de ronde et réinjecté les réussites dans les données de fine-tuning supervisé du tour suivant.

Reflection indique aussi avoir prédit l’apport du RL sur des comportements difficiles à noter avec une corrélation r = 0,79, contre 0,46 pour un simple Best-of-N. Les résultats d’évaluation sécurité paraîtront dans le rapport technique.

Tarification et disponibilité

Aucun prix public n’est annoncé pour Beam. La documentation développeur de Reflection ne publiait aucun tarif par jeton au 6 octobre 2026, ce qui empêche toute comparaison de coûts avec des endpoints hébergés de Kimi K3 ou DeepSeek V4.1 Flash à ce stade.

L’accès se fait via une bêta API ouverte progressivement par une liste d’attente.

L’URL de base documentée est https://api.reflection.ai/openai/v1, avec une compatibilité OpenAI au sens étroit : Chat Completions et listing des modèles sont pris en charge, tandis que Responses, Embeddings, Files et Batch ne le sont pas. Limites et comportement bêta susceptibles d’évoluer.

La distribution reste faible pour l’instant. Au 6 octobre 2026, Beam n’était pas sur Ollama, pas dans le catalogue OpenRouter, pas dans le catalogue models.dev utilisé par OpenCode, et aucun poids n’était listé sur Hugging Face.

Reflection annonce un lancement avec des partenaires de distribution et des intégrations open source au moment de la sortie des poids.

Comment accéder à Beam de Reflection AI

Les poids de Beam ne sont pas encore disponibles.

Reflection s’est engagé à une sortie sous Apache 2.0 plus tard en octobre 2026, couvrant les poids, le rapport technique, la model card et les outils pour exécuter, évaluer et fine-tuner le modèle. D’ici là, vous ne pouvez ni l’auto-héberger, ni le quantifier, ni mesurer son empreinte mémoire GPU réelle, ni reproduire les scores publiés.

Ce que vous pouvez faire aujourd’hui : vous inscrire sur la liste d’attente bêta et appeler l’API hébergée.

L’ID modèle dans la documentation développeur est Beam-501B-A23B, et comme l’endpoint parle Chat Completions, le client Python officiel OpenAI fonctionne après changement de l’URL de base.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.reflection.ai/openai/v1",
    api_key="YOUR_REFLECTION_KEY",
)

response = client.chat.completions.create(
    model="Beam-501B-A23B",
    reasoning_effort="medium",  # low, medium, high, xhigh, or max
    messages=[{"role": "user", "content": "Port this module to the v2 payments API."}],
)
print(response.choices[0].message.content)

Si vous voulez vous entraîner à ce schéma avec un modèle accessible dès maintenant, notre tutoriel GPT-6 Sol API utilise le même client, y compris les permissions d’outils et le suivi des coûts pour une tâche de migration agentique.

En conclusion

Beam est une proposition open-weight crédible, et le cadrage par l’efficacité est le bon : Kimi K3 et DeepSeek V4.1 Flash le dépassent sur les benchmarks de codage agentique qui comptent, donc l’argument pour Beam doit être le coût par tâche résolue, pas la capacité maximale.

Nous éviterions toutefois d’en faire dépendre vos plans immédiatement.

Sans poids publiés, sans prix, ni reproduction indépendante, toutes les affirmations viennent du labo qui a entraîné le modèle, et la comparaison de calcul omet le traitement du prompt et les coûts de service. Revenez quand les poids Apache 2.0 seront sortis et qu’Artificial Analysis aura publié ses propres chiffres.

En attendant, pour prendre en main l’écosystème open-weight, notre parcours de compétences AI Fundamentals est un excellent point de départ.

FAQs

Qu’est-ce que le modèle Beam de Reflection AI ?
Beam est le premier modèle open-weight de Reflection AI, annoncé le 5 octobre 2026. C’est un modèle clairsemé de type mixture-of-experts avec 501 milliards de paramètres au total et 23 milliards actifs par jeton, pré-entraîné sur 23,8 billions de jetons et affuté par plus de 100 millions de rollouts de RL. Il vise les workloads de codage, de raisonnement et agentiques, et il est uniquement texte.
Comment Beam se compare-t-il à Kimi K3 et DeepSeek V4.1 Flash ?
Beam est derrière sur le codage agentique. Sur Terminal-Bench v2.1, il marque 80,1 contre 88,3 pour Kimi K3 et 90,6 pour DeepSeek V4.1 Flash, et sur DeepSWE v1.1, 44,4 contre respectivement 68,0 et 74,2. L’argument de Reflection est l’efficacité plutôt que la capacité : Beam revendique un niveau GLM 5.2 en raisonnement avec 3 à 4 fois moins de calcul à l’inférence.
Où télécharger les poids de Beam ?
Nulle part pour l’instant. Reflection AI indique qu’il publiera les poids sous licence Apache 2.0 plus tard en octobre 2026, avec le rapport technique, la model card et les outils. Au 6 octobre 2026, aucun poids Beam n’était listé sur Hugging Face et Beam n’était pas dans le catalogue OpenRouter.
Combien coûte l’utilisation de Beam ?
Aucun tarif par jeton n’a été publié. La documentation développeur de Reflection AI ne comportait ni grille tarifaire ni prix par modèle au 6 octobre 2026, donc pas de comparaison possible avec d’autres modèles ouverts hébergés. L’accès se fait via une bêta API sur liste d’attente, gratuite à rejoindre.
Quel est l’ID API et l’endpoint de Beam ?
L’ID modèle dans la documentation développeur de Reflection est Beam-501B-A23B, et l’URL de base est https://api.reflection.ai/openai/v1. L’endpoint prend en charge Chat Completions et le listing des modèles, donc le client Python OpenAI fonctionne avec l’URL de base modifiée. Completions, Embeddings et Batches ne sont pas pris en charge.
Matt Crabtree

Auteur

Matt Crabtree

Rédacteur et éditeur de contenu dans le domaine des technologies de l'information et de la communication. Vous êtes déterminé à explorer les tendances en matière de données et enthousiaste à l'idée d'apprendre la science des données.

Sujets

Contenus associés

blog

Comprendre les TPU et les GPU dans l'IA : Un guide complet