İçeriği Bildir

Bildiriminiz yönetici tarafından incelenir.

Arama Yap
Yapay Zeka

Nvidia Destekli Reflection AI, 501 Milyar Parametreli Beam’i Tanıttı

Reflection AI, 501 milyar parametreli Beam modelini tanıttı. Şirket daha düşük çıkarım maliyeti, açık ağırlıklar ve 1 milyon token bağlam vadediyor.

Nvidia Destekli Reflection AI, 501 Milyar Parametreli Beam’i Tanıttı
Google'da Kaynak Ekle

Nvidia destekli Reflection AI’ın ilk açık ağırlıklı modeli Beam, aynı anda yalnızca 23 milyar parametreyi etkinleştiriyor. Şirket, modeli Ekim ayı içinde Apache 2.0 lisansıyla yayımlamaya hazırlanıyor.

Reflection AI, uzun süredir Çinli şirketlerin öne çıktığı açık ağırlıklı yapay zeka yarışına Beam ile girdi. 5 Ekim’de tanıtılan model; kodlama, akıl yürütme ve araç kullanabilen yapay zeka ajanlarına yönelik görevler için geliştirildi. Toplam 501 milyar parametreye sahip Beam’in her işlem sırasında kullandığı aktif parametre sayısı ise 23 milyar.

Beam şu anda herkesin indirip kendi sisteminde çalıştırabileceği durumda değil. Reflection, son kırmızı takım testlerini ve değerlendirmeleri tamamlıyor. Erken sürüm seçili kullanıcılarla deneniyor. Model ağırlıkları, teknik rapor, model kartı ve geliştirici araçlarının Ekim 2026 içinde yayımlanması planlanıyor. Ağırlıkların Apache 2.0 lisansı altında sunulacağı da şirket tarafından açıklandı.

Buradaki hedef sadece yeni bir büyük dil modeli çıkarmak değil. Reflection, şirketlerin yapay zekayı kendi altyapılarında çalıştırabildiği, ihtiyaçlarına göre değiştirebildiği ve verileri üzerinde daha fazla kontrol sahibi olduğu bir alternatif oluşturmak istiyor. Bu yaklaşım, OpenAI ve Anthropic gibi kapalı sistemler kadar Alibaba, Z.ai ve Moonshot AI gibi güçlü açık ağırlıklı model üreticilerini de Beam’in doğrudan karşısına çıkarıyor.

Beam’in Asıl İddiası Daha Az Hesaplama Gücü

Beam, Mixture-of-Experts yani uzmanlar karışımı mimarisini kullanıyor. Modelin toplam büyüklüğü 501 milyar parametre olsa da her token üretilirken ağın tamamı çalışmıyor. Göreve göre seçilen bölümler devreye giriyor ve aktif parametre sayısı 23 milyarda kalıyor. Reflection’ın verilerine göre Çinli Z.ai’ın GLM-5.2 modeli yaklaşık 744 milyar toplam ve 40 milyar aktif parametre kullanıyor.

Reflection, Beam’in gelişmiş akıl yürütme testlerinde GLM-5.2 ile benzer seviyede sonuç verirken 3 ila 4 kat daha az çıkarım hesaplaması kullandığını söylüyor. Bu rakamı gerçek sunucu maliyeti ya da doğrudan ölçülmüş enerji tüketimi gibi okumamak gerekiyor. Şirket karşılaştırmayı aktif parametre sayısı ve modellerin ürettiği ortalama token miktarları üzerinden hesaplıyor. İstemin işlenmesi, bağlama göre değişen attention işlemleri ve servis altyapısındaki ek yükler hesaba katılmıyor. Reflection da bu nedenle sonucu ölçülmüş bir çıkarım maliyeti değil, yaklaşık bir hesaplama karşılaştırması olarak tanımlıyor.

Yayımlanan test tablosu Beam’in güçlü olduğunu, fakat açık model yarışını açık ara önde götürmediğini gösteriyor. Terminal Bench v2.1 testinde Beam 80,1 puan alırken GLM-5.2 81,0, Qwen 3.8-Max 86,6 ve Kimi K3 88,3 puana ulaşıyor. SWE Bench Pro v1’de ise Beam’in 65,5 puanı GLM-5.2’nin 62,1 puanının üzerinde. Araç kullanımı odaklı MCP Atlas testinde sonuçlar Beam için 78,7, GLM-5.2 için 77,8.

Beam, AIME 2026’da 97,8 puan alırken GLM-5.2 99,2 puana çıkıyor. GPQA Diamond’da Beam 90,5, GLM-5.2 ise 91,2 seviyesinde. Reflection da Kimi K3 gibi en güçlü açık ağırlıklı modellerin ham yetenek açısından hala önde olduğunu kabul ediyor. Beam’in öne çıkarıldığı alan, aynı işi daha sınırlı çıkarım hesaplamasıyla yapabilmesi.

Beam için yayımlanan performans rakamları henüz bağımsız testlerle kapsamlı biçimde doğrulanmış değil. Model ağırlıkları da genel erişime açılmadığı için farklı laboratuvarların aynı modeli kendi test düzeneklerinde karşılaştırması şimdilik mümkün değil. Mevcut tablo büyük ölçüde Reflection’ın ölçümlerine dayanıyor.

Modelin eğitim ölçeği de küçük değil. Beam, web verileri, kamuya açık kaynaklar ve lisanslı veri kümelerinden oluşturulan toplam 23,8 trilyon token üzerinde ön eğitimden geçirildi. Uzun bağlam çalışmalarıyla modelin etkin bağlam penceresi 1 milyon tokena kadar çıkarıldı. Bu, büyük kod depoları ve uzun belgeler gibi tek seferde çok fazla bağlam gerektiren görevlerin Beam’in hedefleri arasında olduğunu gösteriyor.

Takviyeli öğrenme aşamasında dört hafta boyunca 10 bin 500 Nvidia GB300 GPU kullanıldı ve 100 milyondan fazla rollout, yani modelin bir görevi çözmeye yönelik uçtan uca deneması üretildi. Eğitim ve değerlendirme altyapısında yaklaşık 1,3 milyar izole çalışma ortamının kullanıldığı belirtiliyor. Reflection bu aşama için kodlama, yapay zeka ajanları ve STEM alanlarında yaklaşık 1 milyon eğitim ortamı hazırladığını söylüyor.

Reflection AI Kapalı Model Pazarına Nereden Saldırıyor

Reflection’ın Beam ile kurduğu iş modeli, klasik bir sohbet botu rekabetinden daha geniş. Şirket büyük işletmelere ve kamu kurumlarına, yapay zeka sistemlerini kendi verileriyle özelleştirip kendi altyapılarında çalıştırabilecekleri bir yapı satmak istiyor. Reflection bunu AI factory yaklaşımı altında konumlandırıyor. Model ağırlıklarının açılması bu planın temel parçalarından biri.

Bu durum OpenAI veya Anthropic’in en gelişmiş kapalı modellerinin doğrudan Beam tarafından geçildiği anlamına gelmiyor. Beam’in bugünkü karşılaştırmaları ağırlıklı olarak GLM, Qwen, Kimi, DeepSeek, Nemotron ve Inkling gibi açık ağırlıklı sistemlerle yapılıyor. Beam ayrıca metin tabanlı bir model; örneğin Thinking Machines Lab’in Inkling modeli multimodal yeteneklere sahip. Dolayısıyla modeller arasında tek bir test tablosuna bakarak genel bir sıralama yapmak yanıltıcı olur.

Asıl rekabet, şirketlerin yapay zekayı nasıl satın aldığı ve çalıştırdığı tarafta oluşabilir. Kapalı modellerde işletmeler çoğunlukla sağlayıcının API’sine, kullanım koşullarına ve fiyatlandırmasına bağlı kalıyor. Açık ağırlıklı bir model ise yeterli altyapıya sahip kuruluşlara modeli kendi ortamına taşıma, özelleştirme ve kullanım biçimi üzerinde daha fazla kontrol kurma imkanı veriyor. Beam’in 501 milyar parametre büyüklüğünde olması yine de onu sıradan donanımlarda kolayca çalıştırılabilecek küçük bir model haline getirmiyor; 23 milyarlık rakam modelin toplam büyüklüğünü değil, her token için etkinleştirilen parametre miktarını ifade ediyor.

Reflection’ın bu yarışa hazırlanırken ayırdığı kaynak da şirketin hedefinin boyutunu gösteriyor. Girişim bugüne kadar yaklaşık 4,7 milyar dolar yatırım topladı; destekçileri arasında Nvidia, Sequoia Capital ve Lightspeed Venture Partners bulunuyor. Şirket ayrıca 2026 yazında SpaceX ve Nebius ile Nvidia GB300 kapasitesi için toplam değeri 7 milyar doları aşabilecek uzun vadeli anlaşmalar yaptı. SpaceX anlaşmasının tam süre devam etmesi halinde değeri yaklaşık 6,3 milyar dolara, Nebius anlaşması ise 1 milyar doların üzerine çıkabiliyor.

Beam’in açık ağırlıklı olması güvenlik tartışmasını da beraberinde getiriyor. Reflection, yetenek eğitiminin yanında ayrı bir güvenlik ve uyum modeli eğittiğini, ardından iki hattı birleştirdiğini söylüyor. Güvenlik değerlendirmelerinin sonuçları henüz yayımlanmış değil; bunların teknik raporla birlikte paylaşılması ve şirket içinde geliştirilen bazı güvenlik testlerinin açık kaynak haline getirilmesi planlanıyor.

Reflection şimdiden Beam’in ardından gelecek modeli eğitmeye başladığını da açıkladı. Beam’in ağırlıkları, model kartı, teknik raporu ve çalıştırma ile ince ayar araçları Ekim 2026 içinde yayımlandığında şirketin performans ve verimlilik iddiaları bağımsız ekipler tarafından doğrudan sınanabilecek.

Kaynaklar

  1. Introducing Beam: Reflection’s 501B open-weight model

YORUMLAR

(0)
Yorumunuz minimum 30 karakter olmalıdır. (0)

Yorumlar yönetici onayından sonra yayımlanır.

Okumaya devam edin

Sonraki haberi oku

Gizlilik tercihleriniz

Çerez kategorilerini inceleyebilir ve tercihlerinizi kaydedebilirsiniz. İsteğe bağlı kayıtlar başlangıçta kapalıdır.

Gerekli Çerezler

Güvenli oturum, yorum, tepki ve gizlilik seçiminiz için gereklidir. Bu kayıtlar kapatılamaz.

vox-consent 180 gün · Teknovox
Bu paneldeki seçiminiz ve seçim tarihi tarayıcınızda saklanır.
voxtekno_session / XSRF-TOKEN 120 dakika · Teknovox
Üye girişi, haber kaydetme, yazı gönderme, yorum, tepki ve yönetim paneli işlemlerinde oturum güvenliğini sağlar.
vox_reader 1 yıl · Teknovox
Tepki işlemini başlattığınızda oluşturulur; aynı tarayıcıdan verilen tepkileri yönetir.
Fonksiyonel Çerezler

Tema seçiminizi hatırlar ve yazıdaki YouTube, X ve Instagram paylaşımlarını görüntüleme alanına geldiğinde yükler. Bu sağlayıcılar IP adresinizi ve tarayıcı bilgilerinizi alabilir; kendi çerezlerini kullanabilir. Bu izin kapalıyken yalnızca seçtiğiniz paylaşımı “İçeriği göster” düğmesiyle açabilirsiniz.

vox-theme İzin süresi boyunca · Teknovox
Tema tercihiniz tarayıcınızda tutulur.
Pazarlama Çerezleri

Google AdSense · Reklam gösterimi ve performans ölçümü. Yalnızca Pazarlama Çerezleri izniyle yüklenir.

__gads, __gpi ve Google alan adlarındaki reklam kayıtları kullanılabilir. Süre çereze, bölgeye ve Google ayarlarına göre değişir; reklam kayıtları 13–24 aya kadar saklanabilir. Sağlayıcı: Google. Güncel çerez adları ve süreleri

Analitik Çerezleri

Google Analytics 4 · Ziyaret edilen sayfaları ve içerik performansını ölçer. Yalnızca Analitik Çerezleri izniyle yüklenir.

_ga ve _ga_*: ziyaret ve oturum ayrımı; bu sitede 180 gün olarak ayarlanmıştır, ziyaretle yenilenebilir. Sağlayıcı: Google. Google çerez bilgileri

Teknovox’a katılın

Haberleri kaydedin, yorumlara katılın ve yazılarınızı paylaşın.

Şifremi unuttum