BeamはMoE構成のオープンウェイトモデル
Reflection Beamは米国のAI企業Reflection AIが開発した大規模言語モデルで、10月5日に公式ブログで発表されました。このBeamは学習済みの重みを公開するオープンウェイトモデルで、総パラメータ501BのMoE構成です。
発表の時点では、最終のレッドチーミング（攻撃を担当する側を立てて弱点を探す試験）と評価が続いています。使うことができるのは登録制の早期アクセスだけです。
Reflection Beamの主なスペック（公式発表）
501Bのうち推論時に動作するパラメータ数はいくつか
MoE（Mixture of Experts＝混合専門家）はモデルの中身を多数の専門家に分けておき、入力ごとに一部だけを呼び出す作りです。つまり、Beamのパラメータ数（モデルが学習で調整する数値の個数）は総数で501Bありますが、1トークンを出すたびに動作するのはそのうち23Bだけです。
動作するパラメータ数が少ないほど1回の推論の計算は軽くなります。このあと検討する推論コストの主張もこの構成を前提にしています。
比較対象によく出てくるZ.aiのGLM 5.2は総744B・アクティブ40Bで、Beamは総数でもアクティブ数でもGLM 5.2より小規模なモデルです。GLM 5.2が先に公開済みなのに対してBeamの重みはまだ出ていません。
We are introducing Beam, Reflection’s first open-weight model. Beam is a sparse Mixture-of-Experts model with 501 billion total parameters, 23 billion active, built for coding, reasoning, and agentic workloads. — 構成・規模・用途を説明した発表冒頭の記述より公式情報を見る →
コーディングAIとAIエージェントの作業に特化
Reflectionは用途として、コーディング・推論・エージェント作業を打ち出しています。事前学習に使ったのは23.8兆トークンで、続く中間学習で実効コンテキスト長（一度に読み込める文章の長さ）を100万トークンまで伸ばしました。
例えばリポジトリ全体を読み込ませてコードを修正させるような、長い文脈を保持したまま何段階も作業を進める使い方を想定しています。Beamが読み込めるのはテキストだけで、画像や音声は入力できません。
開発元は元DeepMind研究者が創業しNVIDIAが出資
Reflection AIはGoogle DeepMindの元研究者2人が2024年に創業した会社で、本社はニューヨークのブルックリンにあります。調達額はNVIDIAやSequoia Capitalなどから計約47億ドル（約7,437億円）で、直近ラウンドのプレマネー評価額（出資を受ける前の企業価値）は250億ドル（約3兆9,560億円）とのこと。
2026年夏にはSpaceX・Nebiusと総額70億ドル（約1兆1,080億円）を超える契約を結び、2029年までNVIDIA GB300を使うことができる体制を整えています。NVIDIAは出資者であると同時に、Beamの学習に使ったGPUのメーカーでもあります。
Reflection was founded in 2024 by two former Google DeepMind researchers and has raised roughly $4.7 billion from backers, including Nvidia, Sequoia Capital, and Lightspeed Venture Partners, per PitchBook. — 創業の経緯と調達額に触れた段落より公式情報を見る →
NVIDIAによる買収協議の報道（10月10日）
10月10日、英Financial Timesは、NVIDIAがReflection AIへの追加出資か買収を協議していると報じました。ロイターによると、協議はまだ初期の段階とのこと。
完全な買収のほかに、社員を採用して技術のライセンスを受ける「アクハイヤー」という方式もあり得るとされています。この方式なら、規制当局の長い審査を避けられる可能性があると、ロイターが伝えています。
合意が数週間のうちに成立することもあれば、協議が決裂することもあり得ると報じられています。Reflectionは報道へのコメントを控え、NVIDIAもすぐには応じていません。
NVIDIAはすでに、Reflectionへ8億ドル（約1,266億円）を投じている主要な出資者です。Beamの重みは10月中にApache 2.0で公開すると予告されていますが、買収が成立した場合にこの予定が変わるかどうか、両社は何も発表していません。
Talks are at an early stage and a deal could take several forms, including a so-called acqui-hire arrangement where Nvidia would hire staff and license technology rather than pursue a full acquisition, potentially avoiding a lengthy regulatory review, the newspaper said. ／ An agreement could be reached in the coming weeks, according to the report, which cited multiple people familiar with the matter, while adding that the discussions could still fall apart. — FTの報道を伝えた配信記事の箇条書きより公式情報を見る →
GLM 5.2やKimi K3と並べたベンチマークのスコア
Reflectionが公開したスコア比較ではBeamはGLM 5.2とほぼ同じスコアで、Kimi K3・DeepSeek V4.1 Flash・Qwen 3.8 Maxには届いていません。スコア比較の数値はすべてReflectionが自社で計測したもので、第三者による検証はまだありません。
SWE benchとTerminal Benchの結果
DeepSWEとSWE Bench Proは、実在するリポジトリの不具合をモデルに修正させて成功率を調べる試験です。Terminal Benchはコマンドラインでの作業を自力でどこまで進められるか、MCP Atlasは外部ツールを呼び出しながら課題を片付けられるか確認する試験で、どれも点数が高いほど良い成績になります。
Beamと中国勢オープンモデルのスコア比較（Reflection公表値）
BeamとGLM 5.2はほぼ同点。DeepSeek V4.1 FlashとKimi K3には大きく離されている。
Beam
GLM 5.2
Kimi K3
Qwen 3.8 Max
DeepSeek V4.1 FlashBeamは5モデルの中で最も低いが、トップのDeepSeek V4.1 Flashとの差はDeepSWEほど開いていない。
BeamGLM 5.2Kimi K3Qwen 3.8 MaxDeepSeek V4.1 FlashSWE Bench ProではBeamがGLM 5.2を超えるが、Qwen 3.8 Maxには届かない。Reflectionの表に他のモデルの値は無い。
BeamGLM 5.2Qwen 3.8 MaxここでもBeamはGLM 5.2より上で、Kimi K3とQwen 3.8 Maxより下。DeepSeek V4.1 Flashの値は表に無い。
BeamGLM 5.2Kimi K3Qwen 3.8 MaxBeamはGLM 5.2とどの試験でも僅差で、SWE Bench ProとMCP AtlasではBeamが上、Terminal Benchではわずかに下です。ReflectionはSWE Bench Verifiedでも80.9を記録し、Thinking Machines LabのInkling（77.6）を超えたとしています。
DeepSeek V4系やQwen 3.8 Maxとの差
Beamは上の図の4つの試験すべてでQwen 3.8 Maxに届かず、DeepSWEとTerminal BenchではDeepSeek V4.1 Flashにも大きく離されています。また、最も大きく差が開いたのはDeepSWEで、Beamの44.4に対してDeepSeek V4.1 Flashは74.2です。
Beamは知識を問う試験でKimi K3にも及ばず、HLE（ツールなし）は36.2に対してKimi K3が46.9、GPQA Diamondは90.5に対して93.5です。Reflectionも、純粋な性能ではKimi K3など先を行くオープンモデルのほうが上だと公式ブログで認めています。
Reflectionは性能の差を認めたうえで、Beamの強みは推論時の効率だとしています。効率はベンチマークの表には出てこないため、算出の条件まで確認しておく必要があります。
Where frontier open models like Kimi K3 remain ahead on raw capability, Beam's advantage is efficiency at inference time. — ベンチマーク表に続く、性能と効率の位置づけを説明した記述より公式情報を見る →
推論コストと計算量は1/4〜1/3になるという主張
Reflectionによると、高度な推論ベンチマークでGLM 5.2と同程度のスコアを、1/4〜1/3の推論計算量で出したとのこと。総パラメータ2兆超クラスのQwen 3.8 Maxと比較すると、差はさらに開くとしています。ピーク性能よりもこの効率を前面に出した発表です。
推論計算量の主張と算出の条件（公式発表）
計算量の比較はFLOPsからの概算なのか
FLOPs（浮動小数点演算の回数）は、モデルが回答を出すまでに必要な計算量を表す数字です。ところが、Reflectionの言う1/4〜1/3は上の式で見積もった計算量のおおまかな比較で、実際に支払う推論コストの差ではありません。
元のデータはArtificial AnalysisとDataCurveの公開値で、アクティブパラメータが少なく回答が短いモデルほど低く出る計算式です。プロンプトを読み込むときの事前処理と、文脈が長くなるほど増えるattention（文中のどこに注目するかを判断する演算）の処理は式に入っておらず、サーバーで配信するときの負荷も含みません。
自前で運用する場合も、動作する23B分まで軽くなるのは計算量だけです。重みを読み込むGPUメモリは総パラメータの501B分が必要なので、サーバーの費用は1/4〜1/3という比率からは予測できません。
These estimates exclude prompt prefill, context-dependent attention operations, and serving overhead, so they represent an approximate compute comparison rather than measured inference cost. — 効率の比較図に付いた算出方法の注記より公式情報を見る →
強化学習にGB300は何基投入されたのか
Reflectionによると効率を支えているのは大規模な強化学習（RL）で、NVIDIA GB300を1万500基使って4週間で1億回を超えるロールアウト（モデルに課題を解かせる試行）を回しました。また、課題を用意した環境は約100万件あり、コーディングやエージェント作業のほか理工系の問題も含まれています。
比較の目安として、ReflectionはThinking Machines Labが開発したInklingのロールアウト数を3,000万回、MiMoを75.3万回としています。Beamの1億回超はどちらよりも大幅に多い回数です。
安全性は知識蒸留とレッドチーミングでどう調整するのか
Reflectionは安全面の対策として、大規模なRLで学習させたモデルとは別に安全性とアライメント（人の意図に沿わせること）だけを学ばせた2つ目のモデルを作りました。2つのモデルの能力は、複数の教師モデルから同時に学ばせる知識蒸留（MOPD）で1つにまとめています。
発表の時点では最終のレッドチーミングを進めている段階です。結果は技術レポートで公表したうえで、社内の安全性評価もオープンソースにする予定です。
Apache 2.0の重みはいつ公開され商用利用できるのか
Reflectionは10月中に、重みと技術レポートとモデルカード（仕様や制約をまとめた文書）をApache 2.0ライセンスで公開すると予告しています。ドキュメントに加えて、モデルの実行・評価・ファインチューニング（自社のデータで追加学習すること）に使う一式も公開する予定です。
Reflection Beamの公開予定（公式発表）
ローカルLLMでの動作と商用利用はいつからか
発表の時点で重みはまだ公開されていないので、自社のサーバーでローカルLLMとして動作させるのも商用のサービスに組み込むのも10月中の公開を待ってからです。また総501Bという規模は、個人のパソコンで動作させる前提のサイズでもありません。
Apache 2.0は複製・改変・再配布を無償で許し、特許の利用許諾も含むライセンスです。商用か非商用かで利用目的を制限する条項はなく、社内システムにも有償のサービスにも組み込めます。
each Contributor hereby grants to You a perpetual, worldwide, non-exclusive, no-charge, royalty-free, irrevocable copyright license to reproduce, prepare Derivative Works of, publicly display, publicly perform, sublicense, and distribute the Work and such Derivative Works in Source or Object form. — 第2条 Grant of Copyright License より公式情報を見る →
ファインチューニングの一式とライブラリ対応
公開時にはファインチューニングに使うツールまで含めた一式がそろう予定で、オープンソースAIのライブラリにも公開と同時に組み込まれます。配信は大手クラウドやGPU貸し出し専門のクラウドを通じて行うとのこと。
ライブラリの資料をBeamに読ませれば、ファインチューニング用のノートブックを作る作業も任せられます。発表ブログでは、Unslothの資料を読ませてGemma-4の最小モデル向けのノートブックを作らせていました。
対応するライブラリやクラウドの名前はまだ出ていません。自社の環境で使うことができるかどうかは、公開時の資料を見て判断することになります。
Reflection says it will release Beam’s weights and full technical details this month, with distribution through hyperscalers and neoclouds and integrations across open source libraries at launch. — 公開予定と配信経路に触れた段落より公式情報を見る →
採用判断は重みと第三者評価が出てからが確実
Reflection Beamは総501B・アクティブ23BのMoEで、米国の企業がリリースしたオープンウェイトモデルです。性能の上限ではKimi K3やDeepSeek V4.1 Flashに及ばない一方で、GLM 5.2と同程度のスコアを少ない推論計算量で出せるとReflectionは主張しています。
数値はどれもReflectionの自社発表で、計算量も実測ではなく概算です。採用を検討するなら10月中に出る重みと技術レポート、その後の第三者による評価を見てから判断するのが確実です。10月10日にはNVIDIAによる買収協議も報じられましたが、合意前の段階で、両社は何も発表していません。
比較に出てきたモデルは、以下のsakuttoAI記事で詳しく解説しています。Beamの重みが出たあとに性能を比較する材料にもなります。
FAQ
- Reflection Beamは無料で使うことができますか？
- 重みは10月中にApache 2.0ライセンスで公開される予定で、公開後はダウンロードして商用サービスに組み込むこともできます。発表時点で使うことができるのは一部のユーザー向けの早期アクセスだけで、ウェイトリストへの登録が入口です。総501Bという規模は個人のパソコンで動作させる前提のサイズではないため、自前で動作させるにはGPUサーバーの費用がかかります。
- Reflection BeamはKimi K3より高性能ですか？
- 純粋な性能ではKimi K3が上で、Reflectionも公式ブログでそれを認めています。Terminal Bench v2.1はBeamの80.1に対してKimi K3が88.3で、DeepSWE v1.1は44.4に対して68.0です。Beamの売りは、GLM 5.2と同程度のスコアを少ない推論計算量で出すという効率の面です。
- Reflection Beamは画像を読み込めますか？
- 読み込めません。Beamはテキストだけに対応するモデルです。画像や表の中身をテキストに書き起こして提供すれば、その情報を使った処理はできます。
関連する記事
Kimi K3.1 Proとは？前のK3より3割安く、重みもすでに公開Kimi K3.1 Proは、Moonshot AIが2026年10月24日に発表したKimi K3の強化版です。K3に事後学習を重ね、コーディングではClaude Opus 5.5に僅差まで迫りました。APIは100万トークンあたり入力2ドル（約316円）・出力10ドル（約1,581円）とK3より3割安く、重みもHugging Faceで公開されています。
Mixture of Expertsとは？一部の専門部分だけを使う仕組みMoE（Mixture of Experts、混合エキスパート）は、AIモデルの中を多数のエキスパートに分け、トークンごとに一部だけを動作させる仕組みです。「30B-A3B」のA3Bは1トークンで使うアクティブパラメータを表します。速さはアクティブパラメータ、必要なメモリは総パラメータで見積もれます。
AIエージェントのメモリは最適量がモデルで異なる、IBMが8モデルで検証IBM Researchは2026年8月18日、AIエージェントが使うメモリの量を8モデルで検証した結果を公開しました。最良の渡し方は強いモデルでは全部入り、弱いモデルでは厳選検索でした。GLM-5は伸びませんでした。トークン増加はgpt-oss-120bの厳選検索で+5%、全部入りで+51〜78%です。
Qwen3.8-27Bの性能と、ローカルで動作させるために必要なVRAMQwen3.8-27Bは、Alibabaが2026年8月に公開した、270億パラメータのオープンウェイトモデルです。Apache 2.0で商用利用でき、4bit量子化なら16〜19GBのメモリで動作します。公式ベンチにはOpus4.6 Maxを上回る結果もありますが、測定条件はモデルごとに異なります。