Reflection نے Beam کا اعلان کیا: 501 ارب پیرامیٹرز والا اوپن ویٹ ماڈل جو ایک وقت میں صرف 23 ارب چلاتا ہے

مختصر جواب: 5 اکتوبر 2026 کو امریکی کمپنی Reflection AI نے اپنے پہلے اوپن ویٹ ماڈل Beam کا اعلان کیا۔ اس میں کل 501 ارب پیرامیٹرز ہیں، لیکن اسے مکسچر آف ایکسپرٹس (mixture of experts) ماڈل کے طور پر بنایا گیا ہے، اس لیے ہر ٹوکن کے لیے صرف 23 ارب پیرامیٹرز فعال ہوتے ہیں، اور یہ دس لاکھ ٹوکن تک کا مؤثر کانٹیکسٹ سنبھال سکتا ہے۔ ویٹس Apache 2.0 لائسنس کے تحت، جو تجارتی استعمال کی اجازت دیتا ہے، "اس مہینے کے آخر میں" جاری کیے جائیں گے، اور ان کے ساتھ ایک تکنیکی رپورٹ، ایک ماڈل کارڈ اور ڈویلپرز کے لیے ٹولز بھی ہوں گے۔ آج کی تاریخ تک آپ اسے ڈاؤن لوڈ نہیں کر سکتے؛ واحد راستہ ارلی ایکسیس پروگرام کے لیے سائن اپ کرنا ہے۔

یہ ہر اس کاروبار کے لیے اہم ہے جو اپنا ڈیٹا مملکت سے باہر کسی کلاؤڈ سروس کو بھیجنے کے بجائے اپنے سرورز پر AI چلانے پر غور کر رہا ہے۔ لیکن ان پر منصوبہ بندی کرنے سے پہلے شائع شدہ اعداد و شمار کو اطمینان سے پڑھیں۔

Reflection نے دراصل کیا اعلان کیا

  • حجم: کل 501 ارب پیرامیٹرز، ہر ٹوکن پر 23 ارب فعال، اسپارس مکسچر آف ایکسپرٹس آرکیٹیکچر کے ساتھ۔
  • تربیت: ویب ڈیٹا اور لائسنس یافتہ ڈیٹا سیٹس کے 23.8 ٹریلین ٹوکن، 6,144 NVIDIA GB300 GPU پر، چار ہفتوں سے کم وقت میں۔
  • ری انفورسمنٹ لرننگ: تقریباً 10,500 GB300 GPU پر مزید چار ہفتے، 100 ملین سے زیادہ تربیتی رول آؤٹس کے ساتھ۔
  • ہدف شدہ استعمال: کوڈنگ، استدلال اور ایجنٹک کام، جس میں ماڈل خود سے مراحل کا ایک سلسلہ انجام دیتا ہے۔
  • استدلال پر کنٹرول: ایک سیٹنگ جو طے کرتی ہے کہ ماڈل جواب دینے سے پہلے کتنا "سوچے"، تاکہ آپ مختصر تیز جواب اور طویل تجزیے کے درمیان انتخاب کر سکیں۔
  • کارکردگی: کمپنی کا کہنا ہے کہ Beam ایڈوانسڈ ریزننگ بینچ مارکس پر GLM-5.2 کے قریب اسکور حاصل کرتا ہے، اپنی ہی جدول میں اس سے تھوڑا نیچے، جبکہ اندازاً تین سے چار گنا کم انفرنس کمپیوٹ استعمال کرتا ہے۔ یہ عدد فعال پیرامیٹرز اور پیدا کیے گئے ٹوکنز سے حساب کیا گیا ہے، ناپی گئی سروس لاگت سے نہیں۔

شائع شدہ اعداد و شمار، اور کون اس سے آگے ہے

Reflection نے سات ماڈلز کے مقابلے میں ایک موازنہ جدول شائع کیا، جن میں GLM 5.2، Qwen 3.8 Max اور Kimi K3 شامل ہیں۔ اعلان کے مطابق ان تینوں کے مقابلے میں اہم نتائج یہ ہیں:

  • Terminal Bench v2.1 (کمانڈ لائن کے کام): Beam کا 80.1، جبکہ GLM 5.2 کا 81.0، Qwen 3.8 Max کا 86.6 اور Kimi K3 کا 88.3۔
  • MCP Atlas (MCP پروٹوکول کے ذریعے ٹولز کا استعمال): Beam کا 78.7، مقابلے میں 77.8، 84.5 اور 82.3۔
  • GPQA Diamond (ماہرانہ سطح کے سائنسی سوالات): Beam کا 90.5، مقابلے میں 91.2، 92.6 اور 93.5۔
  • DeepSWE v1.1 (حقیقی سافٹ ویئر مسائل کی درستی): Beam کا 44.4، مقابلے میں 44.0، 51.0 اور 68.0۔
  • AIME 2026 (ریاضی): Beam کا 97.8، جبکہ GLM 5.2 کا 99.2۔

اس جدول کی دیانت دارانہ تشریح یہ ہے: Beam سب سے مضبوط اوپن ماڈل نہیں ہے۔ جن 14 بینچ مارکس پر دونوں کے اسکور موجود ہیں، ان میں سے 13 پر Kimi K3 اس سے آگے ہے (واحد استثنا tau3 banking ہے، جس میں Beam کا 38.0 اور مقابلے میں 37.1 ہے)، اور کوڈ کی مرمت میں بڑے فرق سے آگے ہے (DeepSWE پر 68.0 کے مقابلے میں 44.4)۔ Reflection جو چیز بیچ رہا ہے وہ کارکردگی ہے: کم چلانے کی لاگت پر GLM-5.2 کے قریب کارکردگی۔ Beam کے اسکور خود Reflection نے رپورٹ کیے ہیں، جبکہ کمپنی کا کہنا ہے کہ حریفوں کے اسکور اس نے Artificial Analysis اور DataCurve سے لیے ہیں۔ جب تک ویٹس اور تکنیکی رپورٹ شائع نہیں ہوتیں، آزاد گروپ Beam کو دوبارہ ٹیسٹ نہیں کر سکتے۔

23 ارب فعال کا مطلب چھوٹا سرور نہیں ہے

مکسچر آف ایکسپرٹس ماڈلز کے بارے میں یہ سب سے زیادہ غلط سمجھا جانے والا نکتہ ہے۔ فعال پیرامیٹرز کی تعداد فی ٹوکن کمپیوٹ طے کرتی ہے، یعنی ہر جواب کی رفتار اور لاگت۔ لیکن میموری کو پھر بھی پورا ماڈل سنبھالنا ہوتا ہے۔ سادہ حساب سے، 501 ارب پیرامیٹرز کو، ہر ایک 8 بٹ پر، تقریباً 500 GB GPU میموری درکار ہے، یا 16 بٹ پر تقریباً 1 TB، صرف ویٹس کے لیے، کانٹیکسٹ کیش اور بیک وقت استعمال کرنے والوں سے پہلے۔ Reflection نے یہ نہیں بتایا کہ وہ ویٹس کس پریسیژن میں جاری کرے گا۔ بات کئی اعلیٰ درجے کے GPU والے سرور کی ہو رہی ہے، کسی ڈیسک ٹاپ مشین کی نہیں۔ Reflection نے ابھی تک چلانے کے سرکاری تقاضے یا کمپریسڈ ورژن شائع نہیں کیے ہیں، اس لیے بجٹ کا اندازہ لگانے سے پہلے ان کا انتظار کریں۔

سعودی کاروباروں کے لیے اس کا کیا مطلب ہے

کسی بھی اوپن ویٹ ماڈل کی اصل قدر اس بات میں ہے کہ وہ کہاں چلتا ہے۔ جب ماڈل آپ کے سرورز پر یا مملکت کے اندر کسی ڈیٹا سینٹر میں چلتا ہے تو گاہکوں کا ڈیٹا، معاہدے اور انوائسز آپ کے کنٹرول میں رہتے ہیں۔ اس سے سعودی ڈیٹا اینڈ آرٹیفیشل انٹیلیجنس اتھارٹی (SDAIA) کی نگرانی میں ذاتی ڈیٹا کے تحفظ کے قانون (PDPL) کی پابندی آسان ہو جاتی ہے، خاص طور پر مملکت سے باہر ڈیٹا منتقل کرنے سے متعلق اس کے قواعد کی۔

  • اندرونی کوڈنگ ایجنٹس: ایک ٹیک ٹیم جو اپنا سورس کوڈ کسی بیرونی سروس کو بھیجے بغیر کوڈنگ اسسٹنٹ چاہتی ہے۔
  • پروسیس آٹومیشن: ایک ایجنٹ جو درخواستیں پڑھتا ہے اور اندرونی سسٹم کے ٹولز کو کال کرتا ہے، جہاں MCP Atlas کا اسکور ریاضی کے بینچ مارکس سے زیادہ اہم ہے۔
  • طویل دستاویزات کا تجزیہ: دس لاکھ ٹوکن کا کانٹیکسٹ آپ کو پورے معاہدے یا لاگز ایک ہی بار میں پڑھنے دیتا ہے، بشرطیکہ آپ اپنی فائلوں پر سمجھ کے معیار کی تصدیق کریں۔

ایک اہم انتباہ: اعلان میں سپورٹ کی جانے والی زبانوں کے نام نہیں ہیں، اور عربی کا ذکر نہیں ہے۔ واحد کثیر لسانی نتیجہ SWE-Bench Multilingual کا 78.0 ہے، اور اس سے مراد پروگرامنگ زبانیں ہیں، انسانی زبانیں نہیں۔ ٹیسٹ کرنے سے پہلے عربی کے معیار کو فرض نہ کریں۔

قدم بہ قدم اس سے کیسے نمٹیں

  • آج اپنا منصوبہ نہ بدلیں: ماڈل ڈاؤن لوڈ کے لیے دستیاب نہیں ہے، اور اعداد و شمار کا آزادانہ جائزہ نہیں لیا گیا۔
  • اپنے کام سے ایک ٹیسٹ سیٹ تیار کریں: 50 سے 100 حقیقی کام، جیسے عربی میں گاہکوں کے پیغامات، درخواستیں اور دستاویزات، ہر ایک کے درست جواب کے ساتھ۔
  • ویٹس آنے پر موازنہ کریں: Beam کا اس اوپن ماڈل سے موازنہ کریں جس پر آپ پہلے سے غور کر رہے ہیں، جیسے Kimi K3، درستی، تاخیر اور سرور کی لاگت کے لحاظ سے۔
  • پوری لاگت کا حساب لگائیں: سرور، بجلی، آپریشنز اور دیکھ بھال، اسی تعداد میں درخواستوں پر کلاؤڈ API کی لاگت کے مقابلے میں۔
  • ایک سوئچنگ لیئر بنائیں: اپنے سسٹم کو ایک ہی انٹرفیس کے ذریعے ماڈل کو کال کرنے دیں، تاکہ آپ ایپلیکیشن دوبارہ بنائے بغیر ماڈلز کے درمیان منتقل ہو سکیں۔

Origami میں جب ہم اپنے کلائنٹس کے لیے AI سسٹمز بناتے ہیں تو ہم اسی طرح کام کرتے ہیں: ہم ماڈل کو کاروبار کے اپنے ڈیٹا پر ٹیسٹ کرتے ہیں، اور سسٹم کو اس طرح ڈیزائن کرتے ہیں کہ ماڈل ایک قابلِ تبدیل حصہ ہو، تاکہ ہر نیا اعلان دوبارہ تعمیر کا منصوبہ نہ بن جائے۔ اگر آپ کا ڈیٹا حساس ہے تو اسے کہاں چلانا ہے یہ طے کرنے سے پہلے ذاتی ڈیٹا کے تحفظ کے قانون پر ہماری گائیڈ پڑھیں۔

ذرائع