Reflection AI مدل هوش مصنوعی ۵۰۱ میلیارد پارامتری Beam را معرفی کرد

شرکت آمریکایی Reflection AI از مدل هوش مصنوعی جدید خود با نام Beam رونمایی کرد؛ مدلی با مجموع ۵۰۱ میلیارد پارامتر که برای برنامه‌نویسی، استدلال و انجام وظایف خودکار طراحی شده است.

به گزارش هوش نیوز، برگرفته از Reuters، یکی از جدیدترین اخبار تکنولوژی هوش مصنوعی این است که مدل Beam با هدف رقابت با مدل‌های قدرتمند و کم‌هزینه چینی وارد بازار شده است. این مدل از معماری «ترکیب متخصصان» استفاده می‌کند؛ به این معنا که با وجود برخورداری از ۵۰۱ میلیارد پارامتر، در پردازش هر ورودی تنها حدود ۲۳ میلیارد پارامتر آن فعال می‌شوند.

Reflection AI اعلام کرده است که Beam در برخی آزمون‌های مربوط به برنامه‌نویسی و انجام وظایف خودکار، عملکردی رقابتی با مدل‌هایی مانند GLM ۵.۲ و Qwen ۳.۸-Max دارد. یکی از مزیت‌های این مدل، نیاز کمتر به توان محاسباتی در زمان استفاده است.

Beam چگونه با ۵۰۱ میلیارد پارامتر کار می‌کند؟

تعداد پارامترهای یک مدل هوش مصنوعی به‌تنهایی نشان‌دهنده میزان توانایی یا هزینه اجرای آن نیست. Beam نمونه‌ای از مدل‌هایی است که تلاش می‌کنند میان اندازه بزرگ مدل و هزینه اجرای آن تعادل ایجاد کنند.

در Beam، تمام ۵۰۱ میلیارد پارامتر در ساختار مدل وجود دارند، اما برای پردازش هر توکن تنها بخشی از آنها فعال می‌شوند. این بخش فعال حدود ۲۳ میلیارد پارامتر است.

به گفته Reflection AI، این معماری به Beam اجازه می‌دهد از ظرفیت یک مدل بسیار بزرگ استفاده کند، بدون اینکه در هر مرحله مجبور باشد تمام پارامترهای خود را به کار بگیرد.

این شرکت همچنین اعلام کرده است که Beam در برخی آزمون‌های پیشرفته استدلال، با سه تا چهار برابر توان محاسباتی کمتر نسبت به GLM ۵.۲ به نتایج قابل‌مقایسه رسیده است.

تمرکز Beam بر برنامه‌نویسی و هوش مصنوعی عامل‌محور

یکی از اهداف اصلی Reflection AI در توسعه Beam، استفاده از آن در برنامه‌نویسی و سامانه‌های هوش مصنوعی عامل‌محور است.

این نوع سامانه‌ها تنها به پرسش‌های کاربر پاسخ نمی‌دهند، بلکه می‌توانند برای رسیدن به یک هدف مشخص، چند مرحله را پشت سر هم انجام دهند؛ برای مثال کد بنویسند، آن را بررسی کنند، خطاها را پیدا کنند و برای حل یک مسئله از چند ابزار مختلف استفاده کنند.

Reflection AI می‌گوید Beam از ابتدا با تمرکز بر برنامه‌نویسی و وظایف عامل‌محور آموزش داده شده است.

این شرکت همچنین اعلام کرده که مدل را روی ۲۳.۸ تریلیون توکن آموزش داده و مرحله آموزش تقویتی آن شامل بیش از ۱۰۰ میلیون اجرای آزمایشی با استفاده از حدود ۱۰ هزار پردازنده گرافیکی انویدیا بوده است.

رقابت با مدل‌های چینی جدی‌تر می‌شود

عرضه Beam در شرایطی انجام شده که شرکت‌های چینی در بازار مدل‌های دارای وزن قابل انتشار، پیشرفت قابل‌توجهی داشته‌اند.

مدل‌هایی مانند GLM، Qwen و DeepSeek توانسته‌اند با هزینه کمتر و امکان استفاده و شخصی‌سازی بیشتر، توجه توسعه‌دهندگان و شرکت‌ها را به خود جلب کنند.

Reflection AI تلاش دارد Beam را به گزینه‌ای آمریکایی برای این بازار تبدیل کند. این شرکت اعلام کرده است که Beam در برخی آزمون‌ها با مدل GLM ۵.۲ رقابت می‌کند و به عملکرد Qwen ۳.۸-Max نزدیک می‌شود؛ هرچند مدل‌هایی مانند Kimi K3 همچنان در برخی معیارهای توانایی خام عملکرد بالاتری دارند.

این رقابت تنها به کیفیت مدل‌ها محدود نمی‌شود. امکان اجرای مدل روی زیرساخت اختصاصی، کنترل بیشتر بر داده‌ها و قابلیت شخصی‌سازی نیز برای شرکت‌ها اهمیت زیادی دارد.

تفاوت مدل‌های دارای وزن قابل انتشار با مدل‌های بسته

یکی از ویژگی‌های مهم Beam، رویکرد «وزن‌های قابل انتشار» یا Open Weight آن است.

در مدل‌های بسته، کاربران معمولاً تنها از طریق خدمات ارائه‌شده توسط شرکت سازنده به مدل دسترسی دارند. اما در مدل‌های دارای وزن قابل انتشار، توسعه‌دهندگان می‌توانند در صورت انتشار کامل وزن‌های مدل، آن را روی زیرساخت خود اجرا و متناسب با نیازهایشان تنظیم کنند.

Reflection AI اعلام کرده است که قصد دارد وزن‌های کامل Beam را به همراه گزارش فنی، مستندات، ابزارهای توسعه و نتایج ارزیابی‌های ایمنی در اواخر اکتبر منتشر کند. این مدل قرار است تحت مجوز Apache ۲.۰ عرضه شود.

البته در زمان معرفی، Beam هنوز در مرحله آزمایش‌های نهایی ایمنی و ارزیابی قرار دارد و دسترسی اولیه آن برای گروه محدودی از کاربران فراهم شده است.

رقابت تازه برای مدل‌های باز هوش مصنوعی

ورود Reflection AI به بازار مدل‌های دارای وزن قابل انتشار می‌تواند رقابت میان شرکت‌های آمریکایی و چینی را وارد مرحله تازه‌ای کند.

در حالی که شرکت‌هایی مانند OpenAI و Anthropic بیشتر بر مدل‌های بسته و ارائه خدمات ابری تمرکز دارند، مدل‌های قابل انتشار به شرکت‌ها و توسعه‌دهندگان امکان می‌دهند کنترل بیشتری بر نحوه استفاده از هوش مصنوعی داشته باشند.

از سوی دیگر، پیشرفت مدل‌های چینی نشان داده است که برای رقابت در بازار جهانی هوش مصنوعی، تنها ساخت مدل‌های بسیار بزرگ کافی نیست و هزینه اجرا، قابلیت شخصی‌سازی و دسترسی توسعه‌دهندگان نیز اهمیت زیادی دارد.

Beam تلاش می‌کند دقیقاً در همین نقطه رقابت کند؛ مدلی بزرگ با ۵۰۱ میلیارد پارامتر که به لطف معماری خود، تنها بخش کوچکی از این ظرفیت را در هر مرحله فعال می‌کند.

Reflection AI به دنبال چه چیزی است؟

Reflection AI که توسط پژوهشگران سابق Google DeepMind تأسیس شده، Beam را نخستین گام خود برای ساخت مدل‌های پیشرفته و قابل دسترس برای توسعه‌دهندگان معرفی کرده است.

این شرکت می‌گوید هدفش ایجاد مدل‌هایی است که بتوانند در اختیار شرکت‌ها، دولت‌ها و توسعه‌دهندگان قرار بگیرند و در عین حفظ توانایی‌های پیشرفته، هزینه اجرای پایین‌تری داشته باشند.

اگر وزن‌های کامل Beam طبق برنامه منتشر شود و عملکرد اعلام‌شده آن در استفاده واقعی نیز تأیید شود، این مدل می‌تواند به یکی از رقبای مهم در بازار مدل‌های دارای وزن قابل انتشار تبدیل شود؛ بازاری که در ماه‌های اخیر بیش از گذشته تحت تأثیر مدل‌های چینی قرار گرفته است.

به این ترتیب، معرفی Beam تنها رونمایی از یک مدل جدید نیست؛ بلکه نشانه‌ای از جدی‌تر شدن رقابت بر سر ساخت مدل‌های قدرتمند، کم‌هزینه و قابل شخصی‌سازی در صنعت هوش مصنوعی است.