Chat IA à poids ouverts · Reflection AI

Beam 1.0 : le modèle ouvert 501B de Reflection AI pour le code, les agents et les longs chats

Demander à l'IA ▾

Beam 1.0 est le premier grand modèle à poids ouverts de Reflection AI, un laboratoire américain qui veut offrir aux développeurs une réponse américaine aux puissants modèles ouverts venus de Chine. C'est un modèle clairsemé à mélange d'experts (MoE) de 501 milliards de paramètres au total, dont seulement 23 milliards environ s'activent pour chaque token : il raisonne comme un géant tout en coûtant à peu près autant qu'un modèle de taille moyenne. Il lit jusqu'à 1 million de tokens d'un coup, et tout le monde peut télécharger les poids sur Hugging Face.

  • MoE 501B
  • Contexte 1M
  • Poids ouverts
Lancer un chat IA sans censure →Illustration conceptuelle de Beam 1.0 : un faisceau lumineux traverse une salle de serveurs IA sombre parsemée de particules de réseau neuronal

Générateur de chat IA alternatif sans censure

Envie de longs roleplays sans filtre et de fiction adulte sans louer un serveur GPU ? Ouvrez le chat sans censure et commencez à écrire en quelques secondes.

Ouvrir le chat sans censure →

Un modèle ouvert américain conçu pour défier les géants MoE

Reflection AI a annoncé Beam le 5 octobre 2026 avec une liste d'attente pour un accès anticipé, puis a publié le checkpoint complet, Beam-1.0-501B-A23B, sur Hugging Face à la mi-octobre. Le nom résume l'architecture : 501B de paramètres au total, A23B pour environ 23B actifs. À l'intérieur : 52 couches (3 denses et 49 MoE) avec 256 experts, une attention à requêtes groupées avec porte combinée à une attention à fenêtre glissante, et un vocabulaire de 152 000 tokens. Il ne traite que du texte, a été conçu surtout pour l'anglais et ses connaissances s'arrêtent au 30 juin 2026. Selon Forklog, le modèle de base a été pré-entraîné sur 23,8 billions de tokens en moins de quatre semaines, suivies de quatre semaines d'apprentissage par renforcement dans environ 1,3 milliard d'environnements virtuels. La fiche du modèle affirme aussi qu'il nécessite environ trois fois moins de tokens de raisonnement que des concurrents de qualité équivalente, d'où des réponses plus rapides et moins chères.

Là où il brille : les tâches du quotidien pour le fleuron de Reflection

Reflection AI a surtout optimisé le modèle pour le travail logiciel et les tâches longues en plusieurs étapes, mais son immense fenêtre de contexte et son écriture fluide le rendent utile bien au-delà du code. Voici les scénarios où Beam 1.0 mérite sa réputation :

  • Partenaire de code : corriger des issues GitHub, refactoriser des fichiers hérités et écrire des tests. C'est sur les benchmarks de code que l'éditeur affiche ses meilleurs chiffres.
  • Agents et outils : tâches en ligne de commande et DevOps, navigation web et appels d'outils MCP dans de longues boucles d'agent.
  • Questions sur des documents géants : chargez un dossier de contrats, une base de code ou un livre entier et posez des questions sur 1 million de tokens de contexte.
  • Résumés et notes de recherche : transformer rapports, transcriptions et articles en conclusions courtes et citables.
  • Écriture créative et roleplay : histoires sur plusieurs tours, voix de personnages et rebondissements pour la fiction adulte, toujours avec des personnages adultes fictifs.
  • Déploiements privés : les entreprises qui veulent un assistant puissant sur leurs propres serveurs pour que les données ne sortent jamais de chez elles.
Écrivain adulte discutant avec un modèle d'IA tandis que des scènes d'histoires noires et fantastiques s'élèvent de l'écran du portable

Modèles de prompts prêts à copier pour le code, la recherche et les histoires

Le modèle suit bien les instructions simples ; les meilleurs prompts précisent donc un rôle, une tâche et un format de sortie. Remplacez les parties entre accolades et collez l'un de ces modèles dans une fenêtre de chat :

  • Résumé de long document : Tu es un analyste rigoureux. Résume le document suivant en 5 conclusions clés, chacune appuyée par une citation : {document}
  • Refactorisation de code : Agis comme un ingénieur Python senior. Refactorise ce code pour le rendre plus lisible et explique chaque modification en une ligne courte : {code}
  • Chasse aux bugs : Voici un journal d'erreurs et le fichier concerné. Trouve la cause racine la plus probable, propose un correctif minimal et indique un test qui le prouve : {log} {file}
  • Roleplay (personnages adultes fictifs uniquement) : Tu es {name}, un personnage {personality} dans une histoire de type {genre}. Reste dans ton rôle, écris une narration vivante à la troisième personne et termine chaque réponse par un choix à me proposer.
  • Écriture créative : Écris une nouvelle noire de 600 mots sur {topic}, racontée à la première personne, avec une chute inattendue.
  • Plan d'agent : Découpe cet objectif en étapes numérotées, indique l'outil que tu utiliserais à chaque étape et arrête-toi pour me demander avant toute action irréversible : {goal}

Astuce : la fiche du modèle évalue avec temperature 0.7 et top_p 0.99, un bon point de départ pour le code comme pour la narration.

Téléchargements Hugging Face : versions BF16, FP8 et NVFP4

Tous les fichiers officiels se trouvent dans l'organisation reflection sur Hugging Face. Le dépôt principal, reflection/Beam-1.0-501B-A23B, contient le checkpoint BF16 en pleine précision. Un dépôt FP8 distinct a été produit avec l'outil llm-compressor de l'équipe vLLM, et Reflection publie aussi des résultats NVFP4 pour une version 4 bits destinée au matériel NVIDIA récent. Reflection indique ne pas interdire le fine-tuning, la quantification, la fusion ou la distillation des poids, et l'arbre des modèles sur Hugging Face recense déjà des fine-tunes et des versions quantifiées de la communauté.

VersionOùIdéal pour
BF16 (original)reflection/Beam-1.0-501B-A23BQualité maximale, fine-tuning et création de vos propres quantifications
FP8reflection/Beam-1.0-501B-A23B-FP8Service sur GPU de data center avec environ moitié moins de mémoire pour les poids
NVFP4Présenté par Reflection aux côtés des résultats BF16 et FP8Cartes NVIDIA les plus récentes compatibles 4 bits
Quantifications communautaires (GGUF et autres)Arbre des modèles sur la page Hugging FaceMac à grande mémoire et configurations mixtes CPU + GPU ; vérifiez chaque fiche

L'exécuter en local : calcul réaliste de VRAM et de matériel

La fiche du modèle ne publie pas d'exigences GPU officielles, alors voici un calcul approximatif honnête. Chaque paramètre occupe 2 octets en BF16, soit environ 1 To de poids avant même de compter le cache pour ce long contexte. Le FP8 divise cela à peu près par deux, autour de 500 Go, et les versions 4 bits tombent près du quart. Même si seuls 23B paramètres sont actifs par token, les 501B doivent tous tenir en mémoire : on parle de serveurs multi-GPU, pas d'un PC gaming.

  • Voie data center : chargez le checkpoint FP8 sur un nœud multi-GPU ; son format compressed-tensors provient de la chaîne d'outils vLLM.
  • Voie Mac et station de travail : un GGUF communautaire sur une machine dotée de plusieurs centaines de gigaoctets de mémoire unifiée ou de RAM ; attendez-vous à une génération lente.
  • Ollama, LM Studio et llama.cpp : la fiche indique que les versions quantifiées peuvent tourner dans ces applications, mais vérifiez que la version choisie annonce la prise en charge de cette architecture.
  • Sans aucun matériel : Baseten figure comme fournisseur d'inférence sur la page du modèle, également disponible sur HuggingChat.
Serveur multi-GPU utilisé pour exécuter en local un grand modèle de langage à poids ouverts comme Beam 1.0

Beam 1.0 face à DeepSeek, Qwen et GLM

Beam arrive sur un terrain dominé par les familles MoE ouvertes chinoises. Les affirmations de Reflection, rapportées par Forklog, sont audacieuses mais précises : comparable à GLM-5.2 en programmation et en tâches d'agent, proche de Qwen3.8-Max, et au niveau de GLM-5.2 en raisonnement avancé avec trois à quatre fois moins de calcul à l'inférence. L'entreprise reconnaît aussi que Kimi K3 reste devant en capacité absolue. Aucun laboratoire indépendant n'avait publié ses propres scores au moment de la rédaction ; considérez donc ces chiffres comme des affirmations.

Beam 1.0Familles DeepSeek, Qwen et GLM
OrigineReflection AI, États-UnisLaboratoires chinois
ArchitectureMoE, 501B au total et environ 23B actifsSurtout des modèles phares MoE et de plus petits modèles denses
Contexte1M de tokensVariable selon la version
Poids ouvertsOuiOui pour la plupart des versions
Versions sans censure de la communautéAucune trouvée pour l'instantDe nombreux fine-tunes abliterated et sans censure

Scores aux benchmarks et premières réactions

Reflection a publié un long tableau de résultats pour les versions BF16, FP8 et NVFP4, et les versions quantifiées ne perdent presque rien. Tous les chiffres ci-dessous sont fournis par l'éditeur à une température de 0.7 et ne proviennent pas de tests indépendants, mais ensemble ils montrent ce que vise Beam 1.0 : le vrai travail logiciel, les maths et les sciences, et les agents qui utilisent des outils.

BenchmarkScore BF16
SWE-bench Verified81.6
Terminal Bench v2.180.1
LiveCodeBench88.3
AIME 202697.7
GPQA Diamond90.6
MCP Atlas80.8
IFBench79.6

Les premiers articles ont présenté le lancement comme un modèle ouvert américain conçu pour rivaliser avec les produits chinois. Les plus grands éloges portent sur le code et l'efficacité ; la principale réserve des observateurs est l'absence d'évaluations tierces à ce stade.

Existe-t-il un Beam 1.0 sans censure ?

Pas encore. Le modèle de chat officiel est réglé pour la sécurité : sur le test de requêtes nuisibles de Reflection, il refuse ou réoriente environ 89 % du temps, et les données de pré-entraînement ont été filtrées pour retirer les contenus nuisibles. Comme les poids sont ouverts, la communauté pourrait créer plus tard un fine-tune abliterated ou sans censure, mais aucune version de ce type de Beam 1.0 n'existait sur Hugging Face lors de la rédaction de cette page. Ceux qui veulent moins de refus aujourd'hui se tournent en général vers des fine-tunes abliterated de Qwen, GLM ou DeepSeek, ou vers un chat en ligne sans censure pour le roleplay et la fiction adulte.

  • Cherchez les tags abliterated ou uncensored dans l'arbre des modèles Hugging Face avant de télécharger un dérivé.
  • Lisez la fiche de chaque dérivé : les versions communautaires ne sont pas vérifiées par Reflection AI.
  • Limitez le roleplay à des adultes fictifs (18+) et n'impliquez jamais de personnes réelles.

Héberger Beam 1.0 soi-même ou discuter en ligne sur Spicy AI

Déploiement local (poids officiels)Spicy AI en ligne
Filtres de contenuModèle officiel réglé pour la sécuritéAucun filtre de contenu
Poids ouvertsOuiInutiles — tout se passe dans le navigateur
ModèleBeam 1.0 (BF16, FP8 ou NVFP4)Modèle de chat sans censure similaire, hébergé en ligne
Prix pour démarrerTéléchargement gratuit, votre propre serveur multi-GPUOffre gratuite disponible

FAQ

Qui a créé Beam 1.0 ?

Reflection AI, une entreprise américaine. Elle a annoncé Beam le 5 octobre 2026 et publié les poids téléchargeables sur Hugging Face en octobre 2026.

Quelle est la taille de Beam 1.0 ?

Il compte 501 milliards de paramètres au total, mais en tant que modèle à mélange d'experts il n'en active qu'environ 23 milliards par token, répartis sur 52 couches et 256 experts.

Quelle longueur de contexte peut-il lire ?

La fiche du modèle indique une fenêtre de contexte de 1 million de tokens, de quoi traiter de grandes bases de code, de longs contrats ou un roman entier en un seul prompt.

Puis-je exécuter Beam 1.0 sur mon propre ordinateur ?

Pas sur un PC classique. Le modèle complet demande environ 1 To de mémoire en BF16 et à peu près la moitié en FP8. Les versions quantifiées de la communauté abaissent la barre, mais il faut toujours des centaines de gigaoctets de mémoire.

Existe-t-il un Beam 1.0 sans censure ou abliterated ?

Aucun n'avait été trouvé au moment de la rédaction. Le modèle officiel est réglé pour la sécurité. Les alternatives habituelles sont des fine-tunes abliterated de Qwen, GLM ou DeepSeek, ou un chat en ligne sans censure.

Est-il performant ?

Reflection annonce notamment 81.6 sur SWE-bench Verified et 97.7 sur AIME 2026. Ce sont des résultats fournis par l'éditeur ; aucune évaluation indépendante n'avait encore été publiée.

Sources

Sign in

Welcome to Spicy AI

or