Beam 은 전체 501B 파라미터 중 토큰마다 23B 만 쓰는 MoE 모델이고, 지금은 platform.reflection.ai 대기자 명단으로 일부 사용자만 써 볼 수 있어요. 공식 표에서 터미널 벤치 v2.1 은 80.1 로 GLM 5.3(88.2)·키미 K3(88.3)·딥시크 V4.1 플래시(90.6)보다 낮고, SWE-bench Verified 는 80.9 예요. 회사는 추론 과제에서 GLM 5.2 와 비슷한 성능을 3~4배 적은 연산으로 낸다는 효율을 내세우지만, 실행에 필요한 메모리나 GPU 수는 밝히지 않았고 클로드·GPT 와의 비교도 표에 없어요.
용어 풀이
- MoE
- 전문가 혼합(Mixture-of-Experts). 여러 하위 신경망 중 일부만 골라 계산하는 구조
- GPU
- 그래픽 처리 장치. AI 모델 학습·실행에 쓰는 연산 칩
- API
- 프로그램끼리 기능을 주고받는 호출 창구
운영자 인사이트
가중치가 아직 없어서 공개된 점수를 직접 재현하거나 자체 서버 비용을 계산할 수 없어요. 코딩 에이전트용 오픈 모델을 고르는 중이라면 지금 바꿀 근거는 약하고, 이달 나올 기술 보고서와 가중치를 보고 4비트 기준 메모리와 터미널 벤치 재현 결과를 확인한 뒤 판단하는 편이 안전해요.
여러 관점으로 보기
- 해커뉴스 반응 가중치 없이 '오픈'을 내세웠다는 비판과 표에 있는 GLM 5.3·딥시크 V4.1 플래시가 그래프에서는 빠졌다는 지적이 나왔고, 128GB 통합 메모리 기기 두 대면 4비트로 느리게 돌릴 수 있다는 추정도 있었어요. Hacker News
- 사용 경로 데이터캠프는 대기자용 API 가 모델 ID Beam-501B-A23B 로 오픈AI 호환 Chat Completions 형식을 지원하고, 10월 6일 기준 허깅페이스에는 가중치가 없다고 정리했어요. DataCamp