Reflection Beam, 100만 토큰 문맥·추론 연산량 절감 주장 공개
Reflection이 Beam의 추가 기술 정보를 공개했다. 텍스트 전용 모델로 23조8000억 토큰을 사전학습했고, 문맥 길이는 100만 토큰이다. 회사는 고난도 추론 평가에서 GLM-5.2에 견주는 성능을 3~4배 적은 추론 연산량으로 냈다고 주장했다. 가중치와 전체 기술 자료는 10월 중 공개할 예정이다.
전체 5010억·활성 230억 파라미터의 MoE 모델이며, 코딩·추론·에이전트 작업을 겨냥한다.
고연산량 강화학습을 활용했으며, 성능과 연산량 비교는 Reflection 자체 평가에 따른 주장이다.
출시 시 대형 클라우드·전문 클라우드 배포와 오픈소스 라이브러리 통합을 계획하고 있다.
긴 문서와 코드 문맥을 다룰 수 있는 구성이지만, 이미지 입력이 필요한 작업에는 별도 모델이 필요하다.
원문
- Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute costTechCrunch AI · 원문 2026-10-06