A CoreWeave-en érhető el a Reflection 501 milliárd paraméteres Beam modellje
A Reflection első nyílt súlyú modellje, a Beam már a megjelenés napján elérhető a CoreWeave Forge Serverless Inference szolgáltatásán. A fejlesztők OpenAI-kompatibilis API-n keresztül tesztelhetik kódolási és ügynöki feladatokra, GPU-k telepítése és kiszolgálófürt üzemeltetése nélkül.
- A Beam 501 milliárd teljes és 23 milliárd aktív paraméteres mixture-of-experts modell.
- A modell Apache 2.0 licenc alatt, nyílt súlyokkal jelenik meg.
- A CoreWeave Forge Serverless Inference OpenAI-kompatibilis API-n teszi elérhetővé.
- A bemutatott SFT-futtatás 16 NVIDIA B200 GPU-n 73 perc alatt készült el.
- A Beam fő célterülete a szoftverfejlesztés és a hosszú, eszközvezérelt ügynöki feladatok kezelése.
Kódolásra és hosszú ügynöki feladatokra készült
A CoreWeave 2026. október 16-i közleménye szerint a Beam egy mixture-of-experts modell, összesen 501 milliárd paraméterrel. Tokenenként 23 milliárd aktív paraméter dolgozik, így a modell minden token feldolgozásakor csak a paraméterek egy része aktiválódik. A kiszolgálásnál ugyanakkor a teljes modell súlyait figyelembe kell venni, ezért az aktív paraméterek száma önmagában nem határozza meg a memóriaigényt vagy a késleltetést.
A modell szöveges munkafolyamatokra készült, például forráskód, eszközhívások, naplók, dokumentumok és strukturált kimenetek kezelésére. A Reflection két fő felhasználási területet jelöl meg: a szoftverfejlesztést és a hosszú, eszközökkel végzett ügynöki feladatokat. Ezek közé tartozhat GitHub-problémák megoldása, kód karbantartása és teljes munkafolyamatok végrehajtása ismételt modellhívásokkal.
A Beam körülbelül egymillió tokenes kontextusablakot kínál, ami nagy mennyiségű kód és feladatelőzmény kezelését teszi lehetővé. A ténylegesen használható kontextushossz az inferencia-végpont szolgáltatói konfigurációjától függ, ezért a fejlesztőknek az adott végpont támogatott korlátját kell ellenőrizniük.
Nyílt súlyok és finomhangolási példák
A Beam Apache 2.0 licenc alatt jelenik meg, egyedi licencfeltételek nélkül. A fejlesztők és kutatók megvizsgálhatják a súlyokat, finomhangolhatják a modellt, és kiválaszthatják a számukra megfelelő telepítési környezetet. A CoreWeave szerint ezzel a kiadás új modellt ad a nyugati nyílt súlyú ökoszisztémához, kifejezetten kódolási és ügynöki munkaterhelésekhez.
A Reflection a Beam betanításakor a CoreWeave Forge Weights & Biases Models eszközét használta. A CoreWeave és az Axolotl közösen egy felügyelt finomhangolási, vagyis SFT felhasználási esetet is validált. A bemutatott futtatásban a Beam-1.0-501B-A23B modellt GPU-kernel-generálásra hangolták, körülbelül 84 millió tokennyi PyTorchból Tritonba és CUDA-ba történő átalakítási példán, az open KernelBook és az AI CUDA Engineer adatkészleteiből.
A LoRA-adapterekkel, szakértői párhuzamosságot használva, 16 NVIDIA B200 GPU-n, két CoreWeave-csomóponton dolgoztak. A tréning 73 perc alatt fejeződött be. Egy másik bemutatóban orvosi kérdések megválaszolására készítettek LoRA-adaptereket egyetlen B200-csomóponton. A HealthBench eredménye 49,0 százalékról 52,7 százalékra nőtt mind az 5000 beszélgetésen, GPT-6 Luna Decisions értékeléssel. A CoreWeave hangsúlyozza, hogy ezek demonstrációs futtatások, és nem a Beam finomhangolással elérhető teljes lehetőségét mutatják.
OpenAI-kompatibilis végponton próbálható ki
A Forge Serverless Inference OpenAI-kompatibilis végpontot kínál tokenalapú díjazással. Ez egyszerűsítheti az integrációt azokkal az ügyfelekkel és keretrendszerekkel, amelyek ezt a felületet támogatják. A fejlesztőknek ugyanakkor külön kell értékelniük a modell viselkedését, mivel a promptolási szokások, az eszközhívás, a kimenet formázása és a hibákból való felépülés modellenként eltérhet.
A CoreWeave az Agent Lens segítségével biztosít nyomon követést, értékelést és megfigyelhetőséget. A vállalat szerint ügynöki alkalmazásoknál nem egyetlen modellhívást, hanem a teljes feladatot kell mérni. Ilyen szempont a feladat sikeressége, az eszközhasználat megbízhatósága, a teljes végrehajtási idő és a sikeres feladatra jutó költség, beleértve a sikertelen próbálkozásokat és az újrapróbálásokat is.
A felhasználók a kezelt végponton kezdhetik el összevetni a Beam teljesítményét saját kódolási és ügynöki munkaterheléseikkel. A CoreWeave további finomhangolási és megerősítéses tanulási támogatást vizsgál, többek között online RL-munkát az Axolotllal. A saját adatokkal dolgozó vállalatok a CoreWeave-vel egyeztethetnek a követelményekről, valamint értékelést kérhetnek a CoreWeave ARENA rendszerében vagy saját CoreWeave-fürtjükön. A Forge Pro kipróbálásához a közlemény 30 ingyenes próbaidőt kínál.
CoreWeave: From training to serving: Reflection’s Beam on CoreWeave
