ReflectionのBeam、GLM 5.2に匹敵

Reflectionは2024年、元Google DeepmindのMisha Laskin氏とIoannis Antonoglou氏によって設立された。Laskin氏はGeminiの報酬モデリングを率い、Antonoglou氏はAlphaGoの構築に貢献した人物だ。2025年3月に1億3000万ドルのシード資金で創業し、自律的なコーディングを通じて超知能を構築することを目標に掲げた。

2025年夏には大規模コードベース分析エージェントAsimovをリリース。その後、2025年10月に80億ドルの評価額で20億ドルを調達し、Nvidiaも投資に参加した。同社は自身をDeepseekやQwenに対する西側の対抗軸と位置づけ、モデルの重みは公開するが学習データとパイプラインは非公開としている。最近ではSpaceXやクラウド事業者Nebiusと数十億ドル規模の計算資源契約を結んだ。

Beamの強化学習では10,500台のNvidia GB300 GPUを4週間以上稼働させ、8,000万回以上のロールアウト後も性能向上が続き頭打ちが見られなかったという。また、推論・ソフトウェアエンジニアリング・ターミナルタスクの混合で学習中、ブラウジングタスクを含めていないにもかかわらずWeb閲覧能力が向上する「創発的能力」も観測された。Reflectionは安全性とアラインメント用に別のモデルを訓練しBeamと統合、評価手法をオープンソース化する計画だ。計算コストを抑えつつ高い性能を求める企業にとって、Beamの実用性と安全性テストの結果が今後の焦点となる。