ReflectionがBeamを発表：一度に動くのは230億だけ、5010億パラメータのオープンウェイトモデル

要点：2026年10月5日、米国のReflection AIは同社初のオープンウェイトモデル「Beam」を発表しました。総パラメータ数は5010億ですが、Mixture of Experts（専門家混合）モデルとして構築されているため、各トークンでアクティブになるのは230億パラメータだけで、最大百万トークンの実効コンテキストを扱えます。重みは商用利用を認めるApache 2.0ライセンスで「今月中に」公開され、技術レポート、モデルカード、開発者向けツールも同時に提供される予定です。現時点ではダウンロードできず、可能なのは早期アクセスプログラムへの登録だけです。

これは、データを王国外のクラウドサービスに送る代わりに、自社サーバーでAIを動かすことを検討しているすべての企業にとって重要なニュースです。ただし、計画を立てる前に、公表された数字を冷静に読み解いてください。

Reflectionが実際に発表した内容

  • 規模：総パラメータ5010億、トークンあたりアクティブ230億で、スパースなMixture of Expertsアーキテクチャを採用しています。
  • 学習：Webデータとライセンス取得済みデータセットから成る23.8兆トークンを、6,144基のNVIDIA GB300 GPUで四週間足らずで学習しました。
  • 強化学習：さらに四週間、約10,500基のGB300 GPUで実施し、学習ロールアウトは1億回を超えました。
  • 想定用途：コーディング、推論、そしてモデルが一連のステップを自律的に実行するエージェント型の作業です。
  • 推論の制御：回答前にモデルがどれだけ「考える」かを決める設定があり、短く速い返答と、より長い分析のどちらかを選べます。
  • 効率：同社によれば、Beamは高度な推論ベンチマークでGLM-5.2に匹敵するスコア（自社の表ではわずかに下回る）を達成しながら、推論に必要な計算量は推定で三分の一から四分の一だといいます。この数字はアクティブパラメータと生成トークン数から算出したもので、実測した運用コストではありません。

公表された数字と、Beamを上回るモデル

Reflectionは、GLM 5.2、Qwen 3.8 Max、Kimi K3を含む七つのモデルとの比較表を公開しました。発表に記載された、この三つのモデルに対する主な結果は次のとおりです。

  • Terminal Bench v2.1（コマンドラインのタスク）：Beamは80.1で、GLM 5.2は81.0、Qwen 3.8 Maxは86.6、Kimi K3は88.3です。
  • MCP Atlas（MCPプロトコル経由のツール利用）：Beamは78.7で、比較対象は77.8、84.5、82.3です。
  • GPQA Diamond（専門家レベルの科学問題）：Beamは90.5で、比較対象は91.2、92.6、93.5です。
  • DeepSWE v1.1（実際のソフトウェア不具合の修正）：Beamは44.4で、比較対象は44.0、51.0、68.0です。
  • AIME 2026（数学）：Beamは97.8で、GLM 5.2は99.2です。

この表を正直に読むとこうなります。Beamは最強のオープンモデルではありません。両方にスコアがある14のベンチマークのうち13でKimi K3が上回っており（唯一の例外はtau3 bankingで、Beamが38.0、相手が37.1）、コード修正では大差をつけています（DeepSWEで68.0対44.4）。Reflectionが売りにしているのは効率、つまりより低い運用コストでGLM-5.2に近い性能が得られる点です。Beamのスコアは Reflection自身が報告したもので、競合のスコアはArtificial AnalysisとDataCurveから引用したと同社は述べています。重みと技術レポートが公開されるまで、第三者がBeamを再検証することはできません。

アクティブ230億でも小さなサーバーで済むわけではない

これはMixture of Expertsモデルについて最も誤解されている点です。アクティブパラメータ数が決めるのはトークンあたりの計算量、つまり各回答の速度とコストです。しかし、メモリにはやはりモデル全体を載せなければなりません。単純な計算で、5010億パラメータには、パラメータあたり8ビットなら約500 GB、16ビットなら約1 TBのGPUメモリが重みだけで必要で、これはコンテキストキャッシュや同時利用ユーザーの分を含みません。Reflectionは重みをどの精度で公開するかを明らかにしていません。必要なのはデスクトップPCではなく、ハイエンドGPUを複数搭載したサーバーです。Reflectionはまだ公式の運用要件も圧縮版も公開していないため、予算を見積もるのはそれを待ってからにしてください。

サウジ企業にとっての意味

オープンウェイトモデルの本当の価値は、それをどこで動かすかにあります。モデルが自社サーバーや王国内のデータセンターで動いていれば、顧客データ、契約書、請求書は自社の管理下に置かれます。これにより、サウジデータ・AI庁（SDAIA）が監督する個人データ保護法（PDPL）、とりわけ王国外へのデータ移転に関する規定を順守しやすくなります。

  • 社内のコーディングエージェント：ソースコードを外部サービスに送らずにコーディングアシスタントを使いたい技術チーム。
  • 業務プロセスの自動化：依頼を読み取り、社内システムのツールを呼び出すエージェント。この用途では数学のベンチマークよりMCP Atlasのスコアが重要です。
  • 長文ドキュメントの分析：百万トークンのコンテキストがあれば、契約書やログ全体を一度に読み込めます。ただし、自社のファイルで理解の質を検証することが前提です。

重要な注意点があります。発表では対応言語が明示されておらず、アラビア語にも触れていません。唯一の多言語の結果はSWE-Bench Multilingualの78.0ですが、これはプログラミング言語を指しており、人間の言語ではありません。テストする前にアラビア語の品質を当てにしないでください。

ステップごとの進め方

  • 今日の時点で計画を変えない：モデルはダウンロードできず、数字も第三者による検証を受けていません。
  • 自社の業務からテストセットを用意する：アラビア語の顧客メッセージ、依頼、文書など、50〜100件の実際のタスクを、それぞれの正解と合わせて準備します。
  • 重みが公開されたら比較する：Beamを、すでに検討しているオープンモデル（たとえばKimi K3）と、精度、レイテンシ、サーバーコストの観点で比べます。
  • 総コストを計算する：サーバー、電力、運用、保守の費用を、同じリクエスト量でのクラウドAPIのコストと比較します。
  • 切り替えレイヤーを作る：システムが単一のインターフェースを通じてモデルを呼び出すようにし、アプリケーションを作り直さずにモデルを乗り換えられるようにします。

これは、Origamiがお客様のためにAIシステムを構築するときのやり方です。企業自身のデータでモデルをテストし、モデルを交換可能な部品として扱えるようにシステムを設計することで、新しい発表のたびに作り直しのプロジェクトにならないようにしています。データが機密性の高いものであれば、実行場所を選ぶ前に個人データ保護法に関する当社のガイドをお読みください。

出典