Reflection تعلن Beam: 501 مليار معامل، 23 مليارا فقط تعمل، والأوزان لم تنشر بعد

Reflection تعلن Beam: نموذج مفتوح الأوزان بـ501 مليار معامل يعمل منها 23 مليارا فقط

الجواب المختصر: في 5 أكتوبر 2026 أعلنت شركة Reflection AI الأمريكية عن Beam، أول نماذجها مفتوحة الأوزان. حجمه الكلي 501 مليار معامل، لكنه مبني بمعمارية "خليط الخبراء" فلا يعمل منه إلا 23 مليار معامل لكل رمز، ويقرأ سياقا فعليا يصل إلى مليون رمز. الأوزان ستنشر برخصة Apache 2.0 التي تسمح بالاستخدام التجاري "في وقت لاحق من هذا الشهر"، ومعها تقرير تقني وبطاقة النموذج وأدوات للمطورين. حتى اليوم لا يمكنك تنزيله، المتاح فقط هو التسجيل في برنامج الوصول المبكر.

الخبر مهم لأي منشأة تفكر في تشغيل الذكاء الاصطناعي على خوادمها بدل إرسال بياناتها إلى خدمة سحابية خارج المملكة. لكن الأرقام المعلنة تستحق قراءة هادئة قبل أن تبني عليها خطة.

ما الذي أعلنته Reflection بالضبط

• الحجم: 501 مليار معامل إجمالا، و23 مليارا نشطة لكل رمز، بمعمارية خليط خبراء متفرقة.
• التدريب: 23.8 تريليون رمز من بيانات الويب ومجموعات بيانات مرخصة، على 6,144 معالج رسوميات من نوع NVIDIA GB300 في أقل من أربعة أسابيع.
• التعلم المعزز: أربعة أسابيع إضافية على نحو 10,500 معالج GB300، وأكثر من 100 مليون محاولة تدريبية.
• الاستخدام المستهدف: البرمجة والاستدلال ومهام الوكلاء التي تنفذ خطوات متتالية بنفسها.
• التحكم في التفكير: إعداد يحدد مقدار "التفكير" قبل الإجابة، فتختار بين جواب سريع قصير وتحليل أطول.
• الكفاءة: تقول الشركة إنه يحقق نتائج مقاربة لنموذج GLM-5.2 في اختبارات الاستدلال المتقدم، وأقل منه بقليل في جدولها، مع حوسبة تشغيل أقل بثلاث إلى أربع مرات بحسب تقديرها، وهو رقم محسوب من المعاملات النشطة وعدد الرموز المولدة لا من تكلفة تشغيل مقاسة.

الأرقام كما نشرتها الشركة، ومن يتقدم عليه

نشرت Reflection جدول مقارنة مع سبعة نماذج، منها GLM 5.2 وQwen 3.8 Max وKimi K3. وهذه أبرز نتائج المقارنة مع هذه الثلاثة كما وردت في الإعلان:

• Terminal Bench v2.1 (تنفيذ مهام في سطر الأوامر): Beam 80.1، مقابل 81.0 لـGLM 5.2 و86.6 لـQwen 3.8 Max و88.3 لـKimi K3.
• MCP Atlas (استخدام الأدوات عبر بروتوكول MCP): Beam 78.7، مقابل 77.8 و84.5 و82.3.
• GPQA Diamond (أسئلة علمية متخصصة): Beam 90.5، مقابل 91.2 و92.6 و93.5.
• DeepSWE v1.1 (إصلاح مشكلات برمجية حقيقية): Beam 44.4، مقابل 44.0 و51.0 و68.0.
• AIME 2026 (رياضيات): Beam 97.8 مقابل 99.2 لـGLM 5.2.

القراءة الأمينة لهذا الجدول: Beam ليس أقوى نموذج مفتوح، فـKimi K3 يتقدم عليه في 13 من 14 اختبارا مشتركا، والاستثناء الوحيد هو tau3 banking بنتيجة 38.0 لـBeam مقابل 37.1، ويتقدم بفارق كبير في إصلاح الشيفرة (68.0 مقابل 44.4 في DeepSWE). ما تبيعه Reflection هو الكفاءة: أداء قريب من GLM-5.2 بتكلفة تشغيل أقل. ونتائج Beam نفسها منشورة من الشركة، أما نتائج النماذج المنافسة فتقول Reflection إنها أخذتها من Artificial Analysis وDataCurve. ولن تستطيع جهات مستقلة إعادة اختبار Beam قبل نشر الأوزان والتقرير التقني.

23 مليارا نشطة لا تعني خادما صغيرا

هذه أكثر نقطة يساء فهمها في نماذج خليط الخبراء. عدد المعاملات النشطة يحدد حجم الحساب لكل رمز، أي سرعة الإجابة وتكلفتها. لكن الذاكرة يجب أن تتسع للنموذج كاملا. بحساب بسيط، 501 مليار معامل تحتاج نحو 500 جيجابايت من ذاكرة معالجات الرسوميات بدقة 8 بتات، ونحو تيرابايت كامل بدقة 16 بت، للأوزان وحدها، قبل ذاكرة السياق والمستخدمين المتزامنين. ولم تعلن الشركة بعد بأي دقة ستنشر الأوزان. أي أنك تتحدث عن خادم بعدة معالجات رسوميات من الفئة العليا، لا عن جهاز مكتبي. لم تنشر Reflection بعد متطلبات التشغيل الرسمية ولا نسخا مضغوطة، فانتظرها قبل تقدير الميزانية.

ما الذي يعنيه هذا للمنشآت السعودية

القيمة الحقيقية لأي نموذج مفتوح الأوزان هي مكان التشغيل. حين يعمل النموذج على خوادمك أو في مركز بيانات داخل المملكة، تبقى بيانات العملاء والعقود والفواتير تحت سيطرتك، وهذا يسهل الالتزام بنظام حماية البيانات الشخصية الذي تشرف عليه الهيئة السعودية للبيانات والذكاء الاصطناعي، خصوصا قواعد نقل البيانات خارج المملكة.

• وكلاء البرمجة الداخلية: فريق تقني يريد مساعد برمجة لا يرسل الشيفرة المصدرية إلى خدمة خارجية.
• أتمتة العمليات: وكيل يقرأ الطلبات ويستدعي أدوات النظام الداخلي، وهنا تهم نتيجة MCP Atlas أكثر من اختبارات الرياضيات.
• تحليل المستندات الطويلة: سياق بمليون رمز يسمح بقراءة عقود أو سجلات كاملة دفعة واحدة، بشرط أن تتحقق من جودة الفهم على ملفاتك أنت.

وتبقى ملاحظة مهمة: الإعلان لا يذكر اللغات المدعومة ولا العربية. النتيجة الوحيدة المتعلقة بتعدد اللغات هي SWE-Bench Multilingual بدرجة 78.0، وهي عن لغات البرمجة لا اللغات البشرية. لا تفترض جودة العربية قبل أن تختبرها.

كيف تتعامل معه خطوة بخطوة

• لا تغير خطتك اليوم: النموذج غير متاح للتنزيل، والأرقام لم تراجع بشكل مستقل.
• جهز عينة اختبار من عملك: 50 إلى 100 مهمة حقيقية، رسائل عملاء عربية وطلبات ومستندات، مع الإجابة الصحيحة لكل منها.
• قارن عند صدور الأوزان: Beam مقابل النموذج المفتوح الذي تفكر فيه حاليا مثل Kimi K3، من حيث الدقة وزمن الاستجابة وتكلفة الخادم.
• احسب التكلفة الكاملة: الخادم والكهرباء والتشغيل والصيانة، مقابل تكلفة واجهة برمجية سحابية بنفس الحجم من الطلبات.
• ابن طبقة تبديل: اجعل نظامك يستدعي النموذج عبر واجهة موحدة، فتنتقل بين النماذج دون إعادة بناء التطبيق.

هذا ما نطبقه في أوريجامي عند بناء أنظمة الذكاء الاصطناعي لعملائنا: نختبر النموذج على بيانات المنشأة نفسها، ونصمم النظام بحيث يكون النموذج قطعة قابلة للاستبدال، فلا يصبح كل إعلان جديد مشروع إعادة بناء. وإذا كانت بياناتك حساسة، راجع دليلنا لنظام حماية البيانات الشخصية قبل اختيار مكان التشغيل.

المصادر

• Reflection AI: الإعلان الرسمي عن Beam (5 أكتوبر 2026)
• SiliconANGLE: Reflection AI تطلق نموذج Beam بـ501 مليار معامل
• نص رخصة Apache 2.0
• الهيئة السعودية للبيانات والذكاء الاصطناعي: نظام حماية البيانات الشخصية