Reflection Beam-1.0 501B/23B Modelinin Açıklaması ve Benchmark Sonuçları
Reflection tarafından geliştirilen Beam, 501.3 milyar toplam parametreli, 23.4 milyar aktif parametreli bir MoE mimarisine sahip açık kaynak büyük dil modelidir. Model, 1 milyon tokenlik bağlam penceresi ve BF16, FP8, NVFP4 sayısal formatlarıyla sunuluyor; token verimliliği ve ajan tabanlı araç kullanımında öne çıkıyor. İlk benchmark sonuçları, Beam'in kod üretimi, bilimsel akıl yürütme ve araç çağrısı görevlerinde mevcut açık modellerle rekabet edebildiğini gösteriyor.
Özetle
- 1
Beam, 501.3B toplam ve 23.4B aktif parametreyle 500B ölçeğinde bir açık kaynak MoE modeli sunuyor.
- 2
1M token bağlam penceresi ve üç sayısal format (BF16, FP8, NVFP4) ile token verimliliği sağlanıyor.
- 3
Benchmark sonuçları, AIME 2026'da %98.0 ve GPQA Diamond'da %90.3 gibi yüksek doğruluk oranları gösteriyor.
Reflection ekibi, Beam modelini metin girdilerini alıp metin çıktısı üretecek şekilde tasarladı ve modelin üç farklı sayısal formatta (BF16, FP8, NVFP4) ince ayarları yapıldı. Beam, 256 uzman katmanına sahip bir karışık uzman (Mixture-of-Experts) mimarisi kullanıyor; toplam parametre sayısı 501.3 milyar, aktif parametre sayısı ise 23.4 milyar. Model, 52 katman (3 yoğun, 49 MoE) ve kaydırmalı pencere dikkat mekanizmasıyla 1M token uzunluğunda bağlamı işleyebiliyor.
Beam'in temel yetenekleri arasında token verimliliğiyle yüksek kaliteli akıl yürütme, gerçek dünya GitHub sorunlarını çözebilen yazılım mühendisliği yetenekleri, çoklu programlama dillerinde kod üretimi ve uzun vadeli görevleri doğal dil talimatlarından yürütme yer alıyor. Özellikle ajan tabanlı araç entegrasyonu (MCP tabanlı araç kullanımı, tarama) ve uzun zincirli iş akışlarını yönetme kapasitesi vurgulanıyor.
Modelin benchmark performansları, farklı sayısal formatlarda geniş bir yelpazede test edildi. Agentic Coding/Terminal kategorisinde DeepSWE v1.1'de %43.3 (BF16) skor elde ederken, SWE Bench Pro v2-Hard'da %78.4 (FP8) ve %78.6 (NVFP4) gibi yüksek sonuçlar gösterdi. Reasoning bölümünde AIME 2026 testinde %98.0 (FP8) ve GPQA Diamond'da %90.3 (FP8) gibi puanlar aldı. Tool Calling ve Search görevlerinde MCP Atlas %81.5 (FP8) ve BrowseComp %76.7 (FP8) gibi güçlü performanslar sergiledi.
Beam, özellikle İngilizce odaklı geliştirilmiş olmasına rağmen, çok dilli SWEBench testlerinde %78.1 (FP8) gibi sonuçlarla geniş dil desteği sunuyor. Modelin bilgi kesim tarihi 30 Haziran 2026 olarak belirtilmiş ve Hugging Face üzerinden erişime sunulmuş durumda. Bu çıkış, açık kaynak topluluğu için 500 milyar ölçeğinde bir MoE modelinin erişilebilir olmasının önemi açısından dikkat çekiyor.
Yöney yorumu
Beam'in yüksek token verimliliği ve güçlü benchmark performansı, geliştiricilerin daha az maliyetle karmaşık görevleri çözmesine olanak tanıyacak. Açık kaynak yapısı, araştırma topluluğu ve start-up'ların büyük modelleri deneme ve özelleştirme fırsatını genişletecek.
Haberdeki skorlar
Bu skorların kaynak metinde birebir geçtiği doğrulandı. Bilinen testlerin sonuçları Benchmark sıralamalarına da eklenir.
- Beam (BF16)DeepSWE v1.1 · BF16%43.3
- Beam (FP8)DeepSWE v1.1 · FP8%43
- Beam (NVFP4)DeepSWE v1.1 · NVFP4%42.7
- Beam (BF16)SWE Bench Pro v2-Hard · BF16%76.5
- Beam (FP8)SWE Bench Pro v2-Hard · FP8%78.4
- Beam (NVFP4)SWE Bench Pro v2-Hard · NVFP4%78.6
- Beam (BF16)SWE Bench Pro v1 · BF16%66.1
- Beam (FP8)SWE Bench Pro v1 · FP8%65.9
- Beam (NVFP4)SWE Bench Pro v1 · NVFP4%65.6
- Beam (BF16)Terminal Bench v2.1 · BF16%80.1
- Beam (FP8)Terminal Bench v2.1 · FP8%78.9
- Beam (NVFP4)Terminal Bench v2.1 · NVFP4%78.4
- Beam (BF16)SWE Atlas Codebase QnA · BF16%31.8
- Beam (FP8)SWE Atlas Codebase QnA · FP8%32.2
- Beam (NVFP4)SWE Atlas Codebase QnA · NVFP4%31.4
- Beam (BF16)SWEBench Multilingual · BF16%78.3
- Beam (FP8)SWEBench Multilingual · FP8%78.1
- Beam (NVFP4)SWEBench Multilingual · NVFP4%77.5
- Beam (BF16)SWEBench Verified · BF16%81.6
- Beam (FP8)SWEBench Verified · FP8%80.2
- Beam (NVFP4)SWEBench Verified · NVFP4%80.7
- Beam (BF16)AIME 2026 · BF16%97.7
- Beam (FP8)AIME 2026 · FP8%98
- Beam (NVFP4)AIME 2026 · NVFP4%97.5
- Beam (BF16)HLE (no tools) · BF16%36
- Beam (FP8)HLE (no tools) · FP8%36
- Beam (NVFP4)HLE (no tools) · NVFP4%34.8
- Beam (BF16)HLE (with tools) · BF16%51.1
- Beam (FP8)HLE (with tools) · FP8%51.1
- Beam (NVFP4)HLE (with tools) · NVFP4%51.1
- Beam (BF16)SciCode · BF16%49.2
- Beam (FP8)SciCode · FP8%48.3
- Beam (NVFP4)SciCode · NVFP4%46.9
- Beam (BF16)CriPT AA · BF16%16.3
- Beam (FP8)CriPT AA · FP8%17.4
- Beam (NVFP4)CriPT AA · NVFP4%15.4
- Beam (BF16)GPQA Diamond · BF16%90.6
- Beam (FP8)GPQA Diamond · FP8%90.3
- Beam (NVFP4)GPQA Diamond · NVFP4%89.3
- Beam (BF16)LiveCodeBench · BF16%88.3
- Beam (FP8)LiveCodeBench · FP8%88.1
- Beam (NVFP4)LiveCodeBench · NVFP4%87.4
- Beam (BF16)AutomationBench - public split only · BF16%39.3
- Beam (FP8)AutomationBench - public split only · FP8%38.2
- Beam (NVFP4)AutomationBench - public split only · NVFP4%39.8
- Beam (BF16)MCP Atlas · BF16%80.8
- Beam (FP8)MCP Atlas · FP8%81.5
- Beam (NVFP4)MCP Atlas · NVFP4%80.5
- Beam (BF16)Tau3 Banking · BF16%36.1
- Beam (FP8)Tau3 Banking · FP8%36.8
- Beam (NVFP4)Tau3 Banking · NVFP4%35.4
- Beam (BF16)BrowseComp w/ context management · BF16%76.8
- Beam (FP8)BrowseComp w/ context management · FP8%76.7
- Beam (NVFP4)BrowseComp w/ context management · NVFP4%75.6
- Beam (BF16)DeepSearchQA w/ context management · BF16%80.5
- Beam (FP8)DeepSearchQA w/ context management · FP8%79.6
- Beam (NVFP4)DeepSearchQA w/ context management · NVFP4%81.1
- Beam (BF16)AA-LCR · BF16%78.2
- Beam (FP8)AA-LCR · FP8%79.4
- Beam (NVFP4)AA-LCR · NVFP4%78.7
- Beam (BF16)LongBench v2 · BF16%67.5
- Beam (FP8)LongBench v2 · FP8%67.6
- Beam (NVFP4)LongBench v2 · NVFP4%67.2
- Beam (BF16)IFBench · BF16%79.6
- Beam (FP8)IFBench · FP8%80.7
- Beam (NVFP4)IFBench · NVFP4%79.2
- Beam (BF16)AA Omniscience (index) - public split only · BF1610.8
Bu haber Reddit LocalLLaMA kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.
