Reflection AI ra mắt Beam: model mở 501 tỷ tham số của Mỹ, tiết kiệm tính toán nhưng vẫn đuối hơn model Trung Quốc

Thứ Hai, ngày 5/10/2026, Reflection AI (trụ sở New York) công bố Beam, model ngôn ngữ open-weight (công bố trọng số) đầu tiên của công ty. Reflection được hai cựu nhà nghiên cứu Google DeepMind là Misha Laskin và Ioannis Antonoglou thành lập năm 2024. Công ty đã gọi được hơn 4 tỷ USD, vòng gần nhất định giá 25 tỷ USD trước khi rót vốn, với Nvidia và Sequoia trong danh sách nhà đầu tư. Gần hai năm qua Reflection liên tục hứa hẹn nước Mỹ sẽ có một phòng lab model mở đủ sức cạnh tranh với DeepSeek, Qwen, Moonshot và Z.ai. Beam là sản phẩm đầu tiên họ đưa ra.

Hiện chưa ai tải được Beam. Reflection cho biết trọng số, báo cáo kỹ thuật, model card và bộ công cụ fine-tune sẽ phát hành “trong tháng này” theo giấy phép Apache 2.0, sau khi hoàn tất red-teaming (kiểm thử tấn công để tìm lỗ hổng an toàn). Trước mắt chỉ có chương trình truy cập sớm qua danh sách chờ tại platform.reflection.ai. Mọi con số dưới đây đều do Reflection tự công bố, được TechCrunch và SiliconANGLE đưa tin thống nhất. Chưa có bên độc lập nào kiểm chứng.

Beam là gì

Beam là model mixture-of-experts (MoE) dạng thưa: tổng cộng 501 tỷ tham số, nhưng mỗi token chỉ kích hoạt 23 tỷ. MoE chia mạng thành nhiều “chuyên gia” con, và mỗi token chỉ đi qua vài chuyên gia. Các lựa chọn thiết kế chính theo bài công bố:

52 lớp, xen kẽ attention cục bộ và toàn cục: phần lớn các lớp chỉ nhìn trong một cửa sổ trượt, định kỳ mới có lớp nhìn toàn bộ chuỗi. Đây là cách phổ biến để context rất dài không đội chi phí.
Chuyên gia chia nhỏ, cân bằng tải không dùng auxiliary loss, hướng đi mà DeepSeek đã phổ biến. Thay vì cộng thêm một số hạng phạt vào hàm loss để ép các chuyên gia được dùng đều, bias của bộ định tuyến được điều chỉnh trực tiếp. Reflection cho biết chuyên gia bận nhất chỉ chịu tải bằng 1,04 lần mức trung bình.
Cộng dồn residual bằng FP32, scaling theo độ sâu và SandwichNorm: các kỹ thuật giữ ổn định số học khi huấn luyện với batch cực lớn.
Context 1 triệu token, được mở rộng ở giai đoạn mid-training. Pha học tăng cường chạy với context tối đa 256K token.

Đặc trưng quyết định của Beam là tỷ lệ tham số hoạt động trên tổng tham số. Với 23 tỷ tham số hoạt động, chi phí tính toán cho mỗi token xấp xỉ một model dense cỡ trung, trong khi phía sau bộ định tuyến vẫn là lượng tri thức của 501 tỷ tham số. Để so sánh, Reflection cho biết GLM-5.2 của Z.ai có khoảng 750 tỷ tham số, Qwen 3.8-Max hơn 2 nghìn tỷ. Inkling của Thinking Machines có 975 tỷ tham số tổng, khoảng 41 tỷ hoạt động.

Huấn luyện ra sao

Phần mô tả kỹ thuật hạ tầng có lẽ còn đáng đọc hơn chính model. Theo Reflection:

Pre-training: 23,8 nghìn tỷ token trên 6.144 GPU Nvidia GB300, xong trong chưa đầy bốn tuần, cuối đợt đạt goodput (tỷ lệ thời gian GPU làm việc hữu ích) khoảng 92%. Bộ lọc dữ liệu loại bỏ khoảng 95% token thô từ web.
Học tăng cường (RL): khoảng 10.500 GPU GB300 chạy trong bốn tuần, sinh hơn 100 triệu rollout trên 1 triệu môi trường lập trình, agent và STEM. Khâu chấm điểm dùng khoảng 1,3 tỷ sandbox, đỉnh điểm 170.000 sandbox chạy đồng thời. Reflection gọi đây là “một trong những đợt RL lớn nhất mà một lab mở từng thực hiện”.
RL bất đồng bộ, chịu được dữ liệu cũ: trainer học từ những rollout cũ tới một ngày, lệch tới 107 phiên bản trọng số so với policy hiện tại, mà theo công ty số học vẫn ổn định. Trọng số mới tới được cụm inference với trung vị 12 giây. Đợt huấn luyện vượt qua 71 sự cố inference, trung vị 8 phút để phục hồi, mà không phải dừng lần nào.
An toàn: một model “giáo viên” chuyên về an toàn được huấn luyện riêng từ cùng checkpoint, rồi được hợp nhất vào model cuối bằng chưng cất on-policy từ nhiều giáo viên, kèm kỹ thuật deliberative alignment (cho model suy luận dựa trên chính sách an toàn).

Bài học cho kỹ sư: post-training kiểu frontier giờ chủ yếu là bài toán hạ tầng, gồm điều phối sandbox, phân phối trọng số và chịu lỗi. Một startup mới hai tuổi đã công bố các con số này theo cách các lab lớn trước đây công bố số tham số.

Đọc benchmark cho tỉnh táo

Những con số Reflection đưa lên đầu là 80,9 điểm SWE-bench Verified, 65,5 điểm SWE-bench Pro v1 (GLM-5.2 đạt 62,1) và 97,8 điểm AIME 2026. Công ty cũng nói Beam ngang GLM-5.2 về suy luận nâng cao “trong khi dùng ít hơn 3–4 lần lượng tính toán khi inference”.

Bảng đầy đủ trong bài công bố cho thấy bức tranh không đồng đều, và Reflection đáng được ghi nhận vì đã công khai nó. Bảng có cả các model mở mới hơn của Trung Quốc, và Beam thường thua chúng khá xa:

Benchmark	Beam	GLM 5.3	Kimi K3	DeepSeek V4.1 Flash
DeepSWE v1.1	44,4	61,0	68,0	74,2
Terminal Bench v2.1	80,1	88,2	88,3	90,6
SWE Atlas Codebase QnA	34,6	61,0	68,0	—
HLE (không dùng công cụ)	36,2	42,3	46,9	39,1
GPQA Diamond	90,5	91,7	93,5	90,9

Chính Reflection cũng thừa nhận: “Các model mở hàng đầu như Kimi K3 vẫn dẫn về năng lực thuần, còn lợi thế của Beam là hiệu quả khi inference.” Trên DeepSWE, benchmark blog này vẫn dùng để so các model mở, Beam đạt 44,4, thấp hơn nhiều so với 67,7 của Step 5 Preview do StepFun phát triển. Đối thủ mà Beam vượt rõ ràng là Inkling, một model Mỹ khác cũng được rót nhiều vốn.

Con số “tiết kiệm 3–4 lần” cần chú thích

Mức tiết kiệm 3–4 lần là con số ước tính, không phải đo thực tế. Reflection tính FLOPs bằng công thức 2 × số tham số hoạt động × số token sinh ra trung bình, và nói rõ là bỏ qua prefill (xử lý prompt đầu vào), chi phí attention phụ thuộc độ dài context và overhead khi phục vụ. Công thức này có lợi cho hai thứ: ít tham số hoạt động và câu trả lời ngắn, điều mà Reflection chủ động thưởng bằng length penalty trong lúc RL. Cả hai đều là lợi thế thật. Nhưng đây là phép so sánh tính toán của model, không cho bạn biết hóa đơn sẽ là bao nhiêu. Với các tác vụ agent có context dài, prefill và attention thường chiếm phần lớn chi phí, và chúng tăng theo độ dài context chứ không theo số tham số hoạt động. Một model 23 tỷ tham số hoạt động phải đọc cả repository dài 500K token sẽ không vì thế mà rẻ hơn GLM-5.2 tới 3–4 lần.

Vì sao vẫn đáng chú ý

Tầm quan trọng của Beam nằm ở người phát hành và điều kiện phát hành, nhiều hơn là ở thứ hạng:

Giấy phép và nguồn gốc. Trọng số Apache 2.0 từ một công ty Mỹ cho doanh nghiệp và cơ quan nhà nước không được phép dùng model gốc Trung Quốc một lựa chọn mở khá mạnh cho coding agent. Laskin nói thẳng với báo chí rằng nhu cầu đến từ khách hàng “AI chủ quyền”, những bên không muốn phụ thuộc vào model Trung Quốc. Trên thực tế, yếu tố này có thể nặng ký hơn khoảng cách 20 điểm DeepSWE.
Bài toán tự host. Với 23 tỷ tham số hoạt động, Beam sinh token nhanh trên một node nhiều GPU, miễn là đủ bộ nhớ chứa 501 tỷ tham số. Ở FP8, riêng trọng số đã khoảng nửa terabyte. Không chạy được trên laptop, nhưng vừa một server 8 GPU H200/B200.
Nền để fine-tune. Reflection định vị Beam là model “làm việc nặng” cho các doanh nghiệp xây “nhà máy AI” riêng trên dữ liệu nội bộ. Một model nền MoE hiệu quả, kèm công cụ RL được công bố, hợp với việc đó hơn một model mạnh hơn nhưng quá đắt để huấn luyện tiếp.

Những câu hỏi còn bỏ ngỏ

Trọng số thật có khớp bảng điểm không? Mọi kết quả đều do công ty tự công bố. Phép thử thật bắt đầu khi trọng số được phát hành và bên thứ ba chạy SWE-bench, DeepSWE trên harness của họ.
Báo cáo an toàn. Beam vẫn đang red-teaming. Cùng tuần, Anthropic công bố nghiên cứu cho thấy lớp bảo vệ của model mở GLM-5.3 (Z.ai) bị vượt qua trong 64–100% số lần thử khi dùng để viết mã khai thác lỗ hổng. Cách Reflection đánh giá rủi ro lưỡng dụng cho một model ai cũng tải về được sẽ bị theo dõi sát.
Model kế tiếp có thu hẹp khoảng cách? Laskin cho biết một model mạnh hơn đang được huấn luyện. Điểm DeepSWE cho thấy kỹ thuật phần mềm dài hơi là nơi khoảng cách với model mở Trung Quốc còn lớn nhất.

Hiện tại, Beam là một model đáng tin, hiệu quả, giấy phép thoáng, đi kèm báo cáo kỹ thuật chi tiết hiếm thấy. Theo chính số liệu của Reflection, nó chưa phải model mở tốt nhất thế giới. Liệu “đủ tốt và là của Mỹ” có thành công về mặt thương mại hay không, vài tháng tới sẽ trả lời.