Reflection AI a entraîné Beam, son IA ouverte, à parler moins pour économiser du calcul

D'ordinaire, on entraîne une IA à trouver la bonne réponse. Reflection AI l'a aussi pénalisée chaque fois qu'elle parlait trop. « On la pénalise simplement sur le nombre de tokens qu'elle peut utiliser », résume son cofondateur Ioannis Antonoglou dans VentureBeat. Le résultat s'appelle Beam : la start-up américaine en a publié les poids le 16 octobre sur Hugging Face, sous licence Apache 2.0.

C'est le premier modèle ouvert de Reflection. Il s'agit d'un mélange d'experts (MoE) de 501 milliards de paramètres, dont 23 milliards actifs pour chaque token. Il est spécialisé dans le code et les agents, accepte jusqu'à un million de tokens de contexte et ne traite que du texte. La licence Apache 2.0 autorise l'usage commercial.

Moins de calcul pour un score comparable, selon l'éditeur

La promesse est l'efficacité plus que la puissance brute. Selon Reflection, Beam obtient des scores comparables à GLM-5.2, le modèle de Z.ai, avec trois à quatre fois moins de calcul sur des tests de raisonnement. Les chiffres publiés sur Hugging Face viennent de l'équipe de Reflection : 81,6 % sur SWE-bench Verified et 80,1 % sur Terminal-Bench 2.1, en précision BF16. Les équipes de Hugging Face ont fait leurs propres essais, sur cinq tâches, mais préviennent qu'il s'agit d'impressions et pas de mesures (« vibe evals, not benchmarks »).

Sur Terminal-Bench 2.1, Beam reste derrière DeepSeek V4.1 Flash (90,6 %) et Kimi K3 de Moonshot (85 %), d'après les tableaux de Reflection et la fiche du modèle de Meta, cités par VentureBeat. Il devance Muse Spark Open de Meta (76,4 %). Ce dernier se présentait déjà comme le meilleur modèle ouvert américain. Côté évaluations extérieures, Artificial Analysis estime seulement, selon VentureBeat, que les premiers indicateurs placent Beam parmi les modèles ouverts les plus économes en tokens à niveau égal.

Moins de tokens, une facture plus petite ?

Pas forcément, et Reflection le reconnaît. Son estimation de calcul repose sur le nombre de paramètres actifs et ne compte pas la lecture des instructions, souvent très longues dans les usages d'agents et de code. Son graphique de comparaison omet DeepSeek, réputé très efficace. Joe Spisak, vice-président produit, admet que d'autres modèles « pourraient être bien plus efficaces » grâce à leur optimisation de bas niveau. Il reconnaît aussi n'avoir « rien de concret à partager » sur le coût par tâche. Le service hébergé de Reflection est gratuit pendant sa phase de test publique, sans tarif annoncé.

Ce qu'il faut pour le faire tourner

Un modèle ouvert ne veut pas dire un modèle léger. Si le calcul est celui d'un modèle de 23 milliards de paramètres, la mémoire est celle d'un modèle de 501 milliards. Selon Hugging Face :

• la version BF16 pèse environ 1 To ;
• la version NVFP4 pèse environ 280 Go, avec quatre cartes B200 recommandées. Ce format ne fonctionne nativement que sur les cartes NVIDIA de génération Blackwell : les cartes plus anciennes, comme la H200, doivent utiliser la version FP8 ;
• le modèle est pris en charge dès sa sortie par transformers, vLLM et SGLang, et accessible via plusieurs hébergeurs (Baseten, Fireworks, Together).

On est loin du Nemotron de NVIDIA qui tient sur une seule carte graphique de PC. Beam vise les entreprises qui veulent héberger elles-mêmes un modèle de code sérieux, sous une licence sans restriction. Reste à savoir si les évaluations indépendantes confirmeront l'économie annoncée, et ce que coûtera réellement une tâche terminée.