オープンウェイト AI チャット · Reflection AI

Beam 1.0:コード・エージェント・長い対話に強い Reflection AI の 501B オープンモデル

AIに聞く ▾

Beam 1.0 は、米国の研究所 Reflection AI が初めて公開した大型オープンウェイトモデルです。同社は中国発の強力なオープンモデルに対する「米国からの答え」を開発者に届けることを目指しています。総パラメータ数 5,010 億のスパースな混合エキスパート(MoE)モデルですが、トークンごとに動くのは約 230 億だけ。巨大モデル並みに考えながら、中規模モデルに近いコストで動きます。一度に最大 100 万トークンを読み込め、重みは誰でも Hugging Face からダウンロードできます。

  • 501B MoE
  • 100 万トークン
  • オープンウェイト
検閲なしの AI チャットを始める →Beam 1.0 のコンセプトアート:ニューラルネットワークの粒子が舞う暗い AI サーバーホールを貫く明るい光のビーム

検閲なしの代替 AI チャット生成ツール

GPU サーバーを借りずに、フィルターなしの長いロールプレイや成人向けフィクションを楽しみたい?検閲なしチャットを開けば、数秒で書き始められます。

検閲なしチャットを開く →

MoE の巨人たちに挑む米国発のオープンモデル

Reflection AI は 2026 年 10 月 5 日に早期アクセスのウェイトリストとともに Beam を発表し、10 月中旬にフルチェックポイント Beam-1.0-501B-A23B を Hugging Face で公開しました。名前がそのまま設計を表しており、501B は総パラメータ数、A23B はアクティブな約 23B を意味します。内部は 52 層(Dense 3 層、MoE 49 層)と 256 個のエキスパートで構成され、ゲート付きグループクエリアテンションとスライディングウィンドウアテンションを組み合わせ、語彙は 15.2 万トークンです。扱えるのはテキストのみで、主に英語向けに作られ、知識のカットオフは 2026 年 6 月 30 日。Forklog によると、ベースモデルは 4 週間足らずで 23.8 兆トークンの事前学習を行い、その後さらに 4 週間、約 13 億の仮想環境で強化学習を行いました。モデルカードでは、同等品質の競合より推論トークンが約 3 分の 1 で済むとしており、より速く安く回答できることになります。

得意分野:Reflection のフラッグシップが活きる日常業務

Reflection AI はこのモデルを何よりソフトウェア開発と長い多段階タスク向けに調整していますが、巨大なコンテキストウィンドウと自然な文章力により、コーディング以外でも大いに役立ちます。Beam 1.0 が評判どおりの力を発揮するのは次のような場面です:

  • コーディングの相棒:GitHub の issue 修正、レガシーファイルのリファクタリング、テスト作成。開発元が最も強い数字を出しているのがコーディング系ベンチマークです。
  • エージェントとツール利用:コマンドラインや DevOps の作業、長いエージェントループ内でのブラウジングや MCP ツール呼び出し。
  • 巨大文書への質問応答:契約書一式、コードベース、本一冊をまるごと読み込ませ、100 万トークンのコンテキスト全体について質問できます。
  • 要約と調査メモ:レポート、文字起こし、論文を短く引用しやすい要点にまとめます。
  • 創作とロールプレイ:成人向けフィクションのための複数ターンの物語、キャラクターの口調、どんでん返し。登場人物は架空の成人に限ります。
  • プライベート導入:データを社外に出さず、自社サーバー内で強力なアシスタントを使いたい企業に。
ノートパソコンの画面からノワールやファンタジーの物語の場面が浮かび上がる中、AI モデルとチャットする成人の作家

コード・調査・物語にすぐ使えるプロンプトテンプレート

このモデルはシンプルな指示によく従うので、役割・タスク・出力形式を明示するのが最良のプロンプトです。波かっこ内を差し替えて、チャット欄に貼り付けてください:

  • 長文の要約:あなたは正確なアナリストです。次の文書を 5 つの主要な発見にまとめ、それぞれに根拠となる引用を付けてください:{document}
  • コードのリファクタリング:シニア Python エンジニアとして、このコードを読みやすくリファクタリングし、各変更を短い 1 行で説明してください:{code}
  • バグ調査:エラーログと関連ファイルです。最も可能性の高い根本原因を特定し、最小限の修正を提案し、それを証明するテストを 1 つ挙げてください:{log} {file}
  • ロールプレイ(架空の成人キャラクターのみ):あなたは {genre} の物語に登場する {personality} なキャラクター、{name} です。キャラクターを保ち、生き生きとした三人称の語りで書き、毎回の返答の最後に私への選択肢を示してください。
  • 創作:{topic} をテーマに、一人称で語られ、意外な結末を持つ 600 語のノワール短編を書いてください。
  • エージェントの計画:この目標を番号付きのステップに分け、各ステップで使うツールを示し、取り消せない操作の前には必ず止まって私に確認してください:{goal}

ヒント:モデルカードでは temperature 0.7、top_p 0.99 で評価しており、コーディングにも物語づくりにも妥当な出発点です。

Hugging Face でのダウンロード:BF16・FP8・NVFP4 版

公式ファイルはすべて Hugging Face の reflection 組織にあります。メインリポジトリ reflection/Beam-1.0-501B-A23B にはフル精度の BF16 チェックポイントが置かれています。別の FP8 リポジトリは vLLM チームのツール llm-compressor で作成されたもので、Reflection は新しい NVIDIA ハードウェア向けの 4 ビット版について NVFP4 の結果も公開しています。Reflection は重みのファインチューニング、量子化、マージ、蒸留を禁止していないとしており、Hugging Face のモデルツリーにはすでにコミュニティ製のファインチューンや量子化版が並んでいます。

バージョン入手先おすすめ用途
BF16(オリジナル)reflection/Beam-1.0-501B-A23B最高品質、ファインチューニング、独自の量子化版づくり
FP8reflection/Beam-1.0-501B-A23B-FP8重みのメモリを約半分にしてデータセンター GPU で提供
NVFP4Reflection が BF16・FP8 の結果と並べて掲載4 ビット対応の最新 NVIDIA カード
コミュニティ量子化版(GGUF など)Hugging Face ページのモデルツリー大容量メモリの Mac や CPU + GPU 混在環境。各カードを要確認

ローカル実行:現実的な VRAM とハードウェアの計算

モデルカードには公式の GPU 要件が載っていないので、正直なざっくり計算を示します。BF16 では 1 パラメータあたり 2 バイトなので、長いコンテキスト用のキャッシュを数える前の時点で重みだけで約 1 TB。FP8 ならおよそ半分の約 500 GB、4 ビット版は約 4 分の 1 になります。トークンごとにアクティブなのは 23B だけでも、501B すべてをメモリに載せる必要があるため、ゲーミング PC ではなくマルチ GPU サーバーの領域です。

  • データセンター路線:FP8 チェックポイントをマルチ GPU ノードに読み込みます。その compressed-tensors 形式は vLLM のツールチェーン由来です。
  • Mac・ワークステーション路線:数百 GB のユニファイドメモリまたは RAM を積んだマシンでコミュニティ製 GGUF を使います。出力は遅めと考えてください。
  • Ollama、LM Studio、llama.cpp:カードには量子化版がこれらのアプリで動くとありますが、選んだ版がこのアーキテクチャへの対応を明記しているか確認してください。
  • ハードウェアがまったくない場合:モデルページには推論プロバイダーとして Baseten が表示されており、HuggingChat にも掲載されています。
Beam 1.0 のような大型オープンウェイト言語モデルをローカルで動かすためのマルチ GPU サーバー

Beam 1.0 vs DeepSeek・Qwen・GLM

Beam が参入するのは、中国のオープン MoE ファミリーが席巻する分野です。Forklog が伝える Reflection 自身の主張は大胆ながら具体的で、プログラミングとエージェントタスクで GLM-5.2 に匹敵し、Qwen3.8-Max に迫り、高度な推論では推論時の計算量を 3〜4 分の 1 に抑えつつ GLM-5.2 と同等だとしています。一方で、絶対的な能力では Kimi K3 がまだ上だと認めています。執筆時点では独立した機関による評価は公開されていないため、これらはあくまで主張として受け止めてください。

Beam 1.0DeepSeek・Qwen・GLM 系
開発元Reflection AI(米国)中国の研究所
設計MoE、総計 501B・アクティブ約 23B主に MoE のフラッグシップと小型の Dense モデル
コンテキスト100 万トークンリリースにより異なる
オープンウェイトありほとんどのリリースであり
コミュニティの検閲なし版まだ見当たらないabliterated 版や検閲なしファインチューンが多数

ベンチマークスコアと初期の反響

Reflection は BF16・FP8・NVFP4 版について長い結果表を公開しており、量子化版の性能低下はごくわずかです。以下の数値はすべて temperature 0.7 での開発元発表値で、独立したテストではありませんが、Beam 1.0 が狙う領域、つまり実際のソフトウェア開発、数学と科学、ツールを使うエージェントがよくわかります。

ベンチマークBF16 スコア
SWE-bench Verified81.6
Terminal Bench v2.180.1
LiveCodeBench88.3
AIME 202697.7
GPQA Diamond90.6
MCP Atlas80.8
IFBench79.6

初期の報道は、中国製品に対抗する米国発のオープンモデルとしてこのリリースを伝えました。高い評価はコーディングと効率に集中しており、観察者が繰り返し挙げる主な注意点は、第三者による評価がまだ出ていないことです。

検閲なしの Beam 1.0 はある?

まだありません。公式のチャットモデルは安全性チューニング済みで、Reflection 自身の有害リクエストテストでは約 89% の割合で拒否または話題転換し、事前学習データからも有害コンテンツが除去されています。重みが公開されているため、今後コミュニティが abliterated 版や検閲なしファインチューンを作る可能性はありますが、本ページ執筆時点ではそのような Beam 1.0 は Hugging Face に見当たりませんでした。今すぐ拒否を減らしたい人は、Qwen・GLM・DeepSeek の abliterated ファインチューンや、成人向けロールプレイとフィクション用のオンライン検閲なしチャットを使うのが一般的です。

  • 派生モデルをダウンロードする前に、Hugging Face のモデルツリーで abliterated や uncensored のタグを検索しましょう。
  • 各派生モデルのカードを読みましょう。コミュニティ製の版は Reflection AI の審査を受けていません。
  • ロールプレイは架空の成人(18 歳以上)に限り、実在の人物は決して扱わないでください。

Beam 1.0 のセルフホスト vs Spicy AI でのオンラインチャット

ローカル導入(公式ウェイト)Spicy AI オンライン
コンテンツフィルター公式モデルは安全性チューニング済みコンテンツフィルターなし
オープンウェイトあり不要 — ブラウザで動作
モデルBeam 1.0(BF16、FP8 または NVFP4)同等の検閲なしチャットモデルをオンラインで提供
始めるための費用無料ダウンロード、自前のマルチ GPU サーバー無料プランあり

よくある質問

Beam 1.0 を作ったのは?

米国企業の Reflection AI です。2026 年 10 月 5 日に Beam を発表し、2026 年 10 月に Hugging Face でダウンロード可能な重みを公開しました。

Beam 1.0 の規模は?

総パラメータ数は 5,010 億ですが、混合エキスパートモデルなのでトークンごとに動くのは約 230 億だけで、52 層・256 個のエキスパートに分散しています。

どれくらい長いコンテキストを読める?

モデルカードでは 100 万トークンのコンテキストウィンドウとされており、大規模なコードベース、長い契約書、長編小説一冊を 1 つのプロンプトに収められます。

Beam 1.0 を自分のパソコンで動かせる?

一般的な PC では無理です。フルモデルは BF16 で約 1 TB、FP8 でもその半分ほどのメモリが必要です。コミュニティ製の量子化版でハードルは下がりますが、それでも数百 GB のメモリが要ります。

検閲なし版や abliterated 版の Beam 1.0 はある?

執筆時点では見つかっていません。公式モデルは安全性チューニング済みです。Qwen・GLM・DeepSeek の abliterated ファインチューンや、オンラインの検閲なしチャットが一般的な代替手段です。

性能はどのくらい?

Reflection は SWE-bench Verified で 81.6、AIME 2026 で 97.7 などのスコアを発表しています。これらは開発元の発表値で、独立した評価はまだ公開されていません。

出典

Sign in

Welcome to Spicy AI

or