Beam Faoliyat yuritmoqda

Beam — Reflection AI tomonidan taqdim etilgan ilk ochiq kodli katta til modeli bo‘lib, 501B parametrli siyrak MoE arxitekturasidan foydalanadi; har bir token uchun atigi 23B parametr faollashadi, 1 million tokenli kontekstni qo‘llab-quvvatlaydi va oldindan o‘qitishda 23.8T token sarflangan. Beam’ni o‘qitish jarayoni hisoblash quvvatining sanoat miqyosidagi namoyishidir: oldindan o‘qitish 6,144 ta GB300 yordamida to‘rt haftadan kam vaqtda yakunlangan, 10,500 ta GB300 esa to‘rt hafta davomida 100 milliondan ortiq rollout bilan keng ko‘lamli mustahkamlovchi o‘qitish uchun ishlatilgan.

Dasturlash va ishlab chiqish: dasturiy ta’minot muhandisligi vazifalarida GLM-5.2 bilan bir darajadagi natijalarni ko‘rsatadi va korporativ kodlash yuklamalari uchun asosiy model hisoblanadi.
Agent ijrosi: vositalardan foydalanish, terminal bilan ishlash va veb-qidiruv imkoniyatlariga ega; ko‘p bosqichli vazifalarni mustaqil bajarishi, hatto boshqa katta til modellari va OCR API’larini chaqirishni o‘rganishi mumkin.
Uzun matnlarni qayta ishlash: 1 million tokenli kontekstni qo‘llab-quvvatlaydi, juda katta kod bazalari va hujjatlardan muhim ma’lumotlarni aniqlab, ular o‘rtasidagi bog‘lanishlarni tushuna oladi.
Boshqariladigan fikrlash intensivligi: foydalanuvchi reasoning effort parametri orqali qisqa javob va uzoq fikrlash o‘rtasida moslashuvchan almashib, turli vazifalar va hisoblash byudjetlariga moslasha oladi.

WeChat’da kuzatib boring va “开源” deb javob yuboring, AI ochiq kodli loyihalar guruhiga qo‘shiling.
Siyrak MoE arxitekturasi: model jami 501B parametrga ega, biroq har safar faqat 23B parametr faollashadi. Mayda granulali ekspertlar marshrutizatsiyasi va yordamchi yo‘qotishdan mustaqil yuklamani muvozanatlash orqali ekspertlardan deyarli bir xil foydalanish ta’minlanadi; eng band ekspert yuklamasi atigi 1.04× bo‘lib, bu Beam xulosalash samaradorligining apparat darajasidagi asosidir.
Ikki bosqichli keng ko‘lamli o‘qitish: oldindan o‘qitish 6,144 ta GB300’da to‘rt haftadan kam vaqtda 23.8T tokenni qayta ishlagan. Topologiyani hisobga oluvchi rejalashtirgich va ma’lumotlarning yashirin buzilishini aniqlash bilan goodput 92.3% ga yetgan; keyin 10.5K ta GB300’da to‘rt hafta davomida mustahkamlovchi o‘qitish o‘tkazilib, 100 milliondan ortiq rollout yaratilgan. Bu davrda o‘rtacha 110 ming parallel rollout va 170 ming parallel sandbox saqlangan.
To‘liq asinxron RL tizimi: asinxron policy gradients’dan foydalanadi va rollout hamda o‘qitishni parallel bajaradi. Har bir token unga qaysi model versiyasi tomonidan yaratilganini ko‘rsatuvchi belgi bilan ta’minlanib, strategiyaning eskirib qolishi muammosi hal qilinadi; namuna joriy strategiyadan bir kun, ya’ni 107 ta versiya ortda qolganida ham qiymatlar barqaror saqlanadi. Yangi og‘irliklarni RoCE orqali xulosa chiqarish klasteriga pog‘onali tarqatish median hisobda atigi 12 soniya oladi.
Uzunligi boshqariladigan fikrlashni o‘rganish: RL jarayoniga uzunlik jarimasi qo‘shiladi. Model avval masalalarni kamroq token bilan yechishni o‘rganadi, agentic qobiliyatlari kuchaygach esa fikrlash uzunligini tabiiy ravishda kengaytiradi. Natijada qobiliyat va token sarfi o‘rtasida optimal muvozanat hosil bo‘ladi va foydalanuvchi uni ehtiyojiga ko‘ra sozlaydi.

Hozircha og‘irliklar chiqarilmagan, faqat ayrim foydalanuvchilarga preview versiyasi taqdim etilmoqda. Ilk foydalanish imkoniyatiga ariza berish uchun https://platform.reflection.ai/ manziliga kiring.

Juda yuqori xulosa chiqarish samaradorligi: GLM-5.2 ga qaraganda 3–4 baravar kam xulosa chiqarish hisoblash quvvati bilan bir xil darajadagi fikrlash natijasiga erishadi; Qwen 3.8-Max kabi 2T+ modellar bilan solishtirganda yanada ko‘proq tejashni ta’minlaydi va yuqori intellekt zichligini namoyish etadi.
Faollashadigan parametrlar juda kam: jami 501B parametrdan har bir token uchun atigi 23B faollashadi, siyrak MoE dizayni joylashtirish va xulosa chiqarish xarajatlarini sezilarli kamaytiradi.
RL miqyosi sanoatda kam uchraydi: 10.5K ta GB300 to‘rt hafta uzluksiz ishlatilib, 100 milliondan ortiq rollout bajarilgan; bu ochiq laboratoriyalardagi hozirgacha eng yirik RL o‘qitish jarayonlaridan biridir.
O‘qitish barqarorligi yuqori: butun oldindan o‘qitish davomida atigi 9 marta yarim avtomatik qaytarish amalga oshirilgan, goodput 92.3% ga yetgan va o‘qitish grafigida beqarorlik kuzatilmagan. Muhandislik yetukligi juda yuqori.
Fikrlash uzunligi boshqariladi: foydalanuvchi reasoning effort parametri orqali fikrlash chuqurligini erkin sozlab, unumdorlik va xarajat o‘rtasidagi muvozanatni ehtiyojiga ko‘ra belgilashi mumkin.

Loyihaning rasmiy sayti: https://reflection.ai/blog/introducing-beam

Korporativ xususiy kodlash yordamchisi: korxonalar ma’lumotlarni ichki tarmoqdan chiqarmaydigan, arzon va to‘liq o‘z serverida boshqariladigan AI dasturlash yordamchisini yaratishi mumkin.
Kod bazasi darajasida refaktoring va audit: 1 million tokenli kontekst oynasi tufayli Beam butun o‘rta hajmdagi kod bazasini bir martada yuklab, fayllararo bog‘liqliklarni tushunadi hamda keng ko‘lamli refaktoring yoki xavfsizlik auditini bajaradi.
Avtomatlashtirilgan Agent ish jarayonlari: Beam 100 milliondan ortiq rollout asosidagi mustahkamlovchi o‘qitish orqali vositalardan foydalanish, terminal bilan ishlash va veb-qidiruv qobiliyatlarini egallagan; u ma’lumotlarni tahlil qilish, ekspluatatsion tekshiruvlar kabi uzoq zanjirli ko‘p bosqichli vazifalarni boshqara oladi.
Davlat va korxonalar uchun suveren AI joylashtiruvi: AQShda joylashgan jamoa ishlab chiqqan ochiq og‘irlikli model sifatida Beam tekshirilishi va ajratilgan muhitda joylashtirilishi mumkin. Bu hukumat, energetika va mudofaa sanoatining Xitoyga bog‘liq bo‘lmagan ta’minot zanjiridagi modellarni muvofiqlik talablariga javob beradigan tarzda xarid qilish ehtiyojlariga mos keladi.