Vai al contenuto principale

Beam: il modello open-weight per il coding da 501B di Reflection AI

Beam di Reflection AI eguaglia GLM 5.2 nel reasoning con 3-4 volte meno compute, ma resta indietro rispetto a Kimi K3 nel coding agentico. Ecco come si comporta il modello open-weight di Reflection AI.
Matt Crabtree
Matt Crabtree

Crea il tuo account gratuito

Pratica and corso your progress.

Continua con GoogleContinuando, accetti la nostra Termini di utilizzo, i nostri Informativa sulla privacy e il fatto che i tuoi dati sono archiviati negli USA.

Le release di modelli open-weight sono state dominate per un po’ dai laboratori cinesi: le famiglie GLM, Kimi, Qwen e DeepSeek guidano le classifiche nelle valutazioni di coding agentico.

Beam di Reflection AI, annunciato il 5 ottobre 2026, ha una proposta esplicita: far avanzare quella che il laboratorio chiama la “frontiera open-weight occidentale” e competere sull’efficienza d’inferenza più che sulla capacità grezza.

In questo articolo vedrai cos’è Beam di Reflection AI, le funzionalità rilevanti per il lavoro quotidiano, come si confronta con Kimi K3, DeepSeek V4.1 Flash e la linea GLM 5.x nei benchmark, e cosa puoi e non puoi farci oggi. Ti consiglio anche la nostra guida a un altro nuovo modello, Kolibri 1, e le nostre guide a Kimi K3 e DeepSeek V4.1 Flash vs Gemini 3.8 Flash.

In sintesi

  • Beam è il primo modello open-weight di Reflection AI, un modello mixture-of-experts (MoE) da 501 miliardi di parametri che usa solo 23 miliardi di parametri per ogni token generato.
  • Il punto di forza è l’intelligenza per token, non il picco di capacità: Reflection afferma che eguaglia GLM 5.2 nel reasoning utilizzando da 3 a 4 volte meno compute d’inferenza.
  • Kimi K3 resta avanti in termini di capacità pura e DeepSeek V4.1 Flash ottiene i punteggi migliori su benchmark specifici come Terminal-Bench v2.1 e DeepSWE.
  • I pesi sono promessi sotto Apache 2.0 più avanti a ottobre 2026, quindi per ora non puoi fare self-hosting, quantizzazione o fine-tuning.

Che cos’è Beam di Reflection AI?

Beam è un modello sparse mixture-of-experts da 501 miliardi di parametri di Reflection AI, pensato per coding, reasoning e carichi agentici. Solo 23 miliardi di quei parametri sono attivi su ciascun token.

È la prima release open-weight del laboratorio e il primo modello di una serie pianificata.

Sotto il cofano, Beam ha 52 layer, suddivide la conoscenza in molti piccoli “esperti” specializzati (solo alcuni vengono eseguiti per token) e combina attenzione locale al testo vicino con attenzione sull’intero input.

La sparsity è l’argomento centrale.

Un modello da oltre 2T come Qwen 3.8-Max attiva molti più parametri per token, quindi ogni token generato costa più compute.

La scommessa di Reflection è che un footprint attivo da 23B, spinto con reinforcement learning (RL), arrivi abbastanza vicino nel coding e nel lavoro agentico da rendere la differenza di costo conveniente.

La scala di training è dove Reflection ha investito. Il pretraining su 23,8 trilioni di token ha richiesto meno di 4 settimane su 6.144 GPU NVIDIA GB300, con il cluster produttivo per il 92,3% del tempo verso la fine dell’esecuzione e 9 riavvii da checkpoint precedenti lungo il percorso.

La fase RL è poi girata separatamente su 10.500 GB300 per 4 settimane. Ha prodotto oltre 100 milioni di rollout (tentativi completi di un task) su circa 1 milione di task curati tra coding, agentico e STEM, usando circa 1,3 miliardi di ambienti sandbox per eseguirli e valutarli.

Reflection riferisce anche che la capacità ha continuato a migliorare all’aumentare del compute RL, senza plateau alla fine dell’esecuzione. È l’affermazione che vorrei più di tutte vedere testata esternamente, perché sostiene la dichiarazione del laboratorio che sta già addestrando il prossimo modello della serie.

Reflection AI Beam Model Card

Caratteristiche chiave di Beam

Beam è solo testo, quindi niente input immagine o audio.

Quello che offre è un set di controlli e capacità mirati direttamente a chi gestisce agenti di coding.

Una manopola dello sforzo di reasoning impostabile per richiesta

Beam espone un parametro di reasoning effort, così decidi quanti token di “pensiero” assegnare a un task. L’API accetta low, medium (predefinito), high, xhigh e max, ma il reasoning non può essere disattivato del tutto.

Impostazioni più basse favoriscono risposte brevi; quelle più alte consentono reasoning più lungo su problemi difficili.

La manopola deriva direttamente da come Beam è stato addestrato.

Durante l’RL, Reflection ha usato una lunghezza penalizzata regolabile che premiava le soluzioni corrette scoraggiando i token superflui. Riporta che all’inizio del training le prestazioni miglioravano mentre le risposte si accorciavano.

Più tardi, con la crescita dell’abilità agentica, le risposte si sono allungate di nuovo e quei token extra si sono ripagati.

Contesto da 1M di token per lavorare su interi repository

Il midtraining estende il contesto effettivo di Beam a 1 milione di token, addestrato su repository di codice strutturato, task a lungo orizzonte e documenti long-form.

Ci sono due avvertenze. I rollout RL sono stati eseguiti con un contesto massimo di 256K token, quindi il comportamento agentico di Beam è stato appreso a un quarto di quella lunghezza, e l’API beta attualmente limita le richieste a 262.144 token (input più output), con output limitato a 131.072 token.

Contesto lungo sulla carta e in pratica sono cose diverse. Beam ottiene 65,5 su LongBench v2 rispetto a 66,3 di Qwen 3.8-Max e 64,0 di GLM 5.2, e 79,3 su AA-LCR, dove Kimi K3 arriva a 88,7. Ciò rende Beam utile per input lunghi, ma non al vertice della categoria.

Abilità agentiche che si trasferiscono a task mai visti in training

Il risultato più interessante dell’annuncio non riguarda alcuna classifica.

Durante una fase di training su reasoning, ingegneria del software e task da terminale, senza task di browsing nel mix RL, i punteggi di browsing di Beam sono comunque migliorati.

Con accesso al web, il modello ha capito da solo che poteva interrogare altri modelli linguistici e chiamare API di optical character recognition (OCR) per leggere documenti che non poteva vedere.

Le demo di Reflection spingono oltre: una mappa in tempo reale della metropolitana di New York costruita con dati pubblici MTA, un gioco 3D di caduta libera in p5.js costruito interamente tramite testo e un notebook di fine-tuning di Gemma 4 assemblato dentro OpenCode a partire dalla documentazione di Unsloth, che ha aumentato del 66,5% l’accuratezza sul test held-out di Gemma.

Un test di generalizzazione dall’annuncio merita di essere isolato perché è difficile che sia apparso nei dati di training.

Reflection ha ricreato un puzzle a griglia virale pubblicato su X pochi giorni prima del lancio, chiedendo a Beam di classificare ciascuno dei 16.200 punti su una griglia mondiale fissa 180x90 come terra o acqua. Beam ne ha azzeccati il 95,5%, tra Opus 5 al 92,5% e Fable 5 al 97,8%.

RL asincrona con fino a un giorno di ritardo

Beam è stato addestrato con RL asincrona, cioè il modello continua a generare rollout mentre gli aggiornamenti di training avvengono in parallelo, invece di aspettarsi a vicenda. Un singolo rollout lungo può quindi contenere token prodotti da diverse versioni del modello.

Reflection riporta un apprendimento stabile anche quando il campione più vecchio di un batch proveniva da una versione del modello 107 aggiornamenti indietro rispetto a quella corrente, circa un giorno fuori data.

I numeri dell’infrastruttura meritano uno sguardo se costruisci sistemi RL:

  • 110K rollout concorrenti in media, con fino a 170K sandbox concorrenti
  • Circa 12 secondi (mediana) perché i nuovi pesi raggiungano i server di inferenza
  • 71 incidenti d’inferenza gestiti senza fermare il job di training

Pesi open sotto Apache 2.0, più lo stack intorno

Reflection dice che pubblicherà i pesi di Beam sotto Apache 2.0 più avanti a ottobre 2026, insieme al report tecnico, alla scheda modello, alla documentazione e agli strumenti per eseguire, valutare e fare fine-tuning del modello.

Prevede anche di open-sourcizzare le valutazioni di sicurezza interne che ha costruito, cosa più rara della sola pubblicazione dei pesi.

Apache 2.0 è tra le licenze più permissive: uso commerciale, redistribuzione e modifica, senza soglie su utenti o ricavi.

Conta perché Kimi K3 e DeepSeek V4.1 Flash hanno fissato aspettative su cosa un modello open dovrebbe permetterti di fare, e una licenza restrittiva avrebbe escluso Beam dalla conversazione.

Come si comporta Beam nei benchmark?

Beam si posiziona più o meno dove si trova GLM 5.2 nella maggior parte delle valutazioni, ben avanti a Inkling e Nemotron 3 Ultra, e chiaramente dietro Kimi K3, GLM 5.3 e DeepSeek V4.1 Flash nei task di coding agentico più difficili.

Reflection è trasparente su questo punto, presentando il vantaggio di Beam come efficienza piuttosto che capacità di picco.

Tutte le cifre sotto sono riportate dai vendor, con i punteggi dei concorrenti ricavati da Reflection da Artificial Analysis e DataCurve.

Reflection beam-benchmarks-efficiency

Workflow di coding e agentici

Il numero di punta per il coding è 80,9 su SWE-bench Verified, contro 77,6 per Inkling e 70,7 per Nemotron 3 Ultra.

SWE-bench Verified è un set verificato da umani di vere issue GitHub dove un modello deve scrivere una fix che superi i test del progetto, e resta il primo benchmark che la maggior parte dei practitioner consulta.

Altrove, il quadro è meno lusinghiero.

Contro i modelli tra cui sceglieresti davvero, Beam è dietro in ogni benchmark di coding agentico dove esiste un punteggio di confronto.

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 riportato.

I divari su DeepSWE e SWE Atlas sono ampi.

DeepSWE v1.1 testa l’ingegneria del software agentica multi-step piuttosto che singole fix, e un deficit di 29,8 punti rispetto a DeepSeek V4.1 Flash non è un errore di arrotondamento.

Su SWE-bench Pro v1, il 65,5 di Beam batte il 62,1 di GLM 5.2 ed è appena sotto il 67,7 di Qwen 3.8-Max.

Reasoning e conoscenza

Su Humanity’s Last Exam (HLE) senza strumenti, Beam segna 36,2 contro 40,5 di GLM 5.2, 42,3 di GLM 5.3, 43,6 di Qwen 3.8-Max e 46,9 di Kimi K3.

HLE è un set di domande scritte da esperti pensato perché ricerca e memorizzazione aiutino poco, e tende a premiare i modelli più grandi di questo gruppo.

Il resto della suite di reasoning è più serrato:

  • 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

Quasi ogni modello qui sta in alto su AIME, quindi non li distingue più, e un gap di 3 punti su GPQA Diamond rispetto a Kimi K3 non decide un deploy in produzione.

CritPt, un benchmark di problemi di fisica a livello di ricerca, è dove la differenza si fa sentire, con Kimi K3 circa il 50% sopra Beam.

Tool calling e ricerca

I risultati di Beam sul tool calling sono i più disomogenei.

Ottiene 37,0 su AutomationBench (set pubblico), davanti a GLM 5.2 a 26,2 ma dietro Kimi K3 a 46,7 e DeepSeek V4.1 Flash a 54,8. Su MCP Atlas, segna 78,7 contro 77,8 di GLM 5.2 e 84,5 di Qwen 3.8-Max.

Su τ³-bench banking, Beam arriva a 38,0 contro 37,1 sia per GLM 5.2 sia per Kimi K3, con Qwen 3.8-Max ben avanti a 55,2. La ricerca è l’area più debole: 77,4 su BrowseComp e 80,1 su DeepSearchQA con gestione del contesto, contro 91,2 e 95,0 di Kimi K3. Se il tuo agente vive sul web aperto, questo è il gap da tenere d’occhio.

Efficienza di inferenza

L’efficienza di inferenza è la metrica su cui Reflection vuole davvero che ti concentri.

Sul grafico di efficienza HLE di Reflection, Beam arriva al 35,3% con una stima di 0,82 PFLOP (quadrilioni di operazioni in virgola mobile) di compute per tentativo, mentre Inkling richiede circa 4,1 PFLOP per arrivare intorno al 26% e Nemotron 3 Ultra circa 1,9 PFLOP per circa il 21%.

La tesi più ampia di Reflection è che Beam eguagli GLM 5.2 nel reasoning avanzato usando da 3 a 4 volte meno compute d’inferenza, con un divario maggiore rispetto alla famiglia Qwen 3.8-Max da oltre 2T.

Leggi bene il metodo: il compute è stimato come 2 volte i parametri attivi per il numero medio di token generati per tentativo. Esclude il costo di elaborazione del prompt, il costo extra di attenzione per contesti lunghi e l’overhead di serving.

È un confronto approssimativo del compute, non un costo di deploy misurato, e poiché conta solo i parametri attivi, favorisce naturalmente modelli sparsi come Beam.

Come è stato allineato Beam?

Reflection ha addestrato un modello separato per sicurezza e allineamento dallo stesso checkpoint di pretraining, quindi lo ha combinato con il modello principale addestrato con RL usando la distillazione on-policy multi-teacher (MOPD), dove un singolo modello studente apprende da entrambi i modelli “insegnanti”.

I principi di allineamento sono organizzati in tre livelli:

  • Regole rigide che il modello non deve infrangere
  • Qualità che dovrebbe mostrare con costanza, come riconoscere l’incertezza
  • Uno stile di interazione predefinito descritto come diretto, accurato e proattivo

Il training di sicurezza ha usato l’allineamento deliberativo, che insegna al modello a ragionare sulla propria policy di sicurezza prima di rispondere. Un loop avversariale ha generato attacchi contro il checkpoint di ciascun round e ha reinserito quelli riusciti nel successivo set di dati di fine-tuning supervisionato.

Reflection riferisce anche di aver potuto prevedere quanto l’RL avrebbe migliorato comportamenti difficili da valutare con una correlazione di r = 0,79, rispetto a 0,46 usando un baseline Best-of-N più semplice. I risultati della valutazione di sicurezza sono promessi nel report tecnico, non pubblicati ora.

Prezzi e disponibilità di Beam

Non c’è un prezzo pubblico per Beam. La documentazione per sviluppatori di Reflection non riportava un listino per token al 6 ottobre 2026, rendendo impossibile al momento qualsiasi confronto di costo con endpoint hosted di Kimi K3 o DeepSeek V4.1 Flash.

L’accesso avviene tramite un’API beta aperta gradualmente via lista d’attesa.

L’URL base documentato è https://api.reflection.ai/openai/v1, ed è compatibile con OpenAI in senso stretto: supporta Chat Completions e l’elenco modelli, mentre Responses, Embeddings, Files e Batch non sono supportati. Limiti e comportamento della beta sono esplicitamente soggetti a cambiamento.

La distribuzione è ancora scarsa. Alla verifica del 6 ottobre 2026, Beam non era su Ollama, non nel catalogo OpenRouter, non nel catalogo models.dev usato da OpenCode e nessun peso era elencato su Hugging Face.

Reflection afferma che lancerà con partner di distribuzione e integrazioni con harness open-source insieme al rilascio dei pesi.

Come accedere a Beam di Reflection AI

I pesi di Beam non sono ancora disponibili.

Reflection si è impegnata per un rilascio Apache 2.0 più avanti a ottobre 2026, comprendente pesi, report tecnico, scheda modello e strumenti per eseguire, valutare e fare fine-tuning del modello. Fino ad allora, non puoi fare self-hosting, quantizzare, misurare quanta memoria GPU serva davvero o riprodurre alcun punteggio pubblicato.

Quello che puoi fare oggi è iscriverti alla lista d’attesa della beta e chiamare l’API hosted.

L’ID modello nella documentazione per sviluppatori è Beam-501B-A23B e, dato che l’endpoint parla Chat Completions, il client ufficiale Python di OpenAI funziona una volta cambiato l’URL 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)

Se vuoi esercitarti con questo pattern usando un modello accessibile subito, il nostro tutorial sull’API di GPT-6 Sol usa lo stesso client, incluse autorizzazioni agli strumenti e tracciamento dei costi per un task di migrazione agentico.

Considerazioni finali

Beam è un ingresso open-weight credibile, e l’impostazione sull’efficienza è quella onesta: Kimi K3 e DeepSeek V4.1 Flash lo battono nei benchmark di coding agentico più importanti, quindi il caso per Beam dev’essere il costo per task risolto, non la capacità.

Io non ci farei ancora affidamento per pianificare.

Senza pesi pubblicati, un prezzo o una singola riproduzione indipendente, ogni affermazione qui arriva dal laboratorio che ha addestrato il modello, e il confronto di compute non include il processamento del prompt e i costi di serving. Riprova quando usciranno i pesi Apache 2.0 e Artificial Analysis pubblicherà i propri numeri.

Nel frattempo, se vuoi mettere le mani sullo stack open-weight, la nostra skill track AI Fundamentals è un buon punto per costruire le basi.

FAQs

Che cos'è il modello Beam di Reflection AI?
Beam è il primo modello open-weight di Reflection AI, annunciato il 5 ottobre 2026. È un modello sparse mixture-of-experts con 501 miliardi di parametri totali e 23 miliardi attivi per token, pre-addestrato su 23,8 trilioni di token e rifinito con oltre 100 milioni di rollout di reinforcement learning. Punta a carichi di lavoro di coding, reasoning e agentici, ed è solo testo.
Come si confronta Beam con Kimi K3 e DeepSeek V4.1 Flash?
Beam resta indietro su entrambi nel coding agentico. Su Terminal-Bench v2.1 ottiene 80,1 contro 88,3 di Kimi K3 e 90,6 di DeepSeek V4.1 Flash, e su DeepSWE v1.1 segna 44,4 contro rispettivamente 68,0 e 74,2. L'argomento di Reflection è l'efficienza più che la capacità di picco: Beam sostiene di offrire reasoning a livello di GLM 5.2 con 3-4 volte meno compute d'inferenza.
Dove posso scaricare i pesi di Beam?
Per ora da nessuna parte. Reflection AI afferma che pubblicherà i pesi con licenza Apache 2.0 più avanti a ottobre 2026, insieme a report tecnico, scheda modello e tooling. Al 6 ottobre 2026 non risultavano pesi di Beam su Hugging Face e Beam non era nel catalogo OpenRouter.
Quanto costa usare Beam?
Non è stato pubblicato alcun prezzo per token. La documentazione per sviluppatori di Reflection AI non riportava listini né prezzi di modelli al 6 ottobre 2026, quindi non è ancora possibile confrontare i costi hosted con altri modelli open. L'accesso avviene attualmente tramite una lista d'attesa per la beta API, gratuita da unirsi.
Qual è l'ID modello e l'endpoint API di Beam?
L'ID modello nella documentazione di Reflection è Beam-501B-A23B e la base URL è https://api.reflection.ai/openai/v1. L'endpoint supporta Chat Completions e la lista dei modelli, quindi il client Python di OpenAI funziona cambiando la base URL. Completions, Embeddings e Batches non sono supportati.
Matt Crabtree

Autore

Matt Crabtree

Senior editor nell’ambito dell’AI e dell’edtech. Impegnata a esplorare le tendenze in tema di dati e intelligenza artificiale.  

Argomenti

Correlato