Reflection AI Beam 공개, 501B 오픈 웨이트 모델의 성능과 공개 일정 정리

• 미국 AI 스타트업 Reflection AI가 2026년 10월 5일(현지 시간) 첫 오픈 웨이트 모델 Beam을 발표함

• 전체 매개변수 501B 가운데 토큰마다 23B만 쓰는 MoE 모델이고, 코딩과 추론, 에이전트 작업을 겨냥함

• 지금은 얼리 액세스 신청만 받음. 가중치와 기술 보고서는 10월 중 Apache 2.0 라이선스로 공개 예정

• 회사가 낸 벤치마크로는 GLM 5.2와 비슷하고, Kimi K3나 DeepSeek V4.1 Flash보다는 낮은 항목이 많음

• 2024년에 성능 부풀리기 논란이 있었던 Reflection 70B와는 다른 회사, 다른 모델임

Beam은 어떤 모델인가

• 오픈 웨이트 모델: 학습을 마친 가중치 파일을 내려받아 자기 서버에서 돌리고 고쳐 쓸 수 있게 공개하는 모델

• 구조는 희소 MoE(Mixture-of-Experts). 여러 전문가 망 가운데 일부만 골라 계산해서, 크기에 비해 추론 비용이 적음

  • 전체 501B, 토큰마다 쓰는 매개변수 23B

• 컨텍스트는 최대 1M 토큰

  • 강화 학습 때는 256K까지 썼고, 중간 학습(midtraining)에서 1M으로 늘렸다고 밝힘

• 글만 다루는 모델. 이미지나 음성 입력은 받지 않음

• 추론을 얼마나 길게 할지 조절하는 길이 페널티를 넣어 학습함. 쓸데없이 긴 답을 줄이려는 장치

• Reflection은 Beam이 시리즈의 첫 모델이고, 다음 모델을 이미 학습 중이라고 함

공개 일정과 쓰는 법

• 10월 6일 현재 가중치는 아직 내려받을 수 없음

• 공식 블로그에서 얼리 액세스를 신청할 수 있고, 신청 창구는 Reflection Playground(platform.reflection.ai)임

• 10월 안에 공개할 것

  • 가중치 (Apache 2.0, 상업적으로 써도 됨)

  • 기술 보고서와 모델 카드

  • 모델을 돌리고 평가하고 미세 조정하는 개발 도구

• API 가격, 지원할 추론 엔진(vLLM, SGLang 등), 양자화 버전은 발표에 없음

• 한국어 성능도 따로 밝히지 않음. SWEBench Multilingual은 프로그래밍 언어 여러 개를 보는 시험이라 한국어와는 상관없음

벤치마크 비교: GLM 5.2, Kimi K3, DeepSeek V4.1 Flash

• 모두 Reflection이 공식 블로그에 낸 수치이고, 외부 검증은 아직 없음

• 빈칸은 Reflection이 표에 싣지 않은 점수

• Inkling은 Thinking Machines Lab이 7월 15일에 낸 975B 오픈 웨이트 모델

• 같은 미국산인 Inkling보다는 대부분 항목에서 높음

• 중국산 GLM 5.2와는 비슷하고, Kimi K3와 DeepSeek V4.1 Flash에는 대체로 못 미침

• Reflection이 내세우는 강점은 효율

  • 고난도 추론 벤치마크에서 GLM 5.2와 비슷한 점수를 내면서 추론 연산은 3~4배 적게 쓴다고 함

  • 2T가 넘는 Qwen 3.8 Max와 비교하면 차이가 더 크다고 함

어떻게 학습했나

• 사전 학습: 토큰 23.8조 개, NVIDIA GB300 GPU 6,144개로 4주가 안 걸림

  • 웹 데이터, 공개 데이터, 라이선스를 산 데이터를 섞음

• 강화 학습: GB300 GPU 10,500개로 4주 동안 롤아웃(모델이 과제를 직접 풀어 보는 시도)을 1억 회 넘게 돌림

• 안전 정렬에는 교사 모델 여러 개로 증류하는 방식(MOPD)을 씀

• 공식 글에 학습 곡선, 전문가 부하 분산, 층별 안정성 그래프를 자세히 실었음. 기술 보고서는 가중치와 함께 나옴

Reflection AI는 어떤 회사인가

• 2024년 3월 세워진 미국 스타트업

  • Google DeepMind에서 Gemini 보상 모델을 이끈 Misha Laskin, AlphaGo를 함께 만든 Ioannis Antonoglou가 창업함

• 엔비디아가 이끈 투자 라운드에서 20억 달러를 받음

• 7월에는 Nebius와 10억 달러 규모 컴퓨팅 계약을 맺음

• 중국 오픈 모델에 기대기 꺼리는 기업과 정부를 겨냥해 "미국산 오픈 모델"을 내세움

Reflection 70B와 헷갈리지 말 것

• 2024년 9월 화제가 된 Reflection 70B는 OthersideAI의 Matt Shumer가 Llama 3.1을 고쳐 만든 모델

• 발표 때 밝힌 성능이 외부 측정에서 나오지 않았고, Shumer가 사과함

• 이름만 비슷할 뿐 Beam을 만든 Reflection AI와는 관계가 없음

커뮤니티 반응

• Hacker News에서 288점, 댓글 76개를 받음 (10월 6일 확인)

• 회의적인 쪽

  • "가중치도 기술 문서도 없이 신청 링크만 있다"는 지적과 "말은 쉽다, 가중치를 보여 달라"는 반응

  • DeepSeek V4.1 Flash보다 크고 돌리기 비싼데, 잰 항목 전부에서 낮다는 비판

  • 투입한 GPU와 데이터에 비해 결과가 아쉽다는 의견

  • 공식 글의 퍼즐 예시가 "며칠 전에 나온 문제"라고 했지만, 2025년 8월 LessWrong에 이미 올라온 문제라는 지적

• 반기는 쪽

  • 새로 들어온 회사가 처음부터 1등일 수는 없고, 버전을 거듭하며 나아질 것이라는 의견

• 중국 모델을 꺼리는 정부와 기업을 노린 "미국산 대안"이라는 점은 대부분 알아봄

• Reflection 직원이 댓글로 학습 중 GPU, CPU, PCIe 버스, 네트워크까지 모두 감시했다고 설명함