Os pesos estão cá fora
A Reflection libertou os pesos do Beam no Hugging Face sob licença Apache 2.0 a 16 de outubro, onze dias depois de anunciar o modelo sem eles. A publicação inclui também o tokenizador, uma implementação de referência, uma ficha de modelo com os resultados finais e um relatório técnico de segurança à parte. Os pesos vêm em BF16, FP8 e NVFP4, acompanhados de um modelo rascunho para descodificação especulativa.
O Beam é um modelo esparso de mistura de especialistas, com 501 mil milhões de parâmetros no total e 23 mil milhões ativos. A Apache 2.0 permite uso comercial, modificação e redistribuição sujeitos aos seus requisitos de aviso, o que o coloca no extremo permissivo do espectro dos pesos abertos e não sob as licenças à medida que vários lançamentos rivais trazem.
O que é preciso para o correr
As três precisões existem porque assentam em hardware diferente. A publicação da Amazon, do mesmo dia, indica que o Beam está disponível através do SageMaker JumpStart nas regiões da Virgínia do Norte e do Ohio, e recomenda instâncias ml.p5.48xlarge com H100, ou ml.p5e e ml.p5en com H200, para FP8, e instâncias ml.p6-b200.48xlarge com B200 para NVFP4. O BF16 exige uma configuração multinó devido à memória. A AWS repete o número da Reflection de um comprimento de contexto efetivo de um milhão de tokens, e atribui-lho.
Fora da nuvem, a Reflection lista o alojamento próprio e pontos de acesso de parceiros, com implantação local e em rede isolada através da Dell e da HPE. É a configuração que compradores empresariais e públicos pedem, e o que um modelo acessível apenas por API não pode oferecer a preço nenhum.
A conta do treino
Os números mais impressionantes da publicação não são do modelo, mas do que custou fazê-lo. A Reflection diz ter corrido cerca de 1,3 mil milhões de caixas de areia entre treino por reforço, avaliação e ablações. A última execução de aprendizagem por reforço atingiu um pico de 883.006 CPU virtuais distribuídas por 23 aglomerados no Google Cloud e na AWS.
Os resultados, e o que falta
A publicação de disponibilidade não traz tabela de resultados própria e remete para a ficha do modelo. Todos os números dessa ficha são da Reflection e foram produzidos pela Reflection. O argumento da empresa desde o anúncio de 5 de outubro tem sido a eficiência em inferência e não a capacidade máxima: então disse que o Beam igualava o GLM 5.2 usando um quarto da computação de inferência.
O que a publicação oferece em vez disso são anedotas. Um pagode construído por um utilizador consumiu 12.600 tokens e 117 segundos. Uma implementação de Snake ficou pronta em 2 minutos e 19,7 segundos contra 4 minutos e 56,4 segundos de uma execução de comparação. São demonstrações, não medições, e a Reflection apresenta-as como tal.
O preço não aparece em parte alguma. A plataforma é descrita como gratuita para começar durante a beta pública, o que deixa em aberto quanto custa usá-la através da Reflection em vez de a correr por conta própria.
O que observar
A Reflection diz que as receitas de autodestilação, que segundo a empresa elevam a eficiência em tokens nas tarefas de cada utilizador, chegam “nos próximos dias”. O teste mais pesado é se avaliadores independentes repetem os números da ficha agora que qualquer pessoa pode descarregar os pesos e experimentar, que é, afinal, o sentido de os libertar.
