Reflection AI สตาร์ทอัพ AI จากสหรัฐฯ เผยแพร่น้ำหนัก (ข้อมูลของโมเดลที่ผ่านการฝึกแล้ว) ของโมเดล AI "Beam" เมื่อวันที่ 16 ตุลาคม 2026 Beam เป็นโมเดลที่ประกาศเมื่อวันที่ 5 ตุลาคม สร้างขึ้นสำหรับงานเขียนโปรแกรม การให้เหตุผล และงานแบบ "เอเจนต์" ที่ AI ใช้เครื่องมือเพื่อทำงานไปทีละขั้น น้ำหนักดาวน์โหลดได้จาก Hugging Face และใช้ไลเซนส์ Apache 2.0 ที่ใช้งานได้อย่างอิสระแม้ในเชิงพาณิชย์
Reflection AI และ Beam
Reflection AI เป็นสตาร์ทอัพที่มีสำนักงานใหญ่ในนิวยอร์ก ก่อตั้งเมื่อเดือนมีนาคม 2024 โดยมิชา ลาสกิน (Misha Laskin) ผู้เคยร่วมพัฒนา Gemini ที่ Google DeepMind และไอโออันนิส อันโตโนกลู (Ioannis Antonoglou) ผู้ร่วมพัฒนา AI หมากล้อม "AlphaGo" บริษัทตั้งเป้าพัฒนาโมเดลเปิด (โอเพนเวต) จากสหรัฐฯ และเมื่อเดือนตุลาคม 2025 ได้ระดมทุน 2,000 ล้านดอลลาร์ที่มูลค่าบริษัท 8,000 ล้านดอลลาร์ Beam เป็นโมเดลโอเพนเวตตัวแรกของบริษัท และถูกวางให้เป็นโมเดลแรกของซีรีส์
ตามหน้าแนะนำอย่างเป็นทางการ สเปกหลักของ Beam มีดังนี้
- กลไก: MoE (Mixture of Experts) มีพารามิเตอร์ทั้งหมด 501,000 ล้านตัว (501B) และใช้เพียง 23,000 ล้านตัว (23B) ในการประมวลผลแต่ละครั้ง
- ปริมาณข้อมูลที่ใช้ฝึก: 23.8 ล้านล้านโทเค็น
- ความยาวอินพุตที่จัดการได้จริง (คอนเท็กซ์): 1 ล้านโทเค็น
MoE คือกลไกที่แม้โมเดลทั้งหมดจะมีขนาดใหญ่ แต่ในการประมวลผลแต่ละครั้งจะใช้งานเฉพาะส่วนที่เป็น "ผู้เชี่ยวชาญ" บางส่วนเท่านั้น จึงรันได้เร็วและประหยัดเมื่อเทียบกับขนาด
น้ำหนักที่เผยแพร่และไลเซนส์
น้ำหนักเผยแพร่บน Hugging Face ในรูปแบบต่อไปนี้
- BF16: รูปแบบที่มีความแม่นยำดั้งเดิม
- FP8, NVFP4: รูปแบบที่ลดขนาดข้อมูลลงเพื่อลดหน่วยความจำที่ต้องใช้
- DFlash2: โมเดลเสริมสำหรับเร่งการสร้างข้อความ (ใช้ด้วยวิธีที่เรียกว่า speculative decoding)
ไลเซนส์ Apache 2.0 เป็นไลเซนส์ที่ใช้กันแพร่หลายในโลกโอเพนซอร์ส อนุญาตให้ใช้งานเชิงพาณิชย์ แก้ไข และแจกจ่ายต่อได้ โดยไม่มีข้อจำกัดตามรายได้หรือจำนวนผู้ใช้ ซึ่งต่างจาก "Muse Spark Open" ที่ Meta เผยแพร่เมื่อวันก่อนหน้า (15 ตุลาคม) ที่ใช้ไลเซนส์เฉพาะของบริษัทซึ่งกำหนดเงื่อนไขกับการให้บริการโดยบริษัทขนาดใหญ่
วิธีใช้งาน
Beam ใช้งานได้ด้วยวิธีต่อไปนี้
- API: ให้บริการเป็นเวอร์ชันเบต้าพร้อมโควตาทดลองใช้ฟรี บนเว็บไซต์สำหรับนักพัฒนาของ Reflection AI (platform.reflection.ai)
- คลาวด์และอื่น ๆ: ใช้ได้บน AWS, Google Cloud, Microsoft Foundry, Together AI, Ollama และอื่น ๆ (พันธมิตรและแพลตฟอร์มที่เชื่อมต่อมีมากกว่า 40 ราย)
- เซิร์ฟเวอร์ของตัวเอง: รันได้บนเซิร์ฟเวอร์ของ Dell และ HPE
ยังไม่มีการเปิดเผยราคา API และยังไม่มีคำแนะนำเป็นพิเศษเกี่ยวกับการใช้งานจากญี่ปุ่นหรือการรองรับภาษาญี่ปุ่น
ผลการประเมินประสิทธิภาพ
ตัวเลขหลักที่แสดงในหน้าแนะนำอย่างเป็นทางการมีดังนี้ ตัวเลขของ Beam เป็นผลที่ Reflection AI เปิดเผยเอง ส่วนตัวเลขของโมเดลบริษัทอื่นที่นำมาเปรียบเทียบ บริษัทระบุว่าใช้ข้อมูลจากเว็บไซต์ประเมินผล Artificial Analysis และ DataCurve ทั้งนี้ยังไม่มีการตรวจสอบโดยบุคคลที่สาม
- SWE Bench Pro v2-Hard (โจทย์พัฒนาซอฟต์แวร์ระดับยาก): 77.2
- Terminal Bench v2.1 (การสั่งงานด้วยคำสั่ง): 80.1
- AIME 2026 (โจทย์แข่งขันคณิตศาสตร์): 97.8
- GPQA Diamond (โจทย์วิทยาศาสตร์ระดับบัณฑิตศึกษา): 90.5
สำหรับ Muse Spark Open ของ Meta ที่เผยแพร่เมื่อวันก่อนหน้า Meta เปิดเผยว่าได้ 76.4 ใน Terminal-Bench 2.1 (วัดด้วยเอเจนต์ชื่อ Terminus 2) และ 89.0 ใน GPQA Diamond อย่างไรก็ตาม เงื่อนไขการวัดอาจไม่ตรงกัน จึงเปรียบเทียบกันตรง ๆ ไม่ได้
มุมมองของกองบรรณาธิการ CoAI
Beam เป็นโมเดลที่มีข้อจำกัดด้านไลเซนส์น้อยเป็นพิเศษ แม้จะเทียบกับโมเดลเปิดขนาดใหญ่อื่น ๆ จากบริษัทสหรัฐฯ ด้วยกัน ภายใต้ Apache 2.0 แม้แต่บริษัทที่มีรายได้สูงก็นำไปใส่ในบริการของตัวเองได้โดยไม่ต้องทำสัญญาแยก ในช่วงสัปดาห์ที่ผ่านมา Meta, StepFun จากจีน และ Reflection AI ต่างทยอยเปิดตัวโมเดลเปิดขนาดใหญ่ ทำให้ตัวเลือก AI ที่รันในสภาพแวดล้อมของตัวเองได้เพิ่มขึ้นอย่างรวดเร็ว
ในทางกลับกัน ตัวเลขประสิทธิภาพที่เปิดเผยมาจาก Reflection AI เอง และการประเมินโดยบุคคลที่สามยังต้องรอต่อไป ด้วยขนาดรวม 501,000 ล้านพารามิเตอร์ การรันเองจึงต้องใช้เซิร์ฟเวอร์ GPU ขนาดใหญ่ ขั้นแรกจึงควรลองใช้โควตาทดลองฟรีของ API เพื่อดูว่าเหมาะกับงานของตัวเองหรือไม่
แหล่งที่มา
- Beam is now available (Reflection AI)
- Introducing Beam: Reflection's 501B open-weight model (Reflection AI)
- Beam 1.0 (Hugging Face)
- Reflection AI open-sources Beam's weights, post-training recipes (SiliconANGLE)
- Reflection raises $2B to be America's open frontier AI lab, challenging DeepSeek (TechCrunch)
- Step-5-Preview-BF16 (Hugging Face)