Reflection, поддерживаемая Nvidia, представила открытую ИИ-модель, чтобы составить конкуренцию Китаю

Модель ориентирована на корпоративных заказчиков и разработчиков и предназначена для выполнения задач по программированию и работе ИИ-агентов, при этом её стоимость ниже, чем у многих конкурентов. Как сообщила компания в понедельник, Beam демонстрирует сопоставимые результаты на продвинутых бенчмарках рассуждений с GLM-5.2 — флагманской открытой моделью китайской Z.AI.

Хотя Китай считается отстающим от США в области ИИ, такие китайские разработчики, как DeepSeek и Moonshot AI, укрепили свои позиции, предлагая более дешёвые и настраиваемые открытые модели. Ведущие американские компании в основном сосредоточились на закрытых или проприетарных решениях, развивая свой корпоративный бизнес.

Стартап также заключил многомиллиардные соглашения с компанией Илона Маска SpaceX и облачным провайдером Nebius Group NV для обеспечения вычислительных мощностей, необходимых для разработки своих моделей. Выпуск модели способен поддержать усилия американского правительства по экспорту ИИ из США и стран-союзников за рубеж.

Выпуск Reflection AI модели Beam с открытыми весами отмечает важный сдвиг в конкурентной динамике рынка ИИ. Теперь американские компании начинают бороться за сегмент открытых моделей, который до сих пор фактически контролировался китайскими разработчиками.

Beam — это модель с 501 миллиардом параметров, использующая архитектуру Mixture-of-Experts, где при генерации каждого токена активируется лишь 23 миллиарда параметров.

Это обеспечивает значительную экономию вычислительных ресурсов при сохранении конкурентоспособной производительности. Reflection утверждает, что Beam сопоставим с китайской GLM-5.2 от Z.ai по продвинутым бенчмаркам рассуждений, но требует в 3–4 раза меньше вычислительной мощности для вывода.

Это заявление имеет стратегическое значение. До сих пор китайские разработчики — DeepSeek, Moonshot AI, Z.ai, Alibaba — доминировали в сегменте открытых моделей благодаря сочетанию низкой стоимости и высокой кастомизируемости. Reflection позиционирует Beam как американскую альтернативу, которая предлагает сопоставимую эффективность без геополитических рисков, связанных с использованием китайского ПО.

Как устроен рынок корпоративного ИИ в России

Однако важно отметить: заявленные показатели эффективности — это расчётная оценка, а не измеренный результат. Reflection вывела цифру «в 3–4 раза меньше вычислений» по формуле (удвоенное количество активных параметров × среднее число генерируемых токенов), которая не учитывает обработку промптов, затраты на внимание и накладные расходы при обслуживании.

Собственные данные Reflection показывают, что Beam уступает некоторым китайским моделям по «сырым» показателям. На Terminal Bench v2.1 Beam набрал 80.1 против 88.3 у Kimi K3 и 81.0 у GLM-5.2 . На DeepSWE v1.1 — 44.4, тогда как DeepSeek V4.1 Flash показывает 74.2.

Сравнение с Kimi K3 некорректно, поскольку Kimi K3 — это уже выпущенный продукт с верификацией и ценой ($3 за миллион входных токенов, $15 за выходные), тогда как Beam на момент выпуска был лишь бета-версией с листом ожидания.

Тем не менее Artificial Analysis отметила, что «ранние индикаторы позволяют предположить, что Beam будет одной из самых токен-эффективных открытых моделей для своего уровня интеллекта». Это осторожный, но позитивный сигнал от авторитетной платформы.

Китайские открытые модели уже демонстрируют радикальное преимущество по стоимости: средняя цена открытых моделей — $0.83 за миллион токенов против $6.03 у проприетарных, то есть в 7.3 раза дешевле. В экстремальных случаях разрыв достигает 40 раз (DeepSeek V4-Pro: $0.28 за задачу против $12.50 у Opus 4.5).

Если Beam действительно обеспечивает сопоставимое с GLM-5.2 качество при втрое-вчетверо меньших вычислительных затратах, это создаёт ценовое давление на весь сегмент. Китайские разработчики будут вынуждены либо снижать цены, либо ускорять выпуск новых моделей. Для корпоративных покупателей это означает дальнейшее расширение выбора и снижение стоимости вывода.

Однако, Beam пока не имеет публичной цены. Reflection не раскрыла тарифы для API, а сама модель доступна лишь ограниченной группе через лист ожидания. Полные веса обещаны в октябре под лицензией Apache 2.0 . Только после этого рынок сможет оценить реальную стоимость владения и эксплуатации.

Новый чат-бот ChatGPT for Teens от OpenAI для подростков имеет функции безопасности и обучения

Beam выходит на рынок, где спрос на открытые модели переживает взрывной рост. Данные Enterprise Technology Research показывают, что открытые модели уже обеспечивают 34% корпоративного использования токенов (рост с 23% год назад), а 24% предприятий, использующих их в продакшене, направляют через них более половины трафика.

Более показательно поведение конкретных компаний. AT&T направляет 40% рабочих нагрузок ИИ на открытые модели и планирует достичь 70% за год, обрабатывая 45 миллиардов токенов в день.

Tinder увеличил расходы на ИИ с $1 млн до $10 млн в год и начал маршрутизировать часть запросов на открытые модели. По данным AlphaSense, в августе-сентябре 2026 года упоминания «open-weight» в отчётах и конференц-звонках американских компаний выросли в 6 раз год к году.

Reflection явно нацелена на этот спрос. Компания фокусируется на секторах с большими командами разработчиков и высокими требованиями к контролю данных. Beam с лицензией Apache 2.0 и возможностью развёртывания на собственной инфраструктуре — это прямой ответ на запросы предприятий, которые хотят использовать ИИ, но не готовы передавать данные в проприетарные API.