Reflection, 오픈 모델 Beam 501B-A23B 발표… Apache 2.0 가중치는 이달 공개 예정
[AINews] Reflection Beam - 501B-A23B American Open Model
Reflection은 코딩, 에이전트, 과학 분야를 겨냥한 텍스트 전용 MoE 모델 Beam(총 파라미터 501B, 활성 파라미터 23B)을 발표했다. 처음부터 학습한 모델이며, Apache 2.0 라이선스의 가중치는 이번 달 공개될 예정이다. Latent Space는 GLM 5.3과 DeepSeek V4.1 Flash 등이 전반적으로 앞서 있다고 지적했다.
Beam은 텍스트 전용 모델로, 총 파라미터 501B, 활성 파라미터 23B인 MoE다. Reflection은 이번이 첫 모델 공개로, 그동안 오랫동안 스텔스 상태에 있었다. 사전 학습은 23.8T 토큰으로 진행했으며, 일부 데이터는 수억 건 규모의 PDF를 대상으로 한 OCR 파이프라인에서 얻었다고 한다. RL과 OPD 실행에는 10K개의 GB300을 사용했으며, 약 1M개 태스크에서 1억 회 이상의 롤아웃을 수행했다고 설명되어 있다.
Reflection의 주장에 따르면 SWE-bench Verified에서 80.9점을 기록했으며, GLM 5.2 대비 추론 효율은 3~4배라고 한다. 사전 학습과 RL은 약 10,500개의 GB300으로 각각 4주씩 진행됐다고 한다. 기술 보고서와 오픈소스 협업도 예고되어 있다. Axios 보도에 따르면 Reflection은 Colossus의 컴퓨팅 자원에 월 1.5억 달러를 지불하고 있으며, Nebius와는 10억 달러 규모의 계약을 맺었다고 한다.
제3자의 평가는 엇갈린다. Artificial Analysis는 조기 접근을 바탕으로, 지능 대비 토큰 효율이 오픈 모델 중에서도 높은 편에 속할 것으로 보고 있다. Elie Bakouch는 사전 학습의 BF16 MFU를 약 12%로 추정했다. Nathan Lambert는 NVIDIA, Thinking Machines와 함께 미국의 유력한 출시 사례이지만 중국 계열 모델에는 미치지 못한다고 평가했다.
같은 호에서는 Aleph Alpha의 Kolibri(총 78B, 활성 3.46B)와 Reka Rho-1(19B 옴니 모델) 등의 공개도 소개되어 있다. 이 밖에 OpenAI와 Anthropic의 계약 가치 비교, 에이전트 하네스를 RL 환경으로 활용하는 Hugging Face의 시도 등도 다뤄졌다.
출처: Latent Space · latent.space