추론 연산 3–4배 절감 주장…벤치는 회사 자체 수치
리플렉션 AI가 5일(현지시간) 5010억(활성 230억) 오픈웨이트 Beam을 공개하고 이달 가중치 배포를 예고했다.
회사는 고난도 추론 벤치에서 중국 Z.ai의 GLM-5.2와 동급이면서 추론 연산량은 3–4분의 1이라고 공식 블로그에 밝혔다. 테크크런치는 이 수치가 아직 독립 검증되지 않았다고 적었다. 가중치도 최종 레드팀 평가가 끝난 뒤 이달에야 나온다.
Beam, 토큰마다 23B만 켠다
Beam은 텍스트 전용 희소 혼합전문가(MoE) 모델이다. 전체 가중치는 5010억 개지만, 토큰을 처리할 때 실제로 켜지는 파라미터는 약 230억 개다. 문맥 창은 중훈련 단계에서 100만 토큰까지 늘렸다.
비교 대상인 GLM-5.2는 총 파라미터가 약 7440억–7530억, 활성은 약 400억이다. 이용자는 추론 노력(reasoning effort) 값으로 응답 길이와 성능을 맞출 수 있다. 낮은 설정은 짧은 답을, 높은 설정은 더 긴 추론을 허용한다.
사전학습은 웹·공개·라이선스 데이터에서 고른 23조8000억 토큰으로, 엔비디아 GB300 GPU 6144장에서 4주 안에 끝냈다. 이어 강화학습은 GPU 1만 500장으로 4주 동안 롤아웃 1억 회 이상을 돌렸다. 평균 동시 롤아웃 11만 건, 코딩·에이전트·STEM 환경 약 100만 개, 샌드박스 호출 약 13억 회에 달했다. 처음부터 끝까지 자체 학습했다.
회사 표에서도 중국 모델이 앞선다
자체 표에서 Beam은 SWE-bench Verified 80.9점, Terminal Bench v2.1 80.1점을 받았다. Terminal Bench에서는 GLM-5.2(81.0)와 비슷했다. 다만 문샷 AI의 Kimi K3(88.3)·딥시크 V4.1 Flash(90.6)에는 못 미쳤다. SWE-bench Pro v1에서는 65.5점으로 GLM-5.2(62.1)를 앞섰다. 테크크런치에 따르면 싱킹 머신즈 랩 Inkling과 겹치는 코딩 시험 네 곳에서 Beam 점수가 더 높았다. 다만 Beam은 텍스트 전용이고 Inkling은 멀티모달이다.
순수 성능에서는 Kimi K3가 앞서고 Beam의 강점은 추론 시점의 효율이다. 경쟁 모델 점수는 Artificial Analysis·DataCurve 수치를 가져와 붙였다. 공동창업자 겸 CEO 미샤 라스킨은 기업·정부가 중국 오픈모델을 쓰기 어렵거나 자체 통제가 필요할 때 선택지가 부족하다고 세마포어에 말했다.
그들은 지금 정말 좋은 선택지가 없다.
— 미샤 라스킨 리플렉션 CEO, Semafor 10월 5일 · “They don’t really have very good options today.”
라스킨에 따르면 Beam은 코딩·에이전트 작업에 특히 강하고, 회사 발표문 기준 서구 오픈웨이트보다 앞서며 알리바바 Qwen 3.8-Max에는 “접근하는” 수준이다. 미국·영국 AI 안전 평가 기관과도 모델 능력을 점검 중이다.
가중치, 이달 Apache 2.0으로 배포
Beam은 지금 최종 레드팀·평가 단계다. 일부 이용자만 대기열로 조기 접근할 수 있고, 자체 호스팅용 가중치는 아직 없다. 이달 안에 가중치와 기술 보고서·모델 카드·미세조정용 개발 도구를 Apache 2.0 라이선스로 공개할 예정이다.
배포 때 클라우드 유통 파트너와 오픈소스 라이브러리 연동도 함께 나온다. 안전·정렬은 별도 교사 모델을 학습한 뒤 병합했고, 안전 평가 수치는 기술 보고서에 실린다. 라스킨에 따르면 내부에서 쓴 안전 평가 도구도 공개할 예정이며, 이미 Beam보다 훨씬 강력한 다음 모델을 학습 중이다.
독립 검증은 배포 뒤로 미뤄져
공개된 연산량 비교는 활성 파라미터 수와 생성 토큰 수로 전방 연산량을 어림잡은 값이다. 곱셈-덧셈을 두 번 연산으로 세고, 추론·최종 답 토큰을 모두 넣었다. 프롬프트 프리필·서빙 오버헤드는 빠졌고, 측정된 추론 비용이 아니라 근사 비교다. 가중치가 나오기 전까지 외부 연구자가 같은 조건으로 재현하기는 어렵다.
테크크런치에 따르면 추가 질의에 리플렉션은 마감 전까지 회신하지 않았다. 가중치 공개 정확한 날짜와 독립 벤치 최종 결과는 아직 정해지지 않았다.