Reflection初のモデルBeamはArtificial Analysis Intelligence Indexで30を記録し、米国のオープンウェイトモデルの中で2位に位置付けられます
モデルページを見る モデルページを見るBeamは総パラメータ501B、アクティブパラメータ23Bのオープンウェイトモデルです
主なポイント:
➤ 米国のオープンウェイトモデルの中で2位: Beamは30を記録し、MetaのMuse Spark Open(39)に次ぎ、昨日リリースされたNVIDIA Nemotron 3.5 Super VL(26)を上回ります。中国以外では、Muse Spark OpenとUAEのK2 Horizon(31)のみがこれを上回るスコアです
➤ 知性の割にトークン効率が高い: BeamはIntelligence Indexのタスクあたり約26kの出力トークンを使用します。1ポイント上のK2 Horizonはその2倍(約52k)を使用します。なお、フロンティアは依然としてプロプライエタリモデルが牽引しており、GPT-6 Astra(max)は同じ予算(約27k)で53を記録しています
➤ エージェント的ワークフローに強く、ターミナルは弱点: BeamはAutomationBench-AAで48.5%を記録し、K2 Horizon(37.2%)を11ポイント上回り、Qwen3.8 27B(48.2%)と同等です。Terminal-Bench 4.0は弱点で、Beamは3.0%にとどまり、Qwen3.8 27B(5.6%)とMuse Spark Open(8.1%)を下回ります
➤ 知識は多いが推測も多い: AA-Omniscienceでは33%の質問に正答し、K2 Horizon(18%)やQwen3.8 27B(16%)を大きく上回ります。しかしハルシネーション率は47%で、K2 Horizonの26%、Qwen3.8 27Bの30%と比べて高く、その結果Beamの純指数スコアは1.5となり、両者(−3.0と−10.0)を上回ります
その他のモデル詳細
- コンテキストウィンドウ: 1Mトークン
- モダリティ: テキスト
- パラメータ: 501B / 23B
オープンウェイトの同等モデルとの比較
Beamは米国のオープンウェイトモデルに対して高いスコアを記録しており、MetaのMuse Spark Open(39)には及ばないものの、NVIDIAのNemotron 3.5 Super VL(26)を上回ります。いずれも今週リリースされたモデルです。全オープンウェイトモデルの中では10位で、K2 Horizon(31)に1ポイント及びません
サイバー能力
BeamはArtificial Analysis Cyber Indexで34%のタスクを完遂し、当社がテストした米国のオープンウェイトモデルの中で首位となっています
トークン効率の高さに支えられ、Cyber Indexとタスクあたり出力トークンのフロンティアにおいて、GPT-6 Sol(Daybreak Blue)と並ぶ位置にあります
非常に高いトークン効率
BeamはIntelligence Indexのタスクあたり約26kの出力トークンを使用します:推論に約19k、回答に約7kです。出力のうち最終回答に充てられるのはわずか26%で、これはIntelligence Index v4.3でテストされた219モデルの中で28番目に低い割合です
コーディング能力
ReflectionのオープンソースCLIハーネスであるMirrorで実行した場合、BeamはArtificial Analysis Coding Agent Indexで28を記録します。次点の構成であるQwen3.8 Maxを使ったClaude Code(43)には15ポイント及ばず、首位(68)には40の差があります。ただし、トークンの使用は節約的で、これより少ないのはGPT-6 Astraを使ったCodexとGPT-6.1 Solを使ったCodexのみです
Intelligence Indexの構成要素
インテリジェンス・インデックスの10項目の評価の中で、BeamはAutomationBench-AA(48.5%)とCritPt(13.1%)で際立っており、後者ではK2 Horizon(4.6%)やQwen3.8 27B(5.4%)を2倍以上上回っています。最も低い結果はTerminal-Bench 4.0(3.0%)とAA-Briefcase(976 Elo)です
BeamのArtificial Analysisページの詳細情報 https://artificialanalysis.ai/models/reflection-beam