📖 この記事で分かること
- Beamの規模は総501B・活性23BのMoE
- 実効コンテキストは100万トークン
- 重みはApache 2.0で今月後半に公開予定
- 評価や導入の前に確認しておきたい点
💡 知っておきたい用語
- 活性パラメータ: MoEで1トークンを処理するときに実際に動く部分の規模。大きな工場で、注文ごとに必要なラインだけを稼働させるイメージです
最終更新日: 2026年10月6日
▶ 公式ページ
- Introducing Beam(Reflection AI公式ブログ)

Reflection AIのBeamとは
この記事のポイント
- Reflection AIが2026年10月5日、同社初のオープンウェイトモデルBeam(2026年10月時点)を発表しました。
- 総501B・活性23BのMoEで、実効コンテキストは100万トークン(2026年10月時点)です。
- 重みはApache 2.0で「今月後半」に公開予定(2026年10月時点)としています。
コーディングやエージェント用途のモデルを自社環境で動かしたい開発チームにとって、商用利用もできるライセンスの大型候補が1つ増えます。Reflection AIは10月5日、同社初のオープンウェイトモデル「Beam」を発表し、重みをApache 2.0ライセンスで公開するとしました。ただし、重みそのものはまだ手元に届いていません。
Reflection AIはBeamを「企業のコーディング・エージェント用途の主力モデル(workhorse model)」と位置づけています。リポジトリ全体を読ませながらコードを修正させるような、長い文脈と多数の呼び出しを伴う処理が想定される使われ方です。
仕様の要点
公表された数値は、規模・学習データ・推論効率・コンテキスト長の4点です。評価の前提として押さえておきたい部分を整理します。
| 項目 | 公表内容 |
|---|---|
| アーキテクチャ | スパースなMixture-of-Experts(MoE【エムオーイー】) |
| 総パラメータ | 5010億(501B) |
| 活性パラメータ | 230億(23B) |
| 事前学習データ | ウェブとライセンス取得した独自データセット、計23.8兆トークン |
| 実効コンテキスト長 | 100万トークン(中間学習で拡張) |
| ライセンス | Apache 2.0 |
コンテキスト長の拡張には中間学習(midtraining。事前学習と、指示に従わせる事後学習の間に挟む追加の学習段階)を使ったと説明しています。公式ブログの表現は「実効(effective)コンテキスト長」で、単に入力できる上限ではなく、その長さで使える性能を保っているという主張として読むのが正確です。
推論効率については、Reflection AIは高度な推論ベンチマークで「GLM-5.2と同等のスコアを、3〜4分の1の推論計算量で出した」としています。これは同社自身による比較です。
自前運用の選択肢として何が変わるか
一番大きい差分は、Apache 2.0という制約の少ないライセンスで、この規模のモデルの重みが出る点です。商用利用を含めて自社のインフラ上で動かせるため、社外APIにコードを送れない環境でも候補に入れられます。
一方で、技術的に見ておくべき制約もあります。MoEは1トークンあたりに動くのが23B分でも、推論時には総パラメータ501B分の重みをメモリに載せる必要があります。計算量は活性パラメータで抑えられても、必要なGPUメモリは総パラメータ側で決まるため、自前運用のコストを見積もるときはこの2つを分けて考える必要があります。
次に確認できるタイミングは、Reflection AIが「今月後半」とする公開時です。同社は重みに加えて、技術レポート、モデルカード、開発者向け資料も同時に出すとしています。GLM-5.2との比較がどのベンチマーク・どの計測条件によるものかは、自社のタスクで比べる前にその資料で確かめるのが確実です。
編集部の見方
編集部は、Beamでいちばん効くのはスコアではなく「活性23Bと100万トークンを、Apache 2.0で自前運用できる」組み合わせだと見ています。ただし重みが出るまでは、移行計画ではなく評価計画を立てる段階にとどめるのが妥当です。
- 根拠1: 活性23Bは、長い文脈を何度も往復するエージェント処理で1トークンあたりの計算量を抑える方向に効きます。同社の「推論計算量3〜4分の1」という主張も、この設計と一貫しています。
- 根拠2: Apache 2.0は商用利用を含めて使えるライセンスで、コードを社外に出せないチームがコーディング用途で検討する際の障壁を下げます。
- 根拠3: 現時点で手元にあるのは発表文だけで、重み・技術レポート・モデルカードはいずれも「今月後半」の公開予定です。比較条件を確かめられないまま採用を決める材料はまだそろっていません。
この見方が変わる条件は、技術レポートで公表される比較条件が、自社で想定するコーディング・エージェント処理と大きく異なっていた場合です。その場合、推論効率の主張はそのまま自社の判断材料にはならず、自前の評価結果だけで決めることになります。
よくある質問
Q: Beamの重みはもうダウンロードできますか?
A: Reflection AIは、重み・技術レポート・モデルカード・開発者向け資料を「今月後半(later this month)」に公開するとしています(2026年10月時点)。
Q: 商用で使えますか?
A: 重みはApache 2.0ライセンスで公開されるとされており、商用を含めて自前の環境で動かせるライセンスです。
Q: 活性23Bなら、23B級モデルと同じGPUで動きますか?
A: 計算量は活性パラメータに近づきますが、MoEは推論時に総パラメータ(501B)分の重みをメモリに載せる必要があります。必要なメモリ量は総パラメータ側で見積もる必要があります。
まとめ
Reflection AIは10月5日、総501B・活性23BのMoEモデルBeamを発表し、重みをApache 2.0で今月後半に公開するとしました。実効コンテキストは100万トークンで、企業のコーディング・エージェント用途を主な対象にしています。推論効率の比較条件は同時公開予定の技術レポートで確かめられるため、自社評価の計画はその公開に合わせて組むのが現実的です。
【用語解説】
- オープンウェイト: 学習済みモデルの重み(パラメータ)を公開し、利用者が自分の環境で動かせるようにする提供形態。
- Apache 2.0: 商用利用・改変・再配布を認めるオープンソースライセンスの1つ。
- 中間学習: 事前学習と事後学習の間に入る追加の学習段階。Beamではコンテキスト長の拡張に使われた。
引用元:
- [1] Introducing Beam(Reflection AI)
この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。
Previous Post
AIの文章に見えない透かし。OpenAIがEUのChatGPTで導入、検出の限界も公表
Next Post
Cohere North 2、エージェントがセッションをまたいで文脈保持。トークン費用も管理
15 年以上の開発経験を持つソフトウェアエンジニア / テクノロジーライター。AI エージェントの実務活用を研究し、現場や経営者向けセミナーでその知見を発信。本メディア tech-noisy.com では、一次情報に基づく最新ニュース・解説記事を執筆。また、音楽生成 AI による DJ パフォーマンスを企業イベントで行うなど、テクノロジーと表現の融合も探求している。