Reflection Beam: 501B 오픈 웨이트 모델은 실제로 무엇이며, 아직 무엇이 빠져 있는가

Reflection Beam은 Reflection의 첫 번째 언어 모델이다. Reflection은 2024년 두 명의 전 DeepMind 연구원인 Misha Laskin과 Ioannis Antonoglou가 설립한 뉴욕의 연구소이며, "지능을 모든 이에게 개방하고 접근 가능하게 만든다"는 사명을 내세운 곳이다. Beam은 총 5,010억 개의 파라미터를 지닌 희소 전문가 혼합(mixture-of-experts) 모델로, 토큰당 230억 개를 활성화하며, 2026년 10월 5일 발표되어 코딩, 추론, 에이전트 작업을 겨냥한다. 또한 2026년 10월 13일 현재 절반만 공개된 상태이다. 발표문은 이를 오픈 웨이트 모델이라고 부르고, 발표문은 Apache 2.0 가중치를 약속하며, 가중치는 나오지 않았다.

그 간극은, 모델 이름을 검색하다 이곳에 왔고 그것으로 무엇인가 할 수 있는지 알고 싶은 사람이라면 붙잡아야 할 지점이다. 짧은 답은 이렇다: 가중치를 통해서는 안 되고, 아직은 안 되며, 어떤 가격표에도 없다. 긴 답은 이 페이지의 나머지 부분이다 — Beam이 무엇인지, Reflection이 무엇을 약속했는지, 유통되는 501B라는 수치가 실제로 무엇을 가리키는지, 그리고 공개 기록이 무엇을 뒷받침하고 무엇을 뒷받침하지 않는지. 아래의 모든 수치는 출처가 명시되어 있으며, 그중 어느 것도 독립적으로 재현된 적이 없다.

간략 버전

• 무엇인가 — 희소 전문가 혼합(Mixture-of-Experts) 텍스트 모델로, 총 501B 파라미터, 토큰당 23B 활성 파라미터를 가지며, 코딩, 추론 및 에이전트 워크로드를 위해 구축되었습니다.

• 누가 공개했는가 — 2024년 Misha Laskin과 Ioannis Antonoglou가 설립하고 뉴욕에 본사를 둔 Reflection이다. Beam은 이 회사의 첫 번째 모델이다.

• 발표 — 2026년 10월 5일. 발표문의 벤치마크 표는 2026년 10월 8일에 수정되었습니다.

• 가중치 — 미공개. Reflection은 "Apache 2.0 라이선스로 가중치를 공개할 것"이라고 밝혔으며, 가중치와 기술 보고서, 모델 카드, 개발자 아티팩트가 "이번 달 말"에 공개될 예정이라고 전했다. 2026년 10월 13일 기준으로 어느 것도 아직 공개되지 않았다.

• 오늘부터 이용 가능 — platform.reflection.ai의 대기자 명단을 통해 "제한된 사용자 집합"을 위한 프리뷰. 셀프서비스 경로 없음, 공개된 가격 없음, 다운로드 없음.

• 독립적 평가 — 없음. 어떤 제3자 평가 도구도 Beam을 채점한 적이 없으며, Artificial Analysis 리더보드에도 이에 대한 항목이 없다.

Reflection이 Beam이라고 말하는 것

Beam의 형태가 헤드라인이다. Reflection은 이를 "총 5010억 개의 파라미터, 230억 개의 활성 파라미터를 갖춘 희소 전문가 혼합(Mixture-of-Experts) 모델"이라고 설명한다 — 활성화 비율은 약 4.6%로, 이는 현재 오픈 웨이트 분야의 기준으로 봐도 공격적이다. 출시 게시물의 아키텍처 노트에서는 인터리브드 로컬 및 글로벌 어텐션, 세밀하게 라우팅된 전문가, 제어된 잔차 스트림, SandwichNorm, 요소별 어텐션 게이팅, FP32 잔차 누적을 언급하며, 보조 손실 없는 로드 밸런싱과 전문가 바이어스 업데이트의 코사인 감쇠를 함께 사용한다.

그 각각은 그 자체로는 별난 것이 아니다. 그것들이 합쳐져 만들어내는 것은 하나의 서빙 프로필이다. 230억 개의 활성 파라미터는 상대적으로 적은 수의 GPU에서 인터랙티브 지연 시간으로 실행될 가능성이 있는 모델이며, 이는 카드에 적힌 숫자가 같더라도 5,010억 파라미터 dense 모델과는 다른 제품이다. 그래서 Reflection은 데이터센터 규모의 배포를 이야기하지 않고도 프런티어 인접 추론을 이야기할 수 있으며, 최종 가중치 공개가 베타 키보다 더 중요한 이유이기도 하다.

"501B"가 맞는 번호인가? 그렇다 — 그리고 그것은 옮겨지지 않았다

이 점은 분명히 밝힐 가치가 있습니다. 이 수치가 몇몇 곳에서 회자되고 있어 독자들이 그것이 현재 유효한지 당연히 궁금해할 수 있기 때문입니다. 501B 총계 / 23B 활성 구성은 Reflection 자체의 출시 게시물에 적힌 내용이며, reflection.ai 홈페이지 헤드라인에 적힌 내용이고, 2026년 10월 13일 기준으로 변경되지 않았습니다. Reflection이 출시 이후 공개한 유일한 업데이트는 "업데이트 10/8/26: Beam의 결과를 업데이트했으며, 위의 표들은 최신 수치를 반영합니다"라는 내용의 노트이며, 이는 벤치마크 표의 개정이지 아키텍처나 파라미터 수의 개정이 아닙니다.

파라미터 수가 갖지 못한 것은 바로 이를 뒷받침하는 모델 카드입니다. Reflection은 모델 카드가 곧 나온다고 밝혔지만, "이달 말"이라는 말 외에 언제인지는 말하지 않았으며, 오늘 기준으로 Hugging Face의 Reflection 조직 아래에 공개된 저장소는 없습니다(조직 페이지에 문자 그대로 적혀 있는 문구는 "None public yet"입니다). 따라서 501B는 벤더가 제시한 수치로, 누구든 확인할 수 있는 범위에서는 정확하지만 아직 가중치와 대조해 검증할 수는 없습니다.

컨텍스트, 모달리티 및 최대 출력

여기서 공급업체 자료는 벤치마크 표보다 더 얇으며, 어떤 숫자가 어떤 것인지 정확히 밝히는 것이 좋습니다. 유통되는 두 맥락 수치가 서로 다른 의미를 지니기 때문입니다.

• 유효 컨텍스트 — 미드트레이닝은 "Beam의 유효 컨텍스트 길이를 1M 토큰으로 확장합니다." 이는 모델이 처리하도록 훈련된 범위에 관한 설명입니다.

• RL 롤아웃 컨텍스트 — 강화학습 단계에서는 "최대 컨텍스트 길이 256K 토큰"을 사용했습니다. 이는 학습 구성에 관한 설명입니다.

• 서빙 한도 — 공개되지 않음. 출시 게시물에는 API 컨텍스트 윈도우가 제시되지 않으며, 엔드포인트는 대기자 명단 뒤에 있어 이를 대조할 두 번째 문서도 없습니다. 오늘 API 컨텍스트 수치를 원하는 독자는 그 수치를 얻을 수 없습니다.

• 최대 출력 — 게시되지 않음. Reflection은 이를 명시하지 않습니다.

• 모달리티 — 텍스트 입력, 텍스트 출력. 출시 게시물은 분명히 밝힌다: "Beam은 텍스트 전용이지만," 모델은 다른 모달리티가 텍스트로 표현될 때 이를 처리한다. 이미지, 오디오 또는 비디오 입력은 없으며, 이름만으로는 달리 기대할 이유가 없다.

1M 훈련 수치와 공개되지 않은 서빙 한도 사이의 구분은 간접 보도에서 흔히 뭉개지는 종류의 것이며, 이는 중요하다: 훈련 시점의 역량은 엔드포인트가 무엇을 받아들일지에 대한 약속이 아니다.

가중치, 라이선스, 그리고 "최초 오픈 모델" 주장

Reflection의 포지셔닝은 Beam이 마케팅 수식어가 붙은 API가 아니라 진정으로 개방된 모델이라는 것이다. 약속은 구체적이다: "우리는 가중치를 Apache 2.0 라이선스로 공개할 것이며," "문서와 모델을 실행, 평가, 미세 조정하기 위한 전체 스택"도 함께 제공한다. 같은 게시물의 별도 문구에 따르면 가중치, 기술 보고서, 모델 카드, 개발자 아티팩트는 "이번 달 안에" 이어질 예정이다.

여기서는 두 가지가 동시에 사실이다. Apache 2.0은 실제의, 관대한, 상업적으로 사용 가능한 라이선스다 — 설명된 대로 배포된다면, 그것은 연구 전용 또는 맞춤형 커뮤니티 라이선스보다 의미 있게 더 강한 입장이다. 그리고 라이선스 약속은 라이선스가 아니다. 2026년 10월 13일 기준으로 가중치는 아직 배포되지 않았으므로, 존재하는 것은 표명된 의도이지 현실의 상태가 아니다. 또한 출시 게시물은 현재 버전을 제한된 사용자 집합을 위한 프리뷰로 설명하며, 모델이 "최종 레드팀 테스트와 평가" 단계에 있다고 말한다.

이 페이지 뒤에 있는 수요 신호는 한 문장으로 설명할 가치가 있습니다. 왜 이 질문이 계속 제기되는지 설명해 주기 때문입니다: 사람들은 이 모델의 이름을 다른 연구소 모델들의 이름과 함께 검색하고 있습니다 — Beam + 중국의 오픈 웨이트 업체, Beam + 대형 중국 오픈 웨이트 모델 — 이는 Beam이 무엇에서 파생되었는지에 대한 추측입니다. Reflection은 기반 모델을 문서화하지 않습니다. 출시 게시물은 처음부터 실행된 사전 학습을 설명합니다: 4주 이내에 6,144대의 GB300 NVL72 GPU에서 23.8조 토큰을 처리했고, 이어서 4주 동안 10,500대의 GB300을 사용한 RL 단계, 1억 회가 넘는 롤아웃, 약 13억 개의 샌드박스가 있었습니다. 그 안 어디에도 이름이 명시된 기반 체크포인트는 없습니다. Beam이 다른 무엇인가의 파인튜닝이라고 읽으셨다면, 벤더 자체 자료는 이를 뒷받침하지 않습니다.

Reflection이 주장하는 것, 그리고 다른 누구든 측정한 것

이 섹션의 모든 내용은 벤더가 보고한 것입니다. 출시 게시물의 벤치마크 표는 2026년 10월 8일에 수정되었으며, 제3자가 그 안의 수치를 단 하나도 재현하지 못했습니다.

• 에이전틱 코딩 — SWE-Bench Verified 80.9, SWE-Bench Pro v2-Hard 77.2, SWE-Bench Pro v1 65.5, Terminal-Bench v2.1 80.1, DeepSWE v1.1 44.4, SWE-Bench Multilingual 78.0, SWE Atlas Codebase QnA 34.6.

• 추론 — AIME 2026 97.8, GPQA Diamond 90.5, 도구 없이 HLE 36.2, SciCode 49.7, CriPT AA 16.3.

• 도구 사용 및 검색 — MCP Atlas 78.7, BrowseComp 77.4, DeepSearchQA 80.1, AutomationBench 37.0, tau3 banking 38.0.

• 일반 및 장문 컨텍스트 — AA-LCR 79.3, LongBench v2 65.5, IFBench 79.7, AA Omniscience 13.0.

Reflection이 그 수치들을 자체적으로 설명하는 방식은 신중하며, 과장하기보다 그대로 전할 가치가 있습니다. Reflection은 Beam을 "GLM 5.2와 같은 더 큰 오픈 모델들과 경쟁력이 있고 Qwen 3.8-Max에 근접한다"고 위치시키고, Beam이 추론에서 GLM-5.2와 맞먹으면서 "추론 컴퓨트를 3–4배 덜 사용한다"고 말하며, Kimi K3가 원시 성능에서는 여전히 앞선다는 점을 인정합니다. 그 효율성 주장은 게시물에서 추론 점수를 추정 추론 FLOPs에 대응시켜 그린 차트로 뒷받침되는데, 여기서 FLOPs는 대략 활성 파라미터 수의 두 배에 생성된 토큰 수를 곱한 값으로 근사됩니다. 캡션에서도 그렇게 밝히며, 이 근사는 프리필, 어텐션, 서빙 오버헤드를 의도적으로 제외합니다. Reflection은 그 결과를 "측정된 추론 비용이 아니라 대략적인 컴퓨트 비교"라고 표기합니다.

독립적으로: 없음. Beam에 대한 Artificial Analysis 행도, 아레나 순위도, 저희가 찾을 수 있는 제3자 하네스 결과도 없습니다. Beam과 그 비교 대상들이 동일한 추론 노력과 동일한 하네스에서 직접 비교 벤치마크된 적이 없는 경우 — 모든 쌍이 그렇습니다 — 이 페이지는 순위를 암시하지 않습니다. 위 표는 한 연구소가 자체 모델에 대해 낸 수치입니다.

그걸 사용할 수 있나요? 그리고 비용은 얼마인가요?

공개된 조건으로는 아닙니다. 접근은 대기자 명단 방식입니다: Reflection의 게시물에 따르면 얼리 액세스는 제한된 사용자 집합을 위한 것이고, 플랫폼 콘솔은 가입 장벽 뒤에 있습니다. Reflection 자체 채널 어디에도 공개된 가격은 없습니다 — 출시 게시물에도, 홈페이지에도, 계정 없이 독자가 접근할 수 있는 그 어떤 곳에도. 지금 Reflection Beam에 붙어 있는 어떤 달러 금액이든 그것은 누군가의 추정치일 뿐, 정가가 아닙니다.

Reflection은 엔드포인트 표면을 개략적으로 설명하기는 합니다: reasoning effort 파라미터가 있는 OpenAI 호환 API이며, 여기서 "낮은 설정은 더 짧은 응답을 선호하고, 높은 설정은 더 긴 추론을 허용합니다." 그 파라미터가 받아들이는 값은 출시 자료에 공개되지 않았고, 모델 카드가 아직 나오지 않았으므로 이를 확인할 두 번째 출처가 없습니다.

이번 주에 호출할 효율적인 추론 모델을 원해서 이 글을 읽고 있는 독자라면, 실용적인 선택은 Beam이 무엇인가를 출시하는지에 의존하지 않는 쪽입니다. Beam이 비교되는 모델들 — GLM 5.2, Kimi K3 및 Qwen 3.8-Max —는 모두 오늘 OrcaRouter에서 라이브로 제공되며, 하나의 OpenAI 호환 키로, 공급자 정가를 0% 마크업으로 그대로 적용하며: GLM 5.2는 백만 입력 토큰당 $1.40, 백만 출력 토큰당 $4.40($1.40/$4.40, 2026년 10월 13일 자체 모델 페이지에서 확인), Qwen 3.8-Max는 $2.00/$6.00, Kimi K3는 $3.00/$15.00입니다. 마크업이 없기 때문에 공급업체의 가격 인하는 다음 계약 갱신 때가 아니라 발표되는 당일 청구서에 반영됩니다. Beam을 지켜보는 이유가 가중치가 아니라 효율성 주장이라면, 솔직한 입장은 오늘 대안은 측정할 수 있지만 Beam은 전혀 측정할 수 없다는 것입니다.

주목할 점, 그리고 숫자를 확인할 수 있게 되는 시점

세 가지가 이 페이지를 바꿀 텐데, 세 가지 모두 일어나는 시점을 날짜로 특정할 수 있습니다. 명시된 라이선스로 Hugging Face에 가중치가 공개되는 것이 첫 번째입니다 — 그것이 501B 주장을 여러분이 직접 다운로드하고 양자화하고 미세 조정하고 벤치마크할 수 있는 것으로 바꿔주는 사건입니다. 기술 보고서와 모델 카드가 두 번째입니다. 왜냐하면 서빙 컨텍스트 창, 최대 출력, 추론 노력 값이 일반적으로 문서화되는 곳이 바로 그들이기 때문입니다; 그것들이 없기 때문에 위의 사양 줄 세 개가 숫자를 표시하는 대신 "게시되지 않음"이라고 나오는 것입니다. 독립적인 평가가 세 번째이며, Reflection 외부의 누구든지 23B 활성 매개변수가 정말로 출시 게시물에서 주장하는 추론 점수를 얻어내는지 말할 수 있게 해주는 유일한 것입니다.

그때까지 정확한 요약은 짧다. Reflection Beam은 23B가 활성인 501B 파라미터 희소 MoE로, 2026년 10월 5일에 발표되었고, 텍스트 전용이며, 대기자 명단 방식의 프리뷰가 있고, 공개된 가격도, 공개된 서빙 한도도, 독립적인 점수도 없으며, "이번 달 말"로 약속되었지만 아직 실현되지 않은 Apache 2.0 가중치 공개가 있다. 그것은 그 모델에 대한 비판이 아니다 — 출시가 실제로 어디까지 왔는지에 대한 설명이다.