Reflection Beam 1.0

Reflection Beam 1.0 は、ソフトウェアエンジニアリング、ツール利用、複数ステップのエージェント作業向けの Apache-2.0 オープンウェイト疎 MoE モデルです。Reflection の公式 Hugging Face モデルカードと AWS の 10 月 16 日の公開資料は、総パラメータ 501B、token あたりの活性パラメータ 23B、有効コンテキスト 100 万 token を示しています。重みは BF16、FP8、NVFP4 で公開されています。

配置の要点

• 大規模な疎モデル： 活性パラメータは token ごとの計算に関係しますが、完全な checkpoint、メモリ分割、サービング基盤は 501B 全体を扱う必要があります。
• 選べる配置： 公式資料にはセルフ管理の vLLM/SGLang があり、AWS は公開時点で米国東部（バージニア北部、オハイオ）の SageMaker JumpStart も案内しています。
• エージェント向けの用途： 公式説明は、ソフトウェア issue の解決、コード変更、ツール呼び出し、中間結果の解釈、長いワークフローを対象にします。
• 重みの公開と価格は別： Apache-2.0 は公開された重みに適用されます。基盤、API、マネージドエンドポイントの費用は選択する提供元で確認してください。

評価の流れ

公式モデルカードと、制限したコーディングベンチマークまたは issue 再現から始めます。最初は読み取り専用ツールだけを与え、コンテキストと実行時間を制限し、呼び出しを記録します。同じ harness で成功率、失敗からの回復、コストを小型モデルと比較してください。マネージドエンドポイントでは、非公開リポジトリを送る前にリージョン、クォータ、保持、ネットワーク方針を確認します。100 万 token は容量上限であり、毎回埋める推奨ではありません。

制限と代替

token あたり 23B だけを活性化しても、Beam の全体規模は多くのチームにとってローカル評価を難しくします。量子化、並列化、コンテキスト、ツール権限、ベンチマークで実際の費用と信頼性は変わります。小型のローカルエージェントには LFM2.5-24B-A2B、別のオープンウェイトのコーディングモデルには Muse Spark Open を比較してください。

公式資料

容量を計画する前に公式モデルカードとAWS の配置ガイドを確認してください。