02 · Tema 2 de 8 · máx. 135k views quente (calor 3 de 5; máx. 135k views)

Reflection libera Beam com pesos abertos e publica o Mirror CLI

Calor: o quanto o assunto está em alta no mercado agora, não opinião da redação.

Imagem do post de @reflection_ai: Reflection libera Beam com pesos abertos e publica o Mirror CLI
Imagem do post · @reflection_ai

Em 16/10, às 10h01 BRT, a Reflection anunciou o Beam, com pesos abertos — os arquivos necessários para executar a IA — sob licença Apache 2.0 e integração com 40+ parceiros. Também publicou o Mirror CLI, a estrutura de execução usada no treinamento. Em avaliação independente, a Artificial Analysis atribuiu 30 pontos ao Beam e destacou resultados melhores em automação do que em tarefas de terminal, onde se digitam comandos, além de uma taxa elevada de respostas inventadas. A licença, os requisitos de hardware e as condições de cada serviço não foram confirmados nas páginas oficiais.

Fonte oficialPesos e ficha do Beam indicados pela Reflection (abre em nova aba)

Imagem do post de @reflection_ai: Reflection libera Beam e o ambiente aberto Mirror CLI
Imagem do post · @reflection_ai

Post âncora

CONFIRMADOOFICIAL Reflection

Reflection libera Beam e o ambiente aberto Mirror CLI

A Reflection anuncia Beam sob Apache 2.0, em colaboração com 40+ parceiros. A publicação inclui os pesos, componentes para execução e o Mirror CLI, a estrutura aberta usada no treinamento.

Beam já está disponível em diversas plataformas, com pesos abertos sob a licença Apache 2.0 — em colaboração com um ecossistema de 40+ parceiros.

Estamos lançando: - Pesos, tokenizador e implementação de referência - Pesos BF16, FP8 e NVFP4 e um gerador de rascunhos DFlash2 - A estrutura de execução de código aberto com a qual construímos e treinamos Beam: Mirror CLI

Pesos e ficha do modelo no Hugging Face:

Ver original (texto do post como foi publicado)

Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners.

We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI

Weights and model card on Hugging Face:

Outros posts do tema 1

Imagem do post de @ArtificialAnlys: Artificial Analysis atribui 30 pontos ao Beam
Imagem do post · @ArtificialAnlys

CONFIRMADOOFICIAL Artificial Analysis — responsável pela avaliação

Artificial Analysis atribui 30 pontos ao Beam

O Beam recebeu 30 pontos no índice de inteligência da Artificial Analysis, ficando em #2 entre as opções dos EUA com pesos abertos. A avaliação destaca resultados em automação, dificuldades em tarefas de terminal e uma taxa de alucinação de 47%, isto é, respostas inventadas.

O primeiro modelo da Reflection, Beam, marca 30 no Artificial Analysis Intelligence Index, ficando em #2 entre os modelos dos EUA com pesos abertos

Beam é um modelo de pesos abertos com 501B parâmetros totais e 23B ativos, lançado no @huggingface

Parabéns à @reflection_ai pelo lançamento!

Principais conclusões:

➤ Segundo entre os modelos dos EUA com pesos abertos: Beam marca 30, atrás apenas de Muse Spark Open (39), da Meta, e à frente do lançamento de ontem, NVIDIA Nemotron 3.5 Super VL (26). Fora da China, apenas Muse Spark Open e K2 Horizon (31), dos Emirados Árabes Unidos, pontuam mais alto

➤ Eficiente em tokens para seu nível de inteligência: Beam usa ~26k tokens de saída por tarefa do Intelligence Index, em comparação com K2 Horizon, um ponto à frente, que usa o dobro (~52k). Modelos proprietários ainda definem a fronteira, com GPT-6 Astra (max) marcando 53 com o mesmo orçamento (~27k)

➤ Forte em fluxos de trabalho com agentes, mais fraco no terminal: Beam marca 48.5% no AutomationBench-AA, 11 pontos percentuais à frente de K2 Horizon (37.2%) e no mesmo nível de Qwen3.8 27B (48.2%). Terminal-Bench 4.0 é um ponto fraco, no qual Beam marca 3.0%, atrás de Qwen3.8 27B (5.6%) e Muse Spark Open (8.1%)

➤ Sabe mais, arrisca mais: no AA-Omniscience, responde corretamente a 33% das perguntas, bem à frente de K2 Horizon (18%) e Qwen3.8 27B (16%). Mas sua taxa de alucinação é de 47%, contra 26% para K2 Horizon e 30% para Qwen3.8 27B, dando ao Beam uma pontuação líquida no índice de 1.5, à frente de ambos os pares (−3.0 e −10.0)

Outros detalhes do modelo Janela de contexto: 1M tokens Modalidades: Texto Parâmetros: 501B / 23B

Ver original (texto do post como foi publicado)

Reflection’s first model, Beam, scores 30 on the Artificial Analysis Intelligence Index, placing it #2 among US open weights models

Beam is an open weights model with 501B total and 23B active parameters, released on @huggingface

Congratulations to @reflection_ai on the release!

Key takeaways:

➤ Second among US open weights models: Beam scores 30, behind only Meta's Muse Spark Open (39) and ahead of yesterday’s NVIDIA Nemotron 3.5 Super VL (26) release. Outside China, only Muse Spark Open and the UAE's K2 Horizon (31) score higher

➤ Token efficient for its intelligence: Beam uses ~26k output tokens per Intelligence Index task compared to K2 Horizon, one point ahead, which uses twice as many (~52k). Proprietary models still set the frontier, with GPT-6 Astra (max) scoring 53 on the same budget (~27k)

➤ Strong on agentic workflows, weaker in the terminal: Beam scores 48.5% on AutomationBench-AA, 11 percentage points ahead of K2 Horizon (37.2%) and level with Qwen3.8 27B (48.2%). Terminal-Bench 4.0 is a weak point, where Beam scores 3.0%, behind Qwen3.8 27B (5.6%) and Muse Spark Open (8.1%)

➤ Knows more, guesses more: On AA-Omniscience it answers 33% of questions correctly, well ahead of K2 Horizon (18%) and Qwen3.8 27B (16%). But its hallucination rate is 47%, against 26% for K2 Horizon and 30% for Qwen3.8 27B, giving Beam a net index score of 1.5, ahead of both peers (−3.0 and −10.0)

Other model details Context window: 1M tokens Modalities: Text Parameters: 501B / 23B