תשובה למודלים הסיניים הפתוחים? נחשף מודל ה-AI החדש Beam
הסטארטאפ Reflection גייס מיליארדים, כולל מ-NVIDIA, ומציג את Beam - שרוצה להתחרות במודלים הפתוחים הסיניים
מקור: Reflection
מאז הפריצה של DeepSeek, שולטת סין ביד רמה בשוק מודלי השפה הפתוחים עם Moonshot AI ו-Z.AI לצד חברות ענק כמו עליבאבא. אבל עכשיו, אחרי ציפייה לא קטנה, מגיעה התשובה המערבית. סטארטאפ אמריקאי חדש, עם השקעות של מיליארדי דולרים מחברות ענק, חושף מודל שמתיימר לשנות את חוקי המשחק ולהציע גם ביצועים וגם יעילות לצד גמישות בפיתוח. האם זה מה שישבור את ההגמוניה של המעצמה מהמזרח?
יאתגר את הסינים?
לפני כשנתיים הקימו מישה לסקין ויאניס אנטונוגלו, שני חוקרים יוצאי גוגל דיפמיינד, את הסטארטאפ האמריקאי Reflection. מאז הם הספיקו לגייס קרוב ל-5 מיליארד דולר מקרנות בולטות כמו סקויה, ממשקיעים פרטיים דוגמת מנכ"ל גוגל לשעבר אריק שמידט, ומהחברה בעלת השווי הגבוה בעולם – אנבידיה. אמש (ב') נחשף המודל הראשון שפיתח הסטארטאפ תחת השם Beam, המוגדר כאלטרנטיבה המערבית של דיפסיק.
מודל Beam הוא מודל מבוסס משקולות פתוחות הכולל 501 מיליארד פרמטרים, כשמתוכם 23 מיליארד פעילים בכל טוקן. הוא נבנה במיוחד עבור משימות reasoning (הסקה), כתיבת קוד והרצת סוכנים. ברפלקשן אומרים כי היתרון המרכזי של המודל הראשון שלהם הוא היעילות בזמן ה-inference – כלומר הוא "מספק יותר אינטליגנציה לכל טוקן" ובעלות נמוכה יותר לעומת המתחרים הסיניים. המודל אומן על כ-24 טריליון טוקנים, המורכבים ממידע שנאסף ברשת לצד מאגרי מידע קנייניים.
על פי החברה, תהליך האימון של המודל נמשך ארבעה שבועות בלבד, אך דרש כמות אדירה של חומרה – למעלה מעשרת אלפים שבבי Blackwell של אנבידיה. במהלך האימון נוצרו מדי יום יותר ממיליון סביבות סגורות למודל עם חלון קונטקסט מקסימלי של 256 אלף טוקנים. בסטארטאפ מציינים כי מדובר באחד מתהליכי האימון הגדולים ביותר שבוצעו אי פעם במעבדות קוד פתוח. לצורך התהליך, החברה אף פיתחה אלגוריתמים חדשים ללמידת חיזוק א-סינכרונית שהותאמו לקנה המידה העצום של הפרויקט.
לומד לבד
מבחינת ביצועים, בנצ'מרקים שהציגה החברה מראים כי Beam עדיין לא מצליח לעקוף את המודלים הסיניים המובילים של היום כמו Qwen 3.8 Max, Kimi K3 או GLM-5.3. עם זאת, הוא כן גובר על מודלים מערביים מתחרים כמו Nemotron 3 Ultra של אנבידיה ו-Inkling מבית Thinking Machines Lab של מירה מוראטי. למרות הפיגור בחלק מהמבחנים הגדולים, בסטארטאפ מתעקשים כי המודל שלהם מנצח בגזרת היעילות.
באופן מפתיע, המודל הפגין יכולות חדשות שהוא כלל לא אומן אליהן באופן מפורש, ולמד ספונטנית לחפש ברשת, לתשאל מודלים אחרים ולהשתמש בפיענוח טקסט מתמונה, וזאת למרות שמדובר במודל טקסטואלי בלבד שמסוגל לעבד מידע ויזואלי המיוצג כטקסט.
כמובן שהיום אף מודל לא שלם בלי התייחסות לתחום הבטיחות, וברפלקשן אומרים ששילבו מודל ייעודי שמוודא כי Beam פועל בהתאם להנחיות המשתמשים ויפרסמו את נתוני הבטיחות שלו במסמך הטכני המלא עם השחרור הרשמי. נכון לעכשיו המודל נמצא בשלבי בחינות אבטחה והערכות סופיות, וזמין רק לקבוצה מצומצמת של משתמשים שאושרו מרשימת ההמתנה. הוא צפוי להגיע לקהל הרחב בהמשך החודש תחת רישיון Apache 2.0.
מודל פתוח? משקולות פתוחות?
קצת סדר במונחים שעלולים לבלבל: מודל רגיל וסגור (כמו ג'מיני, Claude או GPT) הוא למעשה קופסה שחורה שהגישה אליה נעשית בדרך כלל דרך API, בלי גישה למשקולות או לתהליך שבו המודל אומן. מודל AI פתוח באמת אמור לספק הרבה יותר מזה: למשל גישה לרכיבים שמאפשרים להבין, לשנות ולשחזר את המודל, כולל המשקולות, הקוד ומידע מפורט על הדאטה ששימש לאימון.
מודלים כמו Beam, GLM-5.2, Kimi ו-Qwen הם מודלים עם "משקולות פתוחות" (open weights). כלומר, המעבדות משחררות את הפרמטרים המאומנים של המודל, כך שמפתחים יכולים להוריד אותם, להריץ את המודל בעצמם ולבצע עליו התאמות fine-tuning. עם זאת, בדרך כלל הן לא מפרסמות את מלוא הדאטה ששימש לאימון ואת כל הקוד והתהליך שאפשרו ליצור את המודל מלכתחילה. לכן "open weights" לא בהכרח אומר "open source".
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.