Reflection ouvre Beam-1.0, 501 milliards de paramètres
Beam-1.0-501B-A23B, publié le 16 octobre 2026 par Reflection sous licence Apache 2.0, active 23,4 milliards de ses 501,3 milliards de paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique par tokenPlus petite unité de texte qu'un modèle manipule. Un mot courant tient souvent en un seul, un mot rare se découpe en plusieurs morceaux. Les prix, les limites et les débits s'expriment en tokens, pas en mots.Fiche du lexique et porte sa fenêtre à un million de tokens. Le modèle est taillé pour la programmation agentique et l'appel d'outils, et son support dans llama.cpp a été fusionné le jour même.
par Gyom 17 octobre 2026 à 07:18 3 min de lecture rubrique : Code
etiquettes : Hébergé · Quantification · Coût
Reflection ouvre Beam-1.0-501B-A23B le 16 octobre 2026, en version ajustée aux instructions et en trois formats numériques, BF16, FP8 et NVFP4. La licence est Apache 2.0, le modèle est développé principalement pour l'anglais et sa date de coupure des connaissances est fixée au 30 juin 2026. Le support de llama.cpp a été fusionné le soir même dans la révision b11701, sur une contribution d'Unsloth : le modèle se convertit et s'exécute donc hors de son code d'origine, sur un poste ou sur un serveur.
Deux cent cinquante-six experts par couche, huit sollicités par token
Le réseau compte 52 couches, dont trois denses au début et 49 couches de mixture d'experts portant chacune 256 experts. Un routeur à sélection groupée en ouvre huit par token, ce qui ramène le calcul à 23,4 milliards de paramètres actifs pour 501,3 milliards stockés : le service a besoin de la mémoire d'un modèle de 501 milliards de paramètres et tourne à la vitesse d'un modèle vingt fois plus petit. L'attention combine des têtes groupées avec porte et une fenêtre glissante, et le vocabulaire monte à 152 000 tokens.
Une fenêtre glissante de 512 tokens sur les couches sans rotation
La contribution llama.cpp détaille le montage de l'architecture. Les couches alternent entre une fenêtre glissante de 512 tokens et une attention complète : les premières gardent une rotation positionnelle classique, les secondes s'en passent complètement, ce qui évite de faire tourner les positions sur un million de tokens. Chaque couche porte une normalisation sur les requêtes et les clés, une porte en sortie par tête, un facteur d'échelle sur la somme résiduelle et un plafond sur les logits finaux. Aucune opération nouvelle n'a été ajoutée au moteur.
Trois fois moins de tokens de raisonnement, à qualité comparable
Reflection annonce comme première qualité du modèle un raisonnement économe : Beam atteindrait la qualité de solution des meilleurs modèles ouverts avec environ trois fois moins de tokens de raisonnement. Sur un agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique qui enchaîne les tours, c'est la longueur des traces de réflexion qui décide du coût d'une tâche, avant le prix au million de tokens. Le gabarit de conversation dérive du format Harmony, et son parseur d'appels d'outils n'est retenu que si les trois marqueurs de la syntaxe sont réunis.
81,6 % sur SWE-bench Verified, 80,1 % sur Terminal Bench 2.1
La fiche du modèle donne ses scores en BF16 : 81,6 % de tickets résolus sur SWE-bench Verified, 80,1 % sur Terminal Bench 2.1, 76,5 % sur SWE Bench Pro v2-Hard et 43,3 % sur DeepSWE v1.1. Côté raisonnement, Beam affiche 97,7 % sur AIME 2026, 90,6 % sur GPQA Diamond et 88,3 % sur LiveCodeBench, mais 36 % sur Humanity's Last Exam sans outil, contre 51,1 % avec. L'appel d'outils donne 80,8 % sur MCPModel Context ProtocolProtocole ouvert qui décrit à un modèle les outils et les ressources d'un environnement. Il sert de contrat entre un client d'agent et des serveurs d'outils, et évite de recâbler chaque intégration.Fiche du lexique Atlas, 76,8 % sur BrowseComp et 36,1 % sur Tau3 Banking.
Une parité numérique vérifiée sur un point de contrôle de test
La contribution annonce une parité exacte sur un point de contrôle de test, avec accord total sur la tête de sortie et sur le choix des experts, et une différence maximale de logits de 0,000068 sur 64 tokens de consigne. Elle ajoute que le point de contrôle complet se convertit, que les versions quantifiées se chargent et génèrent sur CUDA, et qu'une session d'appels d'outils à plusieurs tours avec arguments imbriqués passe de bout en bout par llama-server. Un fichier abîmé, sans clé de routage ou sans couche à fenêtre, échoue au chargement plutôt qu'au premier token.
Source primaire Reflection et Hugging Face, Beam-1.0-501B-A23B, et llama.cpp, contribution 30670 fusionnée dans la révision b11701