米国のAIスタートアップReflection AIは2026年10月5日(米国時間)、コーディングとエージェント用途向けの大規模言語モデル「Beam」を発表しました。総パラメーター5,010億(501B)のうち1トークンあたり230億(23B)だけを動かすMoE(専門家混合)モデルで、重みは10月中にApache 2.0ライセンスで公開される予定です。商用利用や追加学習が自由にできる米国発の大型オープンウェイトとして、中国製モデルの採用をためらってきた企業には新しい選択肢になります。一方、同社自身の比較表でも、中国の最新オープンモデルには多くの項目で届いていません。
Beamの中身
MoEは、多数の「専門家」と呼ばれる小さなネットワークから、入力ごとに一部だけを選んで計算する構造です。総パラメーターが大きくても、1回の推論で使う計算量は活性パラメーター分で済みます。Beamは入力が文章のみのモデルで、学習の途中段階で扱える文脈の長さを100万トークンまで広げています。
学習の大半はコード・エージェント作業向けの強化学習(RL)に費やされています。同社によると、学習と採点に使ったサンドボックス(隔離された実行環境)は約13億個、用意した課題環境は主に合成データで作った約100万種類です。ブラウジングの課題をRLに含めていないのに、ブラウジング性能も伸びたと報告しています。
なぜ「米国のオープンモデル」なのか
Reflection AIは元Google DeepMindの研究者らが設立した会社で、2025年10月にNVIDIAなどから約20億ドルを調達し、米国発の最先端オープンモデルを作ると掲げてきました。Beamはその最初の大型モデルです。発表文では、Beamが「西側のオープンウェイトの最前線を押し上げる」と表現しています。
背景には、オープンウェイトの上位をDeepSeek、Qwen(Alibaba)、GLM(Zhipu)、Kimi(Moonshot AI)など中国勢が占めている状況があります。性能が高くても、提供元の国を理由に業務利用を見送る企業は日米ともに少なくありません。米国企業がApache 2.0で500B級を出すことには、性能とは別の意味があります。
ベンチマークは「GLM 5.2並み」
ただし性能面では控えめに見る必要があります。Reflection AIは「GLM 5.2のような大きなオープンモデルと競合し、Qwen 3.8-Maxに近づく」と説明していますが、自社の比較表を見ると、より新しいモデルとの差ははっきりしています。
Terminal Bench v2.1ではGLM 5.2(81.0)とほぼ同点ですが、GLM 5.3(88.2)やKimi K3(88.3)とは8ポイントほど差があります。同社が強調するのは効率で、推論系のベンチマークではGLM-5.2と同等のスコアを3〜4分の1の推論計算量で出せるとしています。SWE Bench Verifiedは80.9、多言語版のSWEBench Multilingualは78.0でした。いずれも発表元による数値で、第三者の検証はこれからです。
日本の読者にとっての意味
日本語の性能について、発表は何も触れていません。英語中心の評価しか出ていないため、日本語の文章生成や社内文書の要約に使えるかは、重みの公開後に自分で確かめる必要があります。
自社サーバーで動かす場合のハードルも高めです。重みの形式は未発表ですが、501Bを1パラメーター1バイト(FP8)で持つと単純計算で約500GB、2バイト(BF16)なら約1TBになります。80GB級のGPUなら複数台、少なくともGPUサーバー1台をまるごと使う規模と考えられます。手元のPCで試せる規模ではないため、現実的には公開後にクラウドの推論サービスで使う形になりそうです。同社は配布パートナーと連携して公開するとしていますが、具体名は出していません。
一方で、ライセンス面の扱いやすさは明確な利点です。Apache 2.0は商用利用・改変・再配布を認める標準的なライセンスで、社内の法務審査を通しやすい部類に入ります。中国製のGLM-5.3-FlashやDeepSeekの公開モデルを性能面で評価しつつ、提供元の国を理由に採用できなかったチームにとっては、比較候補に加える価値があります。
次にやっておきたいこと
- オープンウェイトを業務に使う予定があるなら、先行アクセスに登録し、重み公開時の通知を受けられるようにしておく
- 公開後に出る技術報告書で、安全性評価の結果と日本語を含む多言語の成績を確認する
- 自社のコーディング課題で、すでに使っているオープンモデルとBeamを同じ条件で比べる準備(評価用の課題セット)を作っておく
