公開：2026年10月17日, 最終更新：2026年10月17日
30秒サマリー
- 米新興ラボReflectionが501B（アクティブ23B/トークン）のMoEモデル「Beam」をApache 2.0ライセンスで公開
- コーディング・エージェント用途に特化し、1Mトークンのコンテキスト窓とFP8/NVFP4量子化チェックポイントを提供
- transformers・vLLM・SGLangでday-0サポート、自社インフラへの展開レシピも同時公開
何が起きたか
米新興AIラボのReflectionは2026年10月16日、同社初のモデルとなる「Beam」をHugging Faceで公開した。Beamはミクスチャー・オブ・エキスパーツ（MoE）アーキテクチャを採用した501Bパラメータのオープンモデルで、1トークンあたりのアクティブパラメータは23B。ライセンスはApache 2.0。コーディングおよびエージェント用途を主な対象とし、1Mトークンのコンテキスト窓を持つ。
チェックポイントはBF16（約1TB）、FP8、NVFP4の3形式で提供される。NVFP4はNVIDIA Blackwell GPU向けで重みを約280GBに圧縮できる。推論フレームワークはtransformers・SGLang・vLLMのday-0サポートに加え、Rustベースの専用ハーネスも同梱。ファインチューニングはSFTとRLの両レシピが公開されており、フルパラメータRLにはMilesを利用できるとしている。
Reflectionチームが公表したベンチマーク結果によると、BF16版でSWEBench Verified 81.6%、AIME 2026 97.7%、GPQA Diamond 90.6%、LiveCodeBench 88.3%などの数値が示されている。ハードウェア要件については、NVFP4チェックポイントを実用的な展開形態として挙げており、Blackwell GPU（B200）で最低2枚（360GB）、余裕をもって4枚（720GB）が推奨されている。
Hugging FaceはReflectionと協力して推論・SFT・RLの各レシピを整備したと公式ブログで説明している。また、Reflectionはモデルを活用したプロジェクトの優秀者に1万ドル相当のHubクレジットを付与するコンテストを実施中としている。
原典ハイライト
公式ブログはBeamを「フロンティアスケールのモデルを自社ハードウェア・インフラ・クラウドで動かし、自社ユースケースにカスタマイズしたいチームのためのモデル」と位置づけている。MoE構造により全501Bパラメータをメモリ上に保持しつつ、演算は23B相当の速度で行われるとしており、1Mトークンの長文コンテキストではキャッシュサイズを「全レイヤーをグローバルとした場合の約6分の1」に抑える設計を採用している。
出典: Hugging Face Blog（公式ブログ）
So What?（なぜ重要か）
編集部の見方として、501BクラスのMoEモデルがApache 2.0で公開されたことは、フロンティア級の推論・コーディング性能を自社インフラで運用しようとする企業にとって選択肢が広がることを意味する。FP8/NVFP4量子化やvLLM・SGLangのday-0対応によって、展開の技術的ハードルは以前より低くなっているとみられる。一方でBF16では最低でも1TBのストレージと複数のBlackwell/Hopper世代GPUが必要であり、ハードウェアコストは依然として高い。
日本企業への示唆
日本企業への示唆として、以下の点が考えられる。第一に、コーディング支援や自律エージェントの内製化を検討している企業は、Apache 2.0ライセンスのBeamをPoC対象として評価する価値がある。第二に、展開にはB200/H200クラスのGPUが複数台必要なため、オンプレ導入を前提とする場合はハードウェア調達計画を先に精査すべきだ。Blackwellハードを持たない場合は、ブログがInference Providers（サーバーレス）経由での検証を推奨している点も参考になる。第三に、SFTとRLのレシピが公開されているため、自社業務データでのファインチューニングを比較的早期に試験できる環境が整っていると言える。
背景・経緯
Reflectionは米国の新興AIラボで、Beamは同社の最初のモデルリリースとなる。Hugging Face公式ブログによれば、Hugging FaceはReflectionチームと協力して推論・SFT・RLの統合に取り組んだとしている。原文にはReflectionの創業時期や資金調達状況に関する記載はない。
