Reflection ปล่อยน้ำหนัก Beam 1.0 (501B-A23B) แล้ว — Apache-2.0 จริงทั้งไฟล์ LICENSE มีทั้ง BF16/FP8/NVFP4 พร้อม Mirror CLI แต่สูตรรันเองต้องใช้ B300 สี่ใบ และ vLLM สายหลักยังไม่ merge

สิบเอ็ดวันหลังจากประกาศเปิดตัวแบบยังไม่มีอะไรให้ดาวน์โหลด Reflection ก็ปล่อยน้ำหนัก Beam 1.0 ขึ้น Hugging Face แล้ว คอมมิต “Beam is available” ใน repo reflection/Beam-1.0-501B-A23B ลงเวลา 16 ต.ค. 10:34 UTC (ราว 17:30 น. เวลาไทย) และในวันเดียวกันแล็บก็ออกบล็อก “Beam is now available” ที่บอกว่าปล่อยน้ำหนัก “under an Apache 2.0 license” ตามสัญญา repo ไม่ได้ตั้ง gate จึงดาวน์โหลดได้ทันทีโดยไม่ต้องขอสิทธิ์

นอกจากน้ำหนัก ยังมาพร้อม API ของ Reflection เอง (เข้ากันได้กับ OpenAI SDK) coding agent ในเทอร์มินัลชื่อ Mirror CLI ที่เปิดซอร์ส และรายชื่อพาร์ทเนอร์กว่า 40 ราย ตั้งแต่ AWS SageMaker และ Google Model Garden ไปจนถึง OpenRouter, Together, Fireworks และ Cloudflare ประเด็นที่นักพัฒนาควรรู้มีทั้งเรื่องไลเซนส์ที่ตรงกับที่สัญญาไว้ และเรื่องฮาร์ดแวร์ที่ต้องใช้จริงซึ่งสูงกว่าที่คำว่า “รันเองได้” ชวนให้คิด

ของที่ปล่อยจริง: ไลเซนส์และขนาดตรงกับที่ประกาศ

ครั้งนี้เอกสารหลักตรงกับคำประกาศ ซึ่งไม่ได้เกิดขึ้นบ่อยนัก

• ไลเซนส์: repo มีไฟล์ LICENSE เป็นข้อความ Apache License 2.0 เต็ม ไม่ได้มีแค่ใน metadata ของการ์ด และ repo FP8, NVFP4 และ DFlash2 ก็ติด apache-2.0 เหมือนกัน การ์ดยังเขียนไว้ชัดว่า Reflection “does not prohibit distillation, use of outputs to train other models, fine-tuning … quantization, merging” ซึ่งต่างจากโมเดลเปิดหลายตัวช่วงนี้ที่มีเงื่อนไขเพดานรายได้หรือห้ามเอา output ไปเทรน
• ขนาด: config.json ระบุ 52 เลเยอร์ (dense 3 + MoE 49), expert 256 ตัว เลือก 8 ตัวต่อโทเคน, hidden 5,120, vocab 151,936 และ max_position_embeddings = 1,048,576 ตรงกับ 1M context ที่โฆษณา เมื่อลองคำนวณพารามิเตอร์จาก config ได้ราว 500B / active ราว 22B ก่อนนับ output gate ของ attention ซึ่งสอดคล้องกับตัวเลข 501.3B / 23.4B ในการ์ด
• สถาปัตยกรรม: ราวทุก 6 เลเยอร์จะมี full attention 1 เลเยอร์ (รวม 9 จาก 52) ที่เหลือเป็น sliding window ขนาด 512 โทเคน ใน PR ของ vLLM อธิบายเพิ่มว่าเลเยอร์ full attention เป็นแบบ NoPE (ไม่มี positional encoding) ใช้ SSMax มี Q/K norm แยกต่อ head และมี sigmoid output gate ส่วน MoE ทำแบบ DeepSeek-V3 โดยใช้ router แบบ FP32
• ไฟล์ที่ปล่อย: BF16 933.81 GiB, FP8 468.72 GiB, NVFP4 273 GiB (quantize ด้วย NVIDIA ModelOpt) และ drafter DFlash2 ราว 3.9 GB สำหรับทำ speculative decoding ใช้รูปแบบแชตเป็น “Modified Harmony” และ knowledge cutoff คือ 30 มิ.ย. 2026

ยังไม่มีบางอย่างที่สัญญาไว้ ลิงก์รายงานเทคนิคในการ์ดยังเขียนว่า “Technical Report (coming)” ส่วนรายงานความปลอดภัยออกมาแล้ว

คะแนน “ฉบับสุดท้าย” ขยับจากวันประกาศ

บล็อกบอกว่าการ์ดโมเดล “includes final benchmarks” พอเอามาเทียบกับตารางวันที่ 5 ต.ค. พบว่าบางค่าเปลี่ยน คือ SWE-bench Verified จาก 80.9 เป็น 81.6, SWE-Bench Pro v1 จาก 65.5 เป็น 66.1 แต่ DeepSWE v1.1 ลดจาก 44.4 เหลือ 43.3 ขณะที่ Terminal Bench v2.1 ยังเป็น 80.1 เท่าเดิม ค่าที่ต่างกันไม่มาก แต่ก็บอกว่าตัวเลขวันประกาศไม่ใช่ตัวเลขสุดท้าย

ค่าอื่นๆ ในการ์ด (BF16, temp 0.7, top_p 0.99) ได้แก่ AIME 2026 97.7, GPQA Diamond 90.6, LiveCodeBench 88.3, MCP Atlas 80.8, BrowseComp ที่มีการจัดการ context 76.8, HLE 36.0 แบบไม่ใช้เครื่องมือ และ 51.1 แบบใช้เครื่องมือ จุดที่น่าสนใจคือการ์ดลงคะแนนของ FP8 และ NVFP4 แยกไว้ทุกแถว และส่วนใหญ่ต่างจาก BF16 ไม่ถึง 1.5 จุด เช่น SWE-bench Verified ของ NVFP4 ได้ 80.7 ส่วน SWE-Bench Pro v2-Hard ของ NVFP4 ได้ สูงกว่า BF16 (78.6 ต่อ 76.5) ซึ่งน่าจะอยู่ในช่วง noise ของการวัด

ข้อควรระวังคือตัวเลขทั้งหมดยังเป็นของ Reflection เอง Artificial Analysis ยังไม่มีหน้าของ Beam (URL ที่ลองยังคืน 404) และคู่แข่งที่แซงในตารางวันที่ 5 ต.ค. อย่าง DeepSeek V4.1 Flash ที่ได้ Terminal Bench 90.6 ก็ยังนำอยู่

รันเองต้องใช้อะไร และ “day-zero support” หมายถึงอะไร

หน้า “Download the weights” ในเอกสารนักพัฒนาของ Reflection ระบุ requirement ไว้ตรงๆ ว่า “Four NVIDIA B300 SXM GPUs connected by NVLink” ทั้งสูตร vLLM, SGLang และ TokenSpeed ใช้น้ำหนัก NVFP4 คู่กับ DFlash2 และตั้ง --max-model-len 262144 กับ --max-num-seqs 8 ไว้ ถ้าจะใช้ context เต็ม 1M ต้องตั้งค่าเพิ่มเอง โมเดลนี้จึงไม่ใช่ของที่จะรันบนการ์ดจอบ้านหรือ Mac แม้ Ollama และ LM Studio จะอยู่ในรายชื่อพาร์ทเนอร์ก็ตาม

บล็อกเขียนว่ามี “native, day-zero support” ใน Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed และ Dynamo เมื่อไปดูของจริง

• Transformers รองรับแล้วใน v5.20.1 ที่ออกวันที่ 16 ต.ค.
• vLLM สายหลักยังไม่รองรับ PR ตัวโมเดล #62074 (แยกออกมาจาก #61978) ยัง open ที่ merge แล้วมีแค่ parser ของ reasoning และ tool call (#62052) สูตรในเอกสารจึงให้ดึงอิมเมจพิเศษ vllm/vllm-openai:reflection-beam ใน PR มีตัวเลขว่า NVFP4 + DFlash2 บน GB200 TP8 ได้ 708 tok/s ที่ concurrency 1 และราว 16,600 tok/s ที่ 128
• SGLang เพิ่ม cookbook สำหรับ deploy เข้ามาแล้ว

ถ้าจะลองโดยไม่ต้องมี B300 ช่องทางที่ถูกที่สุดตอนนี้คือผู้ให้บริการบน OpenRouter ซึ่ง Nebius (FP8) คิด $0.25/$1.00 ต่อ 1M โทเคน, Together $0.40/$1.20, CoreWeave (FP4) $1/$3 และ Baseten $1.30/$4.30 ส่วน API ของ Reflection เองบังคับให้ใช้ reasoning (mandatory: true) และตั้งระดับเริ่มต้นไว้ที่ max จึงควรลดระดับ effort ลงเองถ้าเป็นงานที่ต้องการความหน่วงต่ำ

Mirror CLI: harness ที่ใช้คู่กับการเทรน

Mirror เป็น coding agent ในเทอร์มินัล (Apache-2.0, uv tool install reflection-mirror, ตอนนี้เป็นเวอร์ชัน 0.1.0 beta) ส่วนหน้าเขียนด้วย Python และคุยกับ agent core ที่เขียนด้วย Rust บล็อกบอกว่า Beam “trained … along with the Mirror CLI harness” และแยก core ออกมาให้เล็กเพื่อใช้เป็นสภาพแวดล้อมวัดผลได้ด้วย ฟีเจอร์คล้ายเครื่องมือในกลุ่มเดียวกัน คือมี workspace แยกตาม git worktree เพื่อรันหลาย agent พร้อมกัน, อ่าน AGENTS.md และ skills, ต่อ MCP ได้ และเขียน extension เป็น Python ได้ ค่าเริ่มต้นเป็นโหมด manual ที่ขออนุมัติแม้แต่คำสั่ง ls เอกสารเตือนไว้ด้วยว่าโหมดอนุมัติ “isn’t a sandbox” นอกจากนี้ Reflection ยังมีคู่มือตั้งค่า Beam กับ Pi, OpenCode 2 และ Hermes

มุมมอง AI Curator

เรื่องที่ควรให้เครดิต Reflection ก่อนคือ ทำตามที่สัญญา ในช่วงที่ Meta ปล่อย Muse Spark Open พร้อมเงื่อนไขป้าย “Built with” และเพดาน MaaS, Mistral ใส่เพดานรายได้ $20M/เดือนใน Timestral และ Qwen-Image 2.1 เมื่อเดือนก่อนเปลี่ยนเป็นไลเซนส์ห้ามใช้เชิงพาณิชย์ Beam ออกมาเป็น Apache-2.0 ที่มีไฟล์ LICENSE จริงและอนุญาต distillation แบบชัดเจน แล็บสัญชาติอเมริกันที่ทำแบบนี้กับโมเดลระดับ 500B มีน้อยมาก สำหรับองค์กรในไทยที่ฝ่ายกฎหมายติดอยู่กับคำถามว่า “ไลเซนส์นี้ใช้เชิงพาณิชย์ได้จริงไหม” Beam ตอบคำถามนั้นได้ง่ายที่สุดในกลุ่มนี้

แต่อย่าเข้าใจว่า “รันเองได้” เท่ากับ “รันเองได้ง่าย” สูตรที่แนะนำคือ B300 สี่ใบ ซึ่งในไทยและอาเซียนมีผู้ให้บริการคลาวด์ไม่กี่รายที่มีเครื่องรุ่นนี้ และ vLLM ยังต้องใช้อิมเมจที่แยกจากสายหลัก การใช้งานจริงในระยะสั้นจึงน่าจะผ่านผู้ให้บริการราคา $0.25–$0.40 ต่อ 1M input มากกว่า ส่วนการ self-host ที่คุ้มค่ากว่าน่าจะต้องรอ vLLM merge ตัวโมเดล และรอ quant ที่ลงบน H100/H200 ได้ ซึ่งเครื่องรุ่นนี้หาง่ายกว่าในภูมิภาค

ด้านความสามารถ ตัวเลขยังยืนยันข้อสรุปเดิม คือ Beam อยู่ระดับเดียวกับ GLM-5.2 แต่ยังตามหลัง DeepSeek V4.1 Flash, Kimi K3 และ GLM-5.3 ในงานเอเจนต์ จุดขายที่ยังต้องพิสูจน์คือเรื่องใช้ reasoning token น้อยลง “ราว 3 เท่า” ซึ่งถ้าจริงจะลดค่าใช้จ่ายได้มากกว่าคะแนนที่ต่างกันไม่กี่จุด ควรรอผล Artificial Analysis ที่วัดทั้งคะแนนและจำนวนโทเคนก่อนตัดสินใจ และถ้าจะประเมินเอง ควรรันบน harness ที่ทีมใช้อยู่ ไม่ใช่บน Mirror ที่โมเดลถูกเทรนมาคู่กัน

แหล่งข่าว

• Beam is now available — Reflection AI
• reflection/Beam-1.0-501B-A23B — การ์ดโมเดลบน Hugging Face
• Download the weights — Reflection Developer Docs
• vLLM PR #62074: [Model] Add Reflection Beam