Reflection Mengumumkan Beam: Model Open-Weight 501 Miliar Parameter yang Hanya Menjalankan 23 Miliar Sekaligus

Jawaban singkatnya: Pada 5 Oktober 2026, perusahaan Amerika Serikat Reflection AI mengumumkan Beam, model open-weight pertamanya. Model ini memiliki total 501 miliar parameter, tetapi dibangun sebagai model mixture-of-experts, sehingga hanya 23 miliar parameter yang aktif untuk setiap token, dan model ini mampu menangani konteks efektif hingga satu juta token. Bobotnya akan dirilis dengan lisensi Apache 2.0, yang mengizinkan penggunaan komersial, "akhir bulan ini", bersama laporan teknis, model card, dan perangkat untuk pengembang. Sampai hari ini Anda belum bisa mengunduhnya; satu-satunya pilihan adalah mendaftar ke program akses awal.

Hal ini penting bagi bisnis mana pun yang sedang mempertimbangkan untuk menjalankan AI di server sendiri alih-alih mengirim datanya ke layanan cloud di luar Kerajaan. Namun, bacalah angka-angka yang dipublikasikan dengan tenang sebelum membuat rencana berdasarkan angka tersebut.

Apa yang Sebenarnya Diumumkan Reflection

  • Ukuran: total 501 miliar parameter, 23 miliar aktif per token, menggunakan arsitektur mixture-of-experts yang jarang (sparse).
  • Pelatihan: 23,8 triliun token dari data web dan dataset berlisensi, pada 6.144 GPU NVIDIA GB300 dalam waktu kurang dari empat minggu.
  • Reinforcement learning: empat minggu lagi pada sekitar 10.500 GPU GB300, dengan lebih dari 100 juta rollout pelatihan.
  • Penggunaan yang dituju: pemrograman, penalaran, dan pekerjaan agentik, ketika model menjalankan serangkaian langkah secara mandiri.
  • Kontrol penalaran: pengaturan yang menentukan seberapa banyak model "berpikir" sebelum menjawab, sehingga Anda bisa memilih antara jawaban singkat yang cepat dan analisis yang lebih panjang.
  • Efisiensi: perusahaan mengatakan Beam meraih skor yang sebanding dengan GLM-5.2 pada benchmark penalaran tingkat lanjut, sedikit di bawahnya dalam tabelnya sendiri, sambil menggunakan komputasi inferensi yang diperkirakan tiga hingga empat kali lebih sedikit. Angka itu dihitung dari parameter aktif dan token yang dihasilkan, bukan dari biaya layanan yang diukur.

Angka Sebagaimana Dipublikasikan, dan Siapa yang Mengunggulinya

Reflection memublikasikan tabel perbandingan dengan tujuh model, termasuk GLM 5.2, Qwen 3.8 Max, dan Kimi K3. Berikut hasil utama terhadap ketiga model tersebut, sebagaimana tercantum dalam pengumuman:

  • Terminal Bench v2.1 (tugas baris perintah): Beam 80,1, dibandingkan 81,0 untuk GLM 5.2, 86,6 untuk Qwen 3.8 Max, dan 88,3 untuk Kimi K3.
  • MCP Atlas (penggunaan alat melalui protokol MCP): Beam 78,7, dibandingkan 77,8, 84,5, dan 82,3.
  • GPQA Diamond (pertanyaan sains tingkat pakar): Beam 90,5, dibandingkan 91,2, 92,6, dan 93,5.
  • DeepSWE v1.1 (memperbaiki masalah perangkat lunak nyata): Beam 44,4, dibandingkan 44,0, 51,0, dan 68,0.
  • AIME 2026 (matematika): Beam 97,8 dibandingkan 99,2 untuk GLM 5.2.

Pembacaan jujur atas tabel ini: Beam bukan model terbuka yang paling kuat. Kimi K3 mengunggulinya pada 13 dari 14 benchmark yang sama-sama memiliki skor (satu-satunya pengecualian adalah tau3 banking, 38,0 untuk Beam dibandingkan 37,1), dan dengan selisih lebar pada perbaikan kode (68,0 dibandingkan 44,4 di DeepSWE). Yang dijual Reflection adalah efisiensi: kinerja yang mendekati GLM-5.2 dengan biaya operasional lebih rendah. Skor Beam dilaporkan oleh Reflection sendiri, sementara perusahaan mengatakan skor pesaing diambil dari Artificial Analysis dan DataCurve. Kelompok independen belum dapat menguji ulang Beam sampai bobot dan laporan teknisnya dipublikasikan.

23 Miliar Aktif Tidak Berarti Server Kecil

Inilah poin yang paling sering disalahpahami tentang model mixture-of-experts. Jumlah parameter aktif menentukan komputasi per token, yaitu kecepatan dan biaya setiap jawaban. Namun, memori tetap harus menampung seluruh model. Dengan hitungan sederhana, 501 miliar parameter membutuhkan kira-kira 500 GB memori GPU pada 8 bit per parameter, atau sekitar 1 TB pada 16 bit, untuk bobotnya saja, belum termasuk cache konteks dan pengguna yang bersamaan. Reflection belum menyebutkan presisi apa yang akan dipakai saat merilis bobotnya. Yang kita bicarakan adalah server dengan beberapa GPU kelas atas, bukan komputer desktop. Reflection juga belum memublikasikan persyaratan resmi untuk menjalankannya atau versi terkompresi, jadi tunggulah informasi itu sebelum Anda memperkirakan anggaran.

Apa Artinya bagi Bisnis di Arab Saudi

Nilai sebenarnya dari model open-weight mana pun terletak pada tempat model itu dijalankan. Ketika model berjalan di server Anda atau di pusat data di dalam Kerajaan, data pelanggan, kontrak, dan faktur tetap berada di bawah kendali Anda. Hal ini memudahkan kepatuhan terhadap Undang-Undang Pelindungan Data Pribadi (PDPL) yang diawasi oleh Otoritas Data dan Kecerdasan Buatan Saudi (SDAIA), terutama aturannya tentang transfer data ke luar Kerajaan.

  • Agen pemrograman internal: tim teknologi yang menginginkan asisten pemrograman tanpa mengirim kode sumbernya ke layanan luar.
  • Otomatisasi proses: agen yang membaca permintaan dan memanggil alat dari sistem internal, di mana skor MCP Atlas lebih penting daripada benchmark matematika.
  • Analisis dokumen panjang: konteks satu juta token memungkinkan Anda membaca seluruh kontrak atau log dalam sekali proses, asalkan Anda memverifikasi kualitas pemahamannya pada berkas Anda sendiri.

Satu catatan penting: pengumuman tersebut tidak menyebutkan bahasa yang didukung dan tidak menyinggung bahasa Arab. Satu-satunya hasil multibahasa adalah SWE-Bench Multilingual dengan skor 78,0, dan itu merujuk pada bahasa pemrograman, bukan bahasa manusia. Jangan berasumsi soal kualitas bahasa Arabnya sebelum Anda mengujinya.

Cara Menyikapinya, Langkah demi Langkah

  • Jangan ubah rencana Anda hari ini: model ini belum bisa diunduh, dan angka-angkanya belum ditinjau secara independen.
  • Siapkan set uji dari pekerjaan Anda sendiri: 50 hingga 100 tugas nyata, seperti pesan pelanggan berbahasa Arab, permintaan, dan dokumen, beserta jawaban yang benar untuk masing-masing.
  • Bandingkan saat bobotnya tersedia: Beam dengan model terbuka yang sedang Anda pertimbangkan, seperti Kimi K3, dari sisi akurasi, latensi, dan biaya server.
  • Hitung biaya totalnya: server, listrik, operasional, dan pemeliharaan, dibandingkan dengan biaya API cloud pada volume permintaan yang sama.
  • Bangun lapisan pengalih: buat sistem Anda memanggil model melalui satu antarmuka, sehingga Anda bisa berpindah antarmodel tanpa membangun ulang aplikasi.

Beginilah cara kami bekerja di Origami saat membangun sistem AI untuk klien: kami menguji model pada data milik bisnis itu sendiri, dan kami merancang sistem sehingga model menjadi komponen yang bisa diganti, agar setiap pengumuman baru tidak berubah menjadi proyek pembangunan ulang. Jika data Anda sensitif, bacalah panduan kami tentang Undang-Undang Pelindungan Data Pribadi sebelum memilih tempat menjalankannya.

Sumber