Find XO: Beamはコーディングと推論作業に効率的な5010億パラメーター規模の疎混合専門家ベースのAIモデルである (reflection.ai)

- BeamはReflectionが開発した、全5010億パラメーター中、実際に活性化されるパラメーターが230億個の疎混合専門家（Mixture-of-Experts、MoE）モデルで、コーディング、推論、およびエージェント業務に特化して設計された。 - このモデルは、23.8兆個の高品質なウェブおよびライセンスデータのトークンで事前学習され、10,500台のNVIDIA GB300 GPUを4週間稼働させ、1億件以上の強化学習ロールアウト（実行例）を完了した結果に基づいている。 - Reflectionによると、BeamはGLM 5.2やQwen 3.8-Maxのような同等あるいはそれ以上の規模の公開モデルと比べて、コーディングやエージェント関連課題で競争力のある性能を示し、特に推論時に3～4倍少ないGPU計算量を使用して効率が大幅に向上したという。 - 強化学習過程において最適化された新しい非同期方策勾配アルゴリズムと約100万の作業環境を活用し、専門家の活用度のバランスと安定したシグナル伝達のために様々な技術が適用され、全体的な学習安定性を確保している。