Beam yayımlandı: 501 milyar parametre ve 1 milyon token bağlam

Reflection’ın 501 milyar parametreli yapay zekâ modeli Beam, 16 Ekim 2026’da Hugging Face üzerinden yayımlandı. Apache 2.0 lisansıyla sunulan metin modeli; uzun bağlamlı akıl yürütme, kodlama ve ajan tabanlı kullanım senaryolarına odaklanıyor. Beam yalnızca metin girdisi alıp metin çıktısı üretiyor.

Büyük model, seyrek hesaplama

Beam, uzman karışımı (MoE) mimarisi kullanıyor. Modelin toplam kapasitesi 501 milyar parametre olsa da her token işlenirken yaklaşık 23 milyar parametre etkinleştiriliyor. Hugging Face’in paylaştığı teknik bilgilere göre ağda 52 katman bulunuyor; MoE katmanlarının her birinde 256 uzman yer alıyor ve token başına bunlardan 8’i çalışıyor. Bu yöntem, hesaplama sırasında ağın bir bölümünü kullanıyor; ancak uzmanların tümü bellekte tutuluyor. Dolayısıyla etkin parametre sayısı, modelin toplam bellek ihtiyacını tek başına göstermiyor.

Beam’in bağlam penceresi 1 milyon token’a kadar çıkıyor. Mimari, 512 token’lık pencereyle çalışan katmanları tüm bağlamı izleyen katmanlarla birleştiriyor. Hugging Face’in BF16 biçimi için verdiği hesaba göre, 1 milyon token’lık bir dizide tüm katmanlar her token’ı saklasaydı önbellek 208 GiB olurdu; Beam’in düzeninde bu değer 36,08 GiB olarak hesaplanıyor. Bunlar, dinamik önbellek kullanılarak tek dizi için verilen teknik değerler.

Lisans, biçimler ve yazılım desteği

Model Apache 2.0 lisansıyla yayımlandı. Hugging Face’in duyurusunda, yayımlandığı gün Transformers, SGLang ve vLLM desteği bulunduğu belirtiliyor. Beam’in yanıt şablonu; akıl yürütme içeriğini, yanıtları ve araç çağrılarını ayrı alanlarda işlemeyi destekliyor. Model ayrıca beş akıl yürütme seviyesi sunuyor; varsayılan seviye “medium”.

Reflection ekibinin paylaştığı değerlendirmeler, BF16, FP8 ve NVFP4 biçimlerini çeşitli kodlama, akıl yürütme ve araç kullanımı testlerinde karşılaştırıyor. Bunlar üreticinin kendi sonuçları olduğundan, farklı donanım ve iş yüklerinde aynı performansın elde edileceği varsayılmamalı. Kullanımdan önce ilgili senaryolarla deneme yapılması gerekiyor.

Donanım ihtiyacı ne kadar yüksek?

BF16 ağırlıkları, safetensors biçiminde yaklaşık 1 TB yer kaplıyor. Hugging Face’in açıklamasına göre NVFP4 biçimi bu boyutu yaklaşık 280 GB’a düşürüyor ve Blackwell GPU’larda yerel olarak çalışıyor; Blackwell’dan önceki GPU’lar NVFP4’ü desteklemiyor. Bu donanımlar için FP8 kontrol noktaları öneriliyor.

Hugging Face, iki B200 GPU’nun ağırlıkları sığdırabileceğini ancak etkinleştirmeler ve KV önbelleği için az alan kalacağını belirtiyor; uzun bağlam ve eşzamanlı istekler için dört B200 planlanmasını öneriyor. Hopper GPU’larda FP8 sürümünü sekiz H200 üzerinde çalıştırma örneği de veriliyor. Blackwell donanımı bulunmayanlar için sunucusuz Inference Providers üzerinden deneme seçeneği belirtilmiş.

Mimarlık ve görselleştirme iş akışları

Beam’in metin tabanlı yapısı ve kodlama odağı, mimarlık ofisleriyle görselleştirme ekiplerinin modeli öncelikle metin ve kod işlerinde değerlendirebileceğine işaret ediyor. Örneğin, özel betikler veya araç kullanan iş akışları geliştirmek isteyen ekipler modeli test edebilir. Ancak kaynak, mimarlık yazılımlarıyla hazır bir entegrasyon ya da görsel üretim özelliği bildirmiyor.

Modeli kendi altyapısında çalıştırmayı planlayanlar GPU belleğini, kullanılacak sayısal biçimi ve uzun bağlamın önbellek gereksinimini birlikte değerlendirmeli. Ofisler ayrıca kullandıkları çıkarım kütüphanesinin Beam desteğini ve mevcut donanımla uyumluluğunu doğrulamalı. Yerel donanım bulunmadığında sunucusuz deneme olanağı var; ancak kaynak bu seçeneğin ücretlendirmesini açıklamıyor.