Beam est le premier modèle à poids ouverts de Reflection AI. Le 5 octobre 2026, la startup américaine âgée de deux ans a officiellement dévoilé Beam : 501 milliards de paramètres au total, dont seulement 23 milliards actifs par inférence, pré-entraîné sur 23 800 milliards de tokens, avec une fenêtre de contexte d'un million de tokens, positionné face aux modèles ouverts chinois comme le GLM-5.2 de Zhipu, DeepSeek et Qwen. Les poids et les détails techniques complets sont attendus ce mois-ci, distribués via les fournisseurs cloud et les bibliothèques open source.
L'argument, c'est la facture par token, pas le nombre de paramètres
Beam est un modèle mixture-of-experts uniquement texte, entraîné avec un fort recours à l'apprentissage par renforcement pour le raisonnement, le code et les tâches agentiques. Selon les mesures de Reflection, il égale à peu près GLM-5.2 sur les benchmarks de raisonnement avancé, devance les meilleurs modèles ouverts occidentaux actuels, avec trois à quatre fois moins de calcul d'inférence. La comparaison des paramètres montre le pari : GLM-5.2 affiche environ 744 milliards de paramètres pour quelque 40 milliards actifs ; Beam vise des scores voisins avec beaucoup moins de paramètres actifs, en misant sur le fait que les entreprises paient au coût par tâche accomplie, pas à la fiche technique. Tous ces chiffres viennent de l'éditeur et n'ont pas encore été vérifiés de façon indépendante ; l'écart réel n'apparaîtra que lorsque les poids seront publics et que la communauté aura fait ses propres évaluations.
Pourquoi une entreprise américaine veut gagner de l'argent en offrant ses poids
Reflection a été fondée par deux anciens chercheurs de Google DeepMind et compte Nvidia, Sequoia et Lightspeed parmi ses investisseurs, avec environ 4,7 milliards de dollars levés selon PitchBook et une valorisation récente proche de 25 milliards. Cet été, la startup a signé des contrats de calcul dépassant 7 milliards de dollars, sécurisant des capacités Nvidia GB300 auprès de SpaceX et Nebius jusqu'en 2029. Son modèle économique diffère de la vente d'API : elle veut construire pour les entreprises et les États des « usines d'IA » localisées, où les clients entraînent leurs propres systèmes sur leurs données propriétaires grâce aux poids ouverts — un partenariat d'IA souveraine avec le groupe sud-coréen Shinsegae est déjà en test. Ce modèle suppose d'abord un modèle ouvert capable de fédérer l'écosystème, et c'est précisément le rôle de Beam. La publication des poids ouverts de Kolibri, présentée ici précédemment, suit la même logique : poids ouverts, déploiement et personnalisation payants.
Ce que l'on peut conclure aujourd'hui
Trois points sont confirmés : le camp occidental tient enfin un modèle qui, par sa taille et son positionnement, défie directement le premier rang ouvert chinois ; si les tests indépendants confirment le récit d'efficacité, les prix d'inférence de cette catégorie subiront une pression directe ; et Beam reste pour l'instant limité au texte, une modalité de moins que certains rivaux occidentaux. Ce qui ne l'est pas, ce sont les scores maison. Tant que les poids et les détails d'évaluation ne sont pas publics, le geste le plus prudent pour les équipes en phase de sélection est de mettre Beam sous surveillance et d'attendre sa sortie avec leurs propres jeux d'évaluation, plutôt que de réarchitecturer à l'avance.
