Reflection AI Beamとは？API料金・501Bオープンウェイトを解説

Beamの要点：501Bの重み・APIが正式公開

Beamは、Reflection AIが初めて公表した基盤モデルです。対象はソフトウェア開発、長い推論、検索やツール操作を伴うAIエージェントです。総パラメータ数だけを見ると巨大ですが、各トークンで有効になるのは23Bです。MoEのルーターが入力に応じて一部の専門家だけを選ぶため、毎回501Bすべてを計算するDenseモデルとは性質が異なります。

10月5日の発表時は選定ユーザー向けでしたが、10月16日にHugging Faceで重みが公開されました。Apache 2.0の下でBF16、FP8、NVIDIA Blackwell向けNVFP4を選べ、推論用のDFlash2ドラフトモデルもあります。モデルカードでは52層、256 experts、100万トークン文脈、2026年6月30日の知識カットオフが確定しました。

利用経路はReflectionのパブリックベータAPI、OpenRouterなどの外部API、セルフホストです。OpenRouterでは入力0.25ドル・出力1ドル／100万トークン、Together経由では0.40ドル・1.20ドルと提供者差があります。以下の料金・速度・仕様は2026年10月17日に確認しました。

この節の一次情報：Reflection AI｜Beam is now available（2026年10月16日） ／ Reflection AI｜Beam Model Card ／ OpenRouter｜Beam 1.0 pricing

開発元Reflection AIとは

Reflection AIは2024年に元Google DeepMind研究者のMisha Laskin氏とIoannis Antonoglou氏が設立した米国企業です。オープンなモデルと、それを企業や政府機関が自社データで調整・運用するための基盤を構築しています。Beamはその最初の公開モデルに位置づけられます。

発表直後にTechCrunch、Reuters、Financial Times、MarketWatchが報道しました。Hacker Newsの発表スレッドは556点・173コメントとなり、10月16日の重み公開後はLocalLLaMAでも100票を超える反応が出ています。vLLM、Google Cloud、NVIDIA、Hugging Faceなど40超の企業・プロジェクトが初日から対応しました。

日本語検索では発表速報や機械翻訳記事が出始めていますが、MoEの意味、推論計算量と料金の違い、メモリ要件、提供前の制約まで扱う実務解説はまだ限られます。日本で『Reflection AI』『Beam AIモデル』の検索が増える前に、確認済みと未確認を切り分けておく価値があります。

この節の一次情報：Reuters｜Nvidia-backed Reflection unveils Beam ／ Financial Times｜Reflection AI and open models ／ Reflection AI公式｜会社の方針

技術的な仕組み：501B全部を毎回使わない疎なMoE

Beamは501Bの総パラメータを持ちますが、各トークンで使うのは23Bです。ルーターが入力に合う専門家を選び、限られた経路だけを計算します。これにより、モデル全体の知識容量を大きく保ちつつ、1トークン当たりの前向き計算を抑える設計です。ただし、実行時に全重みを保持するためのメモリと、各トークンで実際に行う計算量は別です。

公開仕様では52層のうち最初の3層がDense、残り49層がMoEです。各MoE層は256 expertsを持ち、グループ選択後に上位8 expertsを使います。43層は直近512トークンを見るsliding-window attention、9層は全文脈を見るNoPE attentionです。100万トークン時のKVキャッシュはFP8で約18GiB（分割前）とvLLMが説明しています。

重みの保存量を単純計算すると、501Bを16bitで保持するだけで約1,002GB、8bitで約501GB、4bitで約250.5GBです。これは10進GBの理論値で、KVキャッシュ、ルーター、実行ランタイム、冗長化を含みません。Reflectionは8bit・4bit版をH100、H200、GB300の8基サーバーで配信でき、BF16は数十GPUが必要とVentureBeatに説明しています。23B activeだから単一の24GB GPUで動く、という意味ではありません。

この節の一次情報：Reflection AI｜Beam Model Card ／ vLLM｜Serving Reflection Beam on vLLM

学習方法：23.8兆トークンと大規模な非同期RL

事前学習にはWeb、公開情報、ライセンス済みデータを含む23.8兆トークンを使用したと説明されています。コード、技術文書、数学・科学を重視し、解析、重複除去、品質選別で生のインターネットトークンの約95%を除外したという開発元の主張です。学習データの完全な一覧や第三者監査はまだ公開されていません。

強化学習では10,500基のNVIDIA GB300 GPUを4週間使い、1億回超のrolloutと約13億回のsandbox処理を実施しています。最大17万sandbox、平均11万同時rolloutを扱う非同期基盤を構築し、古いモデル版で生成されたサンプルが混じるpolicy stalenessを補正したとしています。

Beamにはreasoning effortの調整があり、低い設定は短い応答と少ない計算、高い設定は難しい問題へ長く考える方向です。開発元は、正解率だけでなく不要な推論トークンも罰する長さペナルティを使い、能力と生成量のPareto効率を改善したと説明します。公開されたAPI単価だけでなく、実際の出力token量を掛け合わせることが1タスク原価の評価に必要です。

この節の一次情報：Reflection AI公式｜High-Compute Reinforcement Learning

性能と推論効率：重み公開で検証可能になった

最終モデルカードのBF16値は、SWE-bench Verified 81.6%、SWE-bench Multilingual 78.3%、Terminal-Bench 2.1 80.1%、MCP Atlas 80.8%、GPQA Diamond 90.6%です。FP8・NVFP4では上下するため、低精度化が全項目を一律に悪化させるわけではありません。評価温度は0.7、top_pは0.99です。

『GLM-5.2と同等の能力を3〜4分の1の推論計算量で実現』という主張は、アクティブパラメータ数と平均生成トークン数からFLOPsを推定したものです。公式自身も、prompt prefill、文脈長に伴うattention計算、配信時のオーバーヘッドを除外した概算だと説明しています。実サーバーのtokens/secやGPU時間、電力、同時実行性能を測った結果ではありません。

配信速度では、vLLMがNVFP4とDFlash2を使い、8基構成の単一リクエストで708 tokens/s、4基構成・96並列のAgentXでGPU当たり約88K総tokens/sを報告しました。これは特定のGB300環境と高いキャッシュヒット率を使う最適化値です。一般的なAPI速度や品質を示す独立測定ではないため、自社タスクでは同一ハーネス、同一reasoning effortで成功率・出力token・GPU秒・p95遅延を再測定します。

この節の一次情報：Reflection AI｜Beam Model Card ／ vLLM｜Beam performance and architecture ／ VentureBeat｜Fewer tokens, not cheaper tokens

API料金・提供者・セルフホストの判断

ReflectionのファーストパーティAPIはパブリックベータで、無料から試せますが、公開ページでは正式な従量単価、キャッシュ、Batch、SLA、データ保持条件を確認できませんでした。OpenAI互換SDKから呼び出せます。正式な企業導入ではベータの利用条件を本番SLAとみなさないことが重要です。

外部APIではOpenRouterが4事業者を束ね、掲載価格は入力0.25ドル・出力1ドル／100万トークンです。Together単独経路は入力0.40ドル・出力1.20ドルです。OpenRouterでは100万トークン文脈、最大131,072トークン出力、tool callingとstructured outputsに対応しますが、EU域内ルーティングは未対応です。提供者、量子化、リージョン、障害時の経路で実効条件が変わります。

セルフホストではAPI単価を払わない代わりに、数百GB〜1TB級の重み、複数GPU、ストレージ、起動時間、電力、監視、更新、障害対応を負担します。Apache 2.0は商用利用・追加学習・量子化に柔軟ですが、利用規約や法令対応が不要になるわけではありません。PoCはAPIから始め、常時稼働率と統制要件がGPU総原価を上回る場合にだけ自社運用へ進むのが現実的です。

• API選定：単価、量子化、リージョン、データ保持、SLA、フォールバック
• セルフホスト：精度別の必要VRAM、GPU数、同時実行、tokens/sec
• 評価時に確認：reasoning effort別の成功率、生成量、p50・p95遅延
• 原価計算：再試行、長いprefill、キャッシュ、人手レビューを含める
• ライセンス：Apache 2.0とUsage Policy、利用地域の法令を分けて確認

この節の一次情報：Reflection Developer Docs ／ OpenRouter｜Beam 1.0 pricing and providers ／ Reflection｜Beam on Hugging Face

向くケース・向かないケース

候補になるのは、機密コードを外部の閉じたAPIへ送らず自社環境で処理したい企業、長いコードベースを横断するエージェント、ツール利用を含む複数工程で推論効率を測りたいチームです。重みを追加学習できるようになれば、企業固有のコードや作業手順へ調整する選択肢も生まれます。

一方、画像・音声入力が必要な処理、小規模GPUだけで完結させたいチーム、日本語品質を確認せず本番投入したいケースには向きません。テキスト専用で、学習は主に英語、501B全体を保持する基盤が必要です。APIを使う場合も、事業者ごとのSLAやデータ条件を確認します。

既存モデルからの移行は、Beamを単独で評価するのではなく、同じタスク集合をGLM、Qwen、DeepSeek、Claude、GPT、Geminiなどで実行し、成功率、レビュー時間、推論トークン、GPU秒、再試行を比較します。モデル単価が低くても再試行や人手確認が増えれば、総原価は上がります。

制約・未検証事項

重みは公開されましたが、最終ベンチマークはReflection AI自身の評価です。vLLMやGoogle Cloudの速度値も共同最適化した特定のBlackwell構成で、Googleは顧客ベンチマークと注記しています。異なるGPU、並列数、キャッシュ率で同じ速度になる保証はありません。

100万トークンは対応上限であり、全範囲から正確に情報を取り出せる保証ではありません。長文ではKVキャッシュとattentionの負荷、入力準備、回答検証が増えます。長文ベンチマークと実際のリポジトリ作業を分けて評価します。

モデルカードは主な学習言語を英語とし、日本語の個別評価を示していません。APIの正式SLA、ファーストパーティの有料単価、キャッシュ料金、地域別提供条件も未確定です。本記事の数値と提供状況は2026年10月17日時点で確認し、未公表項目を推測で埋めていません。

FAQ

Q. Beamは今すぐダウンロードできますか？　A. はい。Hugging FaceでBF16・FP8・NVFP4とDFlash2の重みが公開されています。非常に大きいため、一般的な単一GPUでの運用を前提にしないでください。

Q. 23Bモデルと考えてよいですか？　A. いいえ。1トークンで稼働する部分が23Bで、全体の重みは501Bです。演算量と重み保持量を分けて考える必要があります。

Q. API料金はいくらですか？　A. OpenRouter掲載価格は入力0.25ドル・出力1ドル／100万トークンです。Together経由は0.40ドル・1.20ドルで、提供者や経路により異なります。

Q. 日本語に対応していますか？　A. コード生成は複数言語対応ですが、主な学習言語は英語で、日本語の個別評価はありません。日本語の指示追従・文章品質は自社データで確認してください。

Q. 商用利用できますか？　A. 重みはApache 2.0で公開され、モデルカードは商用・研究利用、追加学習、蒸留、量子化を想定しています。用途別の法令とUsage Policyは別途確認します。