メインコンテンツへスキップ
見出し画像

NVIDIAが賭ける「米国版DeepSeek」―Reflection AI初の自社オープンウェイト基盤モデル「Beam」の衝撃

    2026年10月、OpenAIでもAnthropicでもMetaでもない新しい米国AI勢力が姿を現した

    2026年10月5日(米国時間)、NVIDIAが出資する米AIスタートアップReflection AIが、同社初のオープンウェイト基盤モデル「Beam」を発表した。
    総パラメータ数は5010億。ところが1トークンの処理で実際に使うActive Parametersは230億に抑えたSparse Mixture-of-Experts、いわゆるMoEモデルである。事前学習データは23.8兆トークン。事前学習にはNVIDIA GB300を6,144基、強化学習(RL)には10,500基のGB300を4週間投入し、1億回を超えるrolloutを生成した。採点と学習に使ったsandboxは約13億、用意したRL環境は100万近くにのぼる。

    この数字だけを見ても、Beamは単なる「新しいLLM」ではない。
    しかも、Beamは「当初目標より大幅に遅れて出てきたモデル」でもある。Reflectionは2025年10月の20億ドル調達時、2026年初頭に最初のフロンティアモデルを出すと説明していた。実際の発表は10月5日で、「2026年初頭」という当初目標からは半年以上遅れた。その間に評価額は80億ドルから250億ドル(プレマネー)へ跳ね上がり、「モデルを1本も出していないのに評価額だけが急上昇した会社」と批判的に見られる時期もあった。Beamは、その巨額の期待に対する最初の答案である。

    2025年以降、オープンウェイトAIの最前線では、中国のDeepSeek、Alibaba Qwen、Moonshot AIのKimi、Z.aiのGLMが圧倒的な存在感を持った。米国では最先端モデルがOpenAI、Anthropic、Googleのclosed modelに集中し、「高性能な米国製オープンウェイトモデル」という空白が広がっていた。2026年6月には、米政府の輸出管理指令を受けてAnthropicがFable 5/Mythos 5へのアクセスを一時停止し、OpenAIも政府要請を受けてGPT-5.6の公開を段階化した。こうした出来事は、closed APIの利用条件や提供地域が政策判断で変わり得ることを企業や各国政府に改めて意識させた。

    Reflectionは、その空白を埋めようとしている。
    ただし、先に結論を書いておく。Beamは現時点でDeepSeek V4.1 Flash、Kimi K3、GLM-5.3、Qwen3.8-Maxといった中国トップモデルを全面的に上回るモデルではない。Reflection自身も「生の能力ではKimi K3などがまだ先行している」と認めている。Beamの売りは「世界一賢いこと」ではなく、「23B Activeという軽さで、GLM-5.2級の推論を3〜4分の1の推論計算量で出せる」ことだ。

    そして、Reflectionが本当に売ろうとしているのはモデルそのものではない。企業や国家が自前のデータと自前のGPUで自分専用のAIを育てる「AI Factory」である。
    本稿では、Reflection AIの創業から、AlphaGo・Geminiにつながる創業者の経歴、2年半の沿革、NVIDIAとの関係、資金調達、米政府との関係、Beamのアーキテクチャと1億回超のRL、公開ベンチマークの全体像、API・OpenAI互換・既存Agent Harness連携といった開発者向け提供、そしてDeepSeek、Kimi、Qwen、GLM、Thinking MachinesのInkling、Meta、NVIDIA、OpenAI、Anthropicとの比較までを一気に整理する。

    目次

    1. Reflection AIとは何者なのか

    2. 創業者Misha Laskin――量子物理からGemini、そしてReflectionへ

    3. Ioannis Antonoglou――AlphaGoからOpen Intelligenceへ

    4. Reflection創業の原点――「Autonomous CodingからSuperintelligenceへ」

    5. 最初の製品Asimov――コードを書く前に「理解するAI」

    6. 2025年の大転換――Coding Agent企業からOpen Frontier AI Labへ

    7. 沿革年表――2024年3月からBeam発表まで

    8. 「まだモデルがない会社」と呼ばれた時期――遅延と批判

    9. NVIDIAはなぜReflectionに賭けたのか

    10. 初の自社基盤モデル「Beam」とは何か

    11. 501Bなのに23Bしか動かさない――Sparse MoEの意味

    12. 23.8兆トークンの事前学習と6,144基のGB300

    13. Beamの本当の核心――10,500基GB300と1億回超のRL Rollout

    14. 100万環境と13億Sandbox――「Agent RL Factory」を支える7つの仕組み

    15. 短く考えて正解する――長さペナルティとreasoning effort

    16. Beamのアーキテクチャと1M Context

    17. 安全性とアラインメント――二人の教師を一つに蒸留する

    18. 公開ベンチマーク全表――どこで勝ち、どこで負けているか

    19. デモから見えるBeamの実力と限界

    20. 開発者はBeamをどう使えるのか――API、OpenAI互換、既存Agent Harness連携

    21. Beam vs DeepSeek/Kimi/Qwen/GLM――中国オープン勢との比較

    22. 西側オープン勢の再編――Thinking Machines「Inkling」、Meta「Muse」、NVIDIA「Nemotron」

    23. Closed Frontier――GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argonとの違い

    24. 世界AIモデル勢力図――能力では中国勢、効率と西側OpenでBeam

    25. Open Weight、Open Source、Apache 2.0――Reflectionの「Open」とは何か

    26. Reflectionのビジネスモデル――ModelからAI Factoryまで

    27. Sovereign AI――韓国・新世界グループとの250MW構想

    28. 米政府との関係――国防総省、エネルギー省、そして「AI外交」

    29. 資金調達――2年で評価額250億ドル級へ

    30. SpaceX・Nebiusから契約上限・公表額ベースで70億ドル超のComputeを確保

    31. Reflectionの強みと弱点

    32. Beamが示す「LLM競争の次の段階」

    33. 2027年以降、ReflectionはOpenAI・Anthropic・中国勢に追いつけるか

    34. この記事の確度――公式発表、報道、第三者検証の区別

    35. まとめ――Reflectionは「モデル企業」ではなく「Open Agent AI Factory」を作ろうとしている

    36. 主要リンク

    37. ハッシュタグ

    第1章 Reflection AIとは何者なのか

    Reflection AI(Reflection AI, Inc.)は2024年3月に設立された米国のAIスタートアップである。ニューヨーク・ブルックリンを拠点とし、同社の2026年10月5日更新の利用規約上の通知先もニューヨークである。公式採用ページではニューヨーク、サンフランシスコ、ロンドン、ワシントンD.C.の4都市で採用を展開している。創業者はMisha LaskinとIoannis Antonoglou。ともにGoogle DeepMind出身で、LaskinがCEO、AntonoglouがCTOを務める。

    組織の拡大も急である。2025年10月の20億ドル調達時点で社員は約60人と報じられていたが、その後は採用を一気に拡大している。2026年6月のLondon Tech WeekではKeir Starmer首相がReflectionの英国拡大を紹介し、今後12カ月で100人超の高度人材を採用し、3年以内に英国で1000人超の雇用規模へ拡大する計画を公表した。これは、Reflectionが米国国内だけの研究所ではなく、欧州の研究・人材拠点も本格的に取り込もうとしていることを示す。

    創業当初のReflectionは、現在のような「Open Frontier Model企業」として始まったわけではない。
    最初に掲げたテーマはAutonomous Coding、すなわち「人間の開発者に代わって長時間、自律的にソフトウェアを理解し、設計し、修正し、テストし、改善するAI」であった。

    2025年3月に表舞台へ出た際、同社は自らを「superintelligent autonomous systemsを作る会社」と説明し、Superintelligenceへの最初の入口としてAutonomous Codingを選んだ。
    その後、2025年秋に戦略を大きく拡張する。

    Reflectionは単なるCoding Agent企業ではなく、「frontier open intelligence」を作るAI研究所へと自らを再定義した。プレスリリースでは自社を「America's frontier open intelligence lab」と名乗っている。

    現在の公式メッセージは明確である。
    「Make intelligence open and accessible to all」
    最先端AIを一部のclosed labだけが所有するのではなく、企業、研究者、政府、国家が自ら保有し、改変し、運用できるようにするという構想だ。
    公式サイトは「Open Intelligence」を3つの約束で定義している。

    Model Weights:モデルのweightを公開する
    Science:技術レポートを含め、研究内容を論文として公開する
    Software:RLツールや環境を含め、モデルを使いこなすためのソフトウェアをオープンソース化する
    さらに事業面では、Open Model、Open Core AI Stack、AI Factory、AI Solutionsという4層のフルスタックを示している。

    モデルのweightだけを配布するのではない。fine-tuningやAgent運用に必要なソフトウェア、RL環境、推論環境、さらに物理的なGPUインフラまで含めて提供しようとしている。
    この点が、Reflectionを通常の「LLMスタートアップ」と分ける最大の特徴である。

    第2章 創業者Misha Laskin――量子物理からGemini、そしてReflectionへ

    共同創業者兼CEOのMisha Laskinは、最初からLLM研究者だった人物ではない。
    LaskinはUniversity of Chicagoで理論物理学(量子多体系)のPhDを取得した。その後、UC BerkeleyでPieter Abbeelらの研究室に入り、Reinforcement Learning、Robot Learning、表現学習へと研究分野を転換した。

    その後Google DeepMindへ移り、Geminiプロジェクトに参加。本人の研究者ページでも、general intelligent agentsと、RLによってLLMやmultimodal modelに新しい能力を引き出す研究を行っていたと説明している。
    Reflectionの投資家であるSequoia Capitalは、LaskinがDeepMindでGeminiのreward model開発を率いていたと紹介している。

    この経歴はBeamの設計思想にも強く表れている。
    Beamは「巨大な事前学習モデルを作って終わり」ではない。大量の環境と大量のrolloutを使い、RLによってAgentとしての行動能力を引き上げる。さらに、正解が機械的に判定できない領域でも、生成型の報酬モデルを使ってモデルの振る舞いを狙い通りに形づくる(第17章)。これはまさにreward modelingの専門家の仕事である。

    Laskinのキャリアは、
    理論物理
    → Reinforcement Learning
    → Gemini
    → Reward Modeling / LLM Post-training
    → Agentic AI
    → Reflection
    という流れでつながっている。

    Laskinの発言で印象的なのは、2026年4月のCNBC出演時に「最良のオープンモデルは中国から来ている」と率直に認めた点だ。またAxiosの取材では、自社モデルが最先端に届くには時間がかかるとして、大きなロケットを作るのに時間がかかるのと同じだという趣旨の比喩を使っている。Beamの「現時点では中国トップ群の一段下」という位置づけは、CEO自身の認識とも一致している。

    第3章 Ioannis Antonoglou――AlphaGoからOpen Intelligenceへ

    もう一人の共同創業者Ioannis Antonoglouは、Reflectionを理解する上でさらに重要な人物である。
    AntonoglouはDeepMindの初期メンバーの一人で、AlphaGoの開発に深く関わった。その後もAlphaGo Zero、AlphaZero、MuZeroといった「探索と強化学習」の系譜を担い、UCLでは強化学習における探索をテーマにPhDを取得している。DeepMindではさらにGeminiのRLHF(人間のフィードバックによる強化学習)領域を率いた。

    2016年、AlphaGoは囲碁の世界トップ棋士・李世乭(イ・セドル)に勝利した。
    AlphaGoの重要性は、単なるゲームAIではなかった。
    「大量のデータを真似するだけではなく、環境の中で試行錯誤し、報酬を通じて人間が考えなかった戦略まで発見する」
    というReinforcement Learningの可能性を世界に示した。

    Reflectionは公式に、チームの技術的系譜を「PaLM、Gemini、AlphaGo、AlphaCode、AlphaProofといったブレークスルーを生み、ChatGPTやCharacter AIにも貢献したチーム」と説明している。
    Antonoglouは2026年初頭のTuring Postのインタビューで、Reflectionが作っているのは「コーディング専用モデルではなく、汎用エージェントモデル」だと明言した。さらに、Llama 4が強いモデルではなかったことで、西側には大規模RLの土台に使える強力なオープンベースモデルが欠けていた、という問題意識を語っている。強化学習とオープンウェイトという二つの賭けは、中国の研究所の成功によって裏付けられた、とも述べている。

    ここがReflectionの思想の原点である。
    「AlphaGoのような自律性を、コンピューター上の一般作業に持ち込めないか」
    これをLLMとRLで実現しようとしている。

    第4章 Reflection創業の原点――「Autonomous CodingからSuperintelligenceへ」

    Reflectionは創業期、Superintelligenceを「コンピューター上で行われる認知労働の大部分を自律的に実行するシステム」と定義した。
    その上で、最初の問題としてCodingを選んだ。
    なぜCodingなのか。
    理由の一つは、コードには比較的明確な評価器が存在するからである。

    コンパイルするか。
    テストに通るか。
    Benchmarkが改善したか。
    バグが直ったか。
    サーバーが動いたか。
    出力が仕様を満たしたか。
    正解が曖昧な一般会話よりも、「行動→結果→評価→改善」というRL loopを作りやすい。
    Reflectionは、

    1. Superintelligent autonomous coding systemを作る

    2. そのblueprintを、他のcomputer-based workへ展開する

    という二段階のロードマップを示していた。
    この思想はBeamにもそのまま残っている。Beamの重点領域はCoding、Reasoning、Terminal、Tool Use、Agentic Taskである。

    第5章 最初の製品Asimov――コードを書く前に「理解するAI」

    Reflectionの最初の製品はBeamではない。
    2025年7月に発表したAsimovが最初の大きな製品マイルストーンだった。
    Asimovはコード生成AIではなく、「Code Research Agent」である。
    巨大なcodebase、architecture document、GitHub issue、chat history、組織内knowledgeなどを横断し、「このシステムはなぜこのように作られているのか」「この変更をすると何が壊れるのか」といった質問に答える。

    Asimovは、複数の長文脈retriever agentと、大きなreasoning agentを組み合わせるmulti-agent architectureを採用していた。
    重要なのは、当時のAsimovがReflection独自LLMで動いていたわけではないことだ。Sequoiaは2025年7月時点で、Asimovがthird-party modelを使っていると説明していた。そして2026年3月時点でも、Asimovはまだwaitlist運用だったと報じられている。

    つまりReflectionには当初から、
    ProductとしてAsimovを先に出す
    → 実ユーザー環境でAgent問題を理解する
    → 自社Foundation Modelを開発する
    → 自社モデルをAgent製品へ統合する
    という流れがあった。
    Beamは、この「自前モデルを持つ」という戦略が初めて表に出た製品である。

    なお興味深いことに、Beam発表時のベンチマークのうち「巨大なコードベースについて質問に答える」タイプのSWE Atlas Codebase QnAでは、Beamは34.6にとどまり、GLM-5.3(61.0)やKimi K3(68.0)に大差をつけられている(第18章)。Asimovで「コード理解」を看板にしてきた会社としては、次のモデルで最も改善が期待される領域の一つだろう。

    第6章 2025年の大転換――Coding Agent企業からOpen Frontier AI Labへ

    2025年3月のReflectionは、Autonomous Codingに集中する企業だった。
    しかし2025年10月9日、同社は20億ドルの資金調達と同時に「Building Frontier Open Intelligence」を掲げ、戦略を拡張した。
    その発表で同社は、過去1年で大規模MoEモデルをフロンティア規模で学習できるLLM・RLプラットフォームを構築し、それをまず自律コーディングに適用して効果を確認した、と説明した。そして「その方法を汎用的なエージェント推論に持ち込む」と宣言した。

    背景には世界のOpen Weight競争がある。
    2025年以降、DeepSeek、Alibaba Qwen、Moonshot AI Kimi、Z.ai GLMなど、中国勢がオープンウェイトモデルの性能を急速に引き上げた。MITとHugging Faceの共同調査では、2025年のオープンモデルのダウンロードシェアで中国(17.1%)が米国(15.8%)を上回ったとされる。

    さらにVercelが9月に公表した「AI Gateway Production Index」(Financial Timesも10月6日に報道)によれば、同社のAI Gatewayで処理されたトークンに占めるopen-weight modelの比率は、2025年12月の7%、2026年4月の13%、7月の36%から、8月には56%へ上昇し、初めて過半を占めた。8月22日には単日で62%を記録している。ただし支出額ベースではopen-weightは14%にとどまり、支出の64%はAnthropicのモデルが占めた。つまり「量はopen、売上はclosed」という構図である。これは世界全体の利用率を示す統計ではなく、あくまでVercelのGateway上の観測値だが、open-weightが研究者向けの周辺的な選択肢ではなく、実運用の主要な選択肢へ移っていることを示す一つの指標である。

    これに対して米国の最先端AIは、OpenAI、Anthropic、Googleのclosed modelに集中していた。
    Meta Llamaという巨大なOpen ecosystemは存在していたが、2025年のLlama 4の評価は芳しくなく、frontier coding、reasoning、long-horizon agentでは中国モデルが先行した。

    Reflectionはこの構造を「米国・西側にとっての戦略的空白」と見た。同社ブログは、オープンなフロンティアを築く機会の窓は閉じつつあり、これが最後かもしれない、とまで書いている。
    そこで、
    Coding Agent
    → Frontier Open Model
    → Open AI Stack
    → Sovereign AI

    へと戦略を拡張したのである。
    なお同社は当時、モデルweightは公開するが、データセットや学習パイプラインの全体は非公開とする方針や、最初のモデルはテキストのみで、マルチモーダルは後から加える計画を示していた。Beamがtext-onlyで出てきたのは、この計画どおりである。

    第7章 沿革年表――2024年3月からBeam発表まで

    Reflectionの2年半を時系列で並べると、戦略の変化が一目で分かる。

    2024年3月:Misha LaskinとIoannis AntonoglouがReflection AIを設立。2025年3月:ステルスから登場し、Seed+Series Aで約1.3億ドルを調達、評価額は約5.45億ドル。2025年7月:Code Research Agent「Asimov」を発表。2025年8月:共同創業者がNVIDIAのJensen Huangと面会したとThe Informationが報道。2025年10月9日:20億ドル調達、評価額80億ドル。「Frontier Open Intelligence」へ戦略を拡張。2025年11月20日:GMI Cloudと提携し、米国GPUクラスタを次世代モデル学習へ利用。
    2026年1月:Antonoglouがダボスで「年内に世界最強のオープンウェイトモデルを出す」と表明。3月16日:韓国・新世界グループと250MWのSovereign AI Factory構築でMOU。3月25日:WSJが25億ドル・pre-money 250億ドルでの調達協議を報道。4月23日:Laskin CEOがCNBCで最新ラウンドがpre-money 250億ドルでクローズしたと確認。5月1日:米国防総省の機密ネットワーク向けAI契約の対象企業に。5月18日:Dell AI Factory with NVIDIAの拡張でReflectionとの共同ソリューションを発表。5月22日:DOEのGenesis Missionで国立研究所向けモデル提供者に。
    2026年6月:London Tech Weekで英国拡張を表明し、12カ月で100人超、3年で1000人超の雇用計画。6月22日:SpaceXと最大63億ドルのcompute契約。7月14日:Nebiusと10億ドル超のcompute契約。9月1日:サウジアラビアPIF傘下HUMAINと戦略提携。10月3日:Z.aiがGLM-5.3-Flashを発表。10月4日:AxiosがReflectionのモデル発表を先行報道。10月5日:Beamを発表し、限定Early Accessを開始。weight、Technical Report、Model Cardは10月中の公開予定。

    わずか2年半で、「自律コーディングの研究スタートアップ」から「国家と国防に入り込むオープンフロンティアAI研究所」へ変貌したことになる。

    第8章 「まだモデルがない会社」と呼ばれた時期――遅延と批判

    Beamを評価する上で、見落とされがちな事実がある。それは、Beamが当初の予定より大幅に遅れて登場したことだ。
    2025年10月の調達時、Reflectionは「数十兆トークンで学習したフロンティア言語モデルを2026年初頭に出す」としていた。しかし2026年2月以降は「年内」という表現に変わり、3月時点でもモデルはなく、Asimovはwaitlistのまま、研究論文も出ていないと指摘された。

    一方で評価額は、2025年3月の約5.45億ドルから、1年で約46倍の250億ドル(プレマネー)へ跳ね上がった。米テック媒体からは「モデルを1本も出さずにここまで来た」という懐疑的な論評が相次ぎ、The Informationは2026年夏、NVIDIAの賭けを受けたReflectionが「追いかける立場」になりつつあると報じた。

    その間に、競合は次々とモデルを出した。
    2026年7月:Thinking Machines Lab「Inkling」(975B、オープンウェイト)
    2026年7月:Moonshot AI「Kimi K3」(2.8T、7月27日にweight公開)
    2026年8月:Alibaba「Qwen3.8-Max」(2.4T、8月13日にweight公開)
    2026年8月14日:Z.ai「GLM-5.3」(weightは8月28日公開)
    2026年8月10日:Meta「Muse Glimmer」(30B、Apache 2.0)
    2026年10月3日:Z.ai「GLM-5.3-Flash」(320B/18B Active、native multimodal、MIT)
    2026年9月10日:DeepSeek「V4.1 Flash」

    つまりBeamは、「真空地帯に出た最初の米国製フロンティアオープンモデル」ではない。すでに中国勢が2Tクラスのweightを公開し、米国内でもThinking MachinesやMetaがオープン路線に動いた後の、混雑した市場への参入である。
    この文脈を踏まえると、Reflectionが「最強」ではなく「効率」と「AI Factory」を前面に出した理由もよく分かる。

    第9章 NVIDIAはなぜReflectionに賭けたのか

    ReflectionにはNVIDIAが出資している。2025年10月の20億ドル調達では、NVIDIAが約8億ドルを拠出した最大投資家だったと報じられている。なお「NVIDIA主導」と表現した報道もあったが、Reutersは後にlead investorとの記述を訂正し、The Informationも、最終的な価格・条件を交渉したのは約6億ドルを投じたDisruptiveで、NVIDIA自身はformal leadとは見ていないと報じた。したがって「NVIDIAは約8億ドルを拠出した最大投資家と報じられた大口戦略投資家だが、formal leadではなかった」と表現するのが最も正確である。

    NVIDIAとReflectionの関係は単なる「GPUメーカーと顧客」ではない。
    BeamはNVIDIA GB300で学習されている。事前学習は6,144基、RLは10,500基。さらにReflectionは、企業・政府向けにAI FactoryやSovereign AIを展開しようとしている。

    これは、Jensen Huangが長年掲げてきた「AI Factory」構想そのものである。Huangは、計算ハードウェアとオープンモデルを組み合わせ、企業が自社データの所有権を保ったままAIを動かす世界を描いてきた。Axiosによれば、HuangはReflectionの「トップクラスのオープンシステム構築」への転換を強く支持してきた。

    NVIDIA側から見ると、Reflectionは「OpenAIやAnthropicとは異なる、open-weightを中心にした巨大なAI需要源」になり得る。
    特に企業や政府が、
    モデルweightを自分で持ちたい
    データを外に出したくない
    air-gapped環境で運用したい
    Sovereign Cloudを作りたい

    という需要を持つほど、Reflection型のAI企業はNVIDIAのGPU販売と結び付きやすい。
    Reflection自身も、韓国案件では「チップ、モデル、フルスタックエンジニアリング」を提供する側に立っている。CEOのLaskinはWSJの取材に、オープンモデルはチップ、ソフトウェア、アプリケーションといった背後のインフラを運ぶ「トロイの木馬」だという趣旨の発言をしている。

    オープンモデルが普及すればするほど、その下で動くNVIDIAのGPUが売れる。どのオープンモデル企業が勝っても、NVIDIAは得をする構造なのである。

    第10章 初の自社基盤モデル「Beam」とは何か

    2026年10月5日に発表されたBeamは、Reflection初のopen-weight foundation modelである。
    主な仕様は以下の通りだ。

    Beamの基本仕様は、DeveloperがReflection AI、発表日は2026年10月5日、API上のModel IDはBeam-501B-A23B。ArchitectureはSparse Mixture-of-Expertsで、総パラメータ501B、Active Parameters 23B、52層である。
    Contextはmidtraining上のeffective contextが1M tokens、Beta APIは約256K tokensで、最大出力は約128K tokens。Knowledge cutoffは2026年6月30日。主な機能はreasoning、tool calling、structured outputsで、modalityはText in/Text outである。
    Pretrainingは23.8T tokens、6,144基のNVIDIA GB300 NVL72を使い4週間未満。RLは10,500基のGB300を4週間使い、1億回超のrollout、最大256K context、約13億sandbox、100万近いRL environmentを利用した。
    Reasoningは常時オンで、effortはlow、medium、high、xhigh、maxの5段階。2026年10月6日時点でweightは未公開で、Reflectionは10月中のApache 2.0公開、Technical ReportとModel Cardの公開を予告している。

    発表時点ではfinal red-teamingとevaluationの最中で、waitlist経由の限定ユーザー向けEarly Accessから開始している。
    ここで注意したいのは「1M context」の扱いだ。Reflectionはmidtrainingで実効コンテキストを1Mトークンまで拡張したと説明しているが、開発者向けAPIのベータ版で現在使えるのは256Kである。報道では「1Mコンテキスト」が強調されがちだが、実際に手元で使える長さは、weight公開や正式版で改めて確認する必要がある。

    2026年10月6日時点のBeamは、「完全公開済みモデル」ではなく、「正式発表され、APIの限定提供が始まり、weight公開を待っているモデル」と理解するのが正確である。

    第11章 501Bなのに23Bしか動かさない――Sparse MoEの意味

    Beamの501Bという数字だけを見ると非常に巨大に見える。
    しかし実際の推論では、すべての501B parameterを毎token計算するわけではない。
    Mixture-of-Expertsでは、多数のExpertの中からそのtokenに必要な一部だけをRouterが選択する。Beamでは総501Bに対しActiveは23B。Active比率は約4.6%にすぎない。

    概念的には、
    501Bの巨大な知識・専門家プール
    → Router
    → 必要なExpertだけを選択
    → 23B程度を計算
    という構造である。
    このため、巨大なmodel capacityを持ちながら、Dense 501Bモデルよりはるかに少ない計算量で推論できる。
    ReflectionがBeamで最も強調しているのも「Raw Capability世界一」ではなく「Inference Efficiency」である。同社は、高度な推論ベンチマークでGLM-5.2と同等のスコアを3〜4分の1の推論計算量で出せるとし、総パラメータ2T超のQwen3.8-Maxのような大型モデルと比べれば差はさらに大きいと主張している。

    推論計算量の比較には、
    FLOPs ≈ 2 × Active Parameters × 1回あたりの平均生成トークン数
    という近似を使っている。生成トークンには推論(reasoning)部分と最終回答の両方が含まれる。他社モデルの評価値と生成トークン数はArtificial AnalysisとDataCurveのデータを使っている。

    ここで重要なのは、効率の源泉が「Active Parametersが小さいこと」だけではない点だ。「同じ問題をより少ないトークンで解くこと」も効いている。Active Parametersが2倍のモデルでも、生成トークンが半分なら計算量は同じになる。Beamは、この二つの掛け算で効率を稼いでいる(第15章)。

    もちろん、Reflection自身が注記しているとおり、この式にはprompt prefill、context長に依存するattention計算、serving overheadが含まれていない。実測の推論コストではなく、あくまで近似比較である。それでも、同じMoEモデル同士を大まかに比較する指標として、Active Parametersと生成トークン数の掛け算は極めて重要である。

    第12章 23.8兆トークンの事前学習と6,144基のGB300

    Beamは23.8兆tokensでpretrainingされた。
    データ源はWeb、Public sources、Proprietary licensed datasetsである。Reflectionは「ウェブ上で公開され、制限の少ないライセンスで提供されているコードとコードドキュメントのほぼすべて」を学習に使ったとしている。

    特にCoding Agentを意識し、source code、technical explanation、math、science、technical documentを重視した。
    Reflectionは、生のインターネットtokenの約95%をparsing、deduplication、quality curationで除外したと説明している。一方、一般的なOSSデータフィルタでは落ちてしまう高品質token約1.8兆を独自pipelineで保持したという。その中には、同社がキュレーションしたweb上のコードtokenの87%が含まれる。つまり、従来型のフィルタを使っていれば、ウェブ上のコード系データの大半を取りこぼしていた、ということになる。

    Codeについても、言語別に調整したfilter、低品質な自動生成コードや学習不能なコンテンツの除去、学習を不安定にしうる破損コードの検出、偏りのある言語・ファイル種別のrebalancingを行った。さらにコードと技術コンテンツは学習期間中に複数回繰り返して与え、重複除去やpacking、過学習の科学に注意を払ったとしている。

    PDFなどtechnical documentの処理には、Vision-Language OCR、品質分類器、復元崩れを検知するartifact detectorを組み合わせたpipelineを構築し、数千GPUでpetabyte規模の技術データを処理した。
    開発の進め方にも特徴がある。Reflectionは段階的に大きなモデルを事前学習してスケーリングレシピを検証し、計算量で4桁にわたって性能が予測どおりに伸びることを確認した。最終的なBeam Baseは予測どおりの性能に着地し、同規模の公開ベースモデルと同等以上だったとしている。

    事前学習には6,144基のNVIDIA GB300 NVL72 GPUを使用し、end-to-endで4週間未満。インフラのほぼすべてを自社で構築した。具体的には、トポロジーを意識したKubernetesベースのスケジューラ、ノードのライフサイクル管理と常時ヘルス監視、半自動のrewind・再起動ができるSilent Data Corruption(SDC)検知システムである。

    学習中に実行した半自動rewindは9回で、原因は勾配ノルムの非決定的なスパイクか、SDCの疑いだった。大きな回復不能スパイクはなく、学習終盤のgoodput(最終モデルに残った学習ステップに使われた時間の割合)は92.3%に達した。
    Beamの価値はモデルweightだけではない。数千〜1万GPU規模でfrontier modelを安定して作れるTraining FactoryそのものがReflectionの資産である。

    第13章 Beamの本当の核心――10,500基GB300と1億回超のRL Rollout

    Beamで最も注目すべき数字は、501Bでも23B Activeでもない。
    「1億回超のRL rollout」である。
    Reflectionは10,500基のNVIDIA GB300を4週間使用し、最大256Kトークンのcontextで1億回を超えるrolloutを生成した。採点と学習に約13億のsandboxを使い、100万近いcoding、agentic、STEM環境を用意した。同社は、これがオープンな研究所が実施したRLとしては最大級だとしている。

    比較の数字も出している。Beamの「推論エキスパート」の学習だけで8,000万rolloutを使ったのに対し、Thinking MachinesのInklingは3,000万、XiaomiのMiMoは75.3万rolloutだったという。
    そして最も重要な主張は、RL計算量を増やすほど評価スイート全体で能力が伸び続け、学習終了時点でも頭打ちの兆候がなかったことだ。

    対象領域は、software engineering、terminal use、competitive coding、STEM、web search、tool use、general knowledge workなど。
    これは、LLMのpost-trainingが従来の「人間の好みデータを少量与えてRLHFする」段階を大きく超えたことを意味する。

    Agent自身が環境に入り、
    考える
    toolを呼ぶ
    terminalを操作する
    codeを書く
    testする
    失敗する
    修正する
    評価される
    というloopを1億回規模で回している。
    Reflectionはこれを「high-compute RL」という新しいscaling axisとして扱っている。事前学習の規模(23.8T)は中国トップ勢と比べて突出していないが、RLへの投資量で勝負する、という設計判断が読み取れる。

    第14章 100万環境と13億Sandbox――「Agent RL Factory」を支える7つの仕組み

    AgentのRLでは、単にLLMへ質問と正解を与えるだけでは不十分である。現実のsoftware engineeringやcomputer workでは、モデルがenvironmentに働きかける。
    そのため必要なのは、Model、Tool、Environment、Sandbox、Evaluator、Reward、Harness、State、Computeをまとめたsystemである。

    まず「環境」の作り方から見ていく。Reflectionは100万近い環境を、主に合成データパイプラインで作り、専門業者のデータとオープンソースで補った。そのうえで、難しすぎず易しすぎない難易度のものだけを残し、曖昧な問題、誤解を招く問題、当て推量で解ける問題、報酬をハックできる問題を徹底的に除いた。さらに実際にRLで回して問題を洗い出し、次の調達・選別に反映するという反復を繰り返した。Reflectionは、データ品質で妥協すると能力が頭打ちになったと書いている。

    次に、学習期間中は平均11万件の同時rolloutを維持した。それを可能にしたのが、次の7つの仕組みである。
    一つ目は、完全非同期の実行。Agentがrolloutを生成している間にtrainerが学習を進め、新しいモデルを配布する。各tokenにはどのモデルバージョンで生成されたかのタグが付き、policyの古さ(staleness)を学習アルゴリズムが考慮する。1日以上前、つまり107バージョン前の方策で生成されたサンプルが混じっても、数値的に安定して学習できたという。

    二つ目は、柔軟な計算資源の配分。推論側と学習側のGPU比率を3.9対1から5.4対1の範囲で調整し、学習状態を失わずにtrainerを5種類のGPUメッシュ構成の間で組み替えた。RLでは学習よりもrollout生成のほうがはるかに多くのGPUを食う、という実態がよく分かる数字だ。

    三つ目は、高速なモデル更新。新しいweightは中央値約12秒で推論フリート全体に届く。ラック間はRoCE、ラック内はNVLinkで配る階層型配信により、全レプリカが直接取りに行く方式に比べてラック間トラフィックを75%削減し、新weightの全体反映を2.2倍速くした。
    四つ目は、推論障害への耐性。期間中に71件の推論系インシデントが起きたが、学習ジョブは一度も止まらなかった。推論能力の回復は中央値8分で、失われた容量は推論GPU時間の0.02%にすぎない。

    五つ目は、大規模な環境実行。同時に最大17万のsandboxを動かし、20以上のクラスタ、2つのクラウド、4つのリージョンにまたがって10億件超のsandbox作成要求を処理した。新しいsandboxの90%は10秒以内に準備できた。
    六つ目は、学習バッチの効率的な詰め込み。平均rollout長が約70%伸びても、バッチの充填率は平均99.99%を保ち、GPUあたりの学習スループットの低下を1.5%以内に抑えた。

    七つ目は、観測可能性と報酬の健全性。token単位の記録で学習側と推論側の数値の一致をステップごとに検証し、正解と判定された解答を独立した審査役が再チェックして、検証器の抜け穴を突いた「報酬ハック」を洗い出した。
    2024年までのAI競争は主に「Pretraining computeをどこまで増やすか」だった。

    2026年の競争は、
    Post-training RL computeをどこまで増やせるか
    何個の環境を作れるか
    何十万のagentを並列実行できるか
    どうやってsandboxを供給するか
    どれだけ正確に、ごまかされずにrewardを付けられるか
    へ移り始めている。

    Reflectionはこの競争を先取りしている。そして、こうしたRL基盤の詳細をここまで具体的な数字で開示している点も、他社にはない特徴である。

    第15章 短く考えて正解する――長さペナルティとreasoning effort

    Beamの効率を支えるもう一つの仕掛けが、「無駄に長く考えさせない」訓練である。
    Reflectionは、正解には報酬を与えつつ不要なtokenにはペナルティを課す、調整可能な長さペナルティを使った。
    RLの初期には、出力の長さが短くなっているのに性能は上がった。モデルが「より少ない推論で、より上手に解く」ことを覚えたのである。その後、Agent能力が育つにつれて出力は再び長くなったが、増えたtokenはさらなる性能向上に結びついていた。学習を通じて、能力とtoken使用量のトレードオフが一貫して改善したという。

    ユーザーはこのトレードオフをreasoning effortで選べる。APIではlow、medium、high、xhigh、maxの5段階があり、既定値はmedium。推論は常にオンで、オフにはできない。
    軽い作業はlowで速く安く、難しい課題はxhighやmaxで粘らせる。大量のAgentを並列で動かす企業にとって、この「1問あたりのtoken数を制御できる」ことは、Active Parametersの小ささと同じくらい重要なコスト要因になる。

    第16章 Beamのアーキテクチャと1M Context

    Beamは52層のSparse MoEである。
    Reflectionが明らかにしている要素には、interleaved local/global attention、fine-grained routed experts、制御されたresidual stream、複数のload balancing機構がある。

    MoEでは一部Expertにtokenが集中するとthroughputが低下する。ReflectionはDeepSeekが提案したauxiliary-loss-free load balancingをベースに、expert-bias更新に cosine decay を導入し、学習後半のrouting変動を抑えた。さらにsequence-level balancingを加え、事前学習の分布外のデータでもExpertが均等に使われるようにした。下流のRLでデータ分布が変わることへの備えである。

    結果として、事前学習完了時点で最も混雑したExpertでも、MoE層全体で平均した負荷は1.04倍にとどまった。ほぼ完全に均等なExpert利用である。
    residual streamについては、層が深くなるにつれて活性値が膨らむのを打ち消す「深さベースのスケーリング」を独自に開発した。これにSandwichNorm、elementwise attention gating、小さな更新を足し込む際の丸め誤差を減らすFP32 residual accumulationを組み合わせ、52層すべてで活性値の暴走や外れ値を抑えた。この安定性は、事前学習、RL、アラインメントを通じて保たれたという。

    Midtrainingは、高計算量RLの土台づくりとして設計された。実世界のタスクの構造と複雑さを捉えるデータパイプラインを多段で組み、推論の連鎖が長い文書にも触れさせた。同時に、structured code repository、long-horizon task、long-form technical documentを使って、実効context lengthを1M tokensへ拡張した。

    これはAsimov時代からReflectionが重視してきた「巨大なcodebaseを理解する」という課題と直接つながっている。
    なお、Expertの総数や1トークンあたりに選ぶExpert数、attentionの詳細、KV cacheの設計、量子化方式、自社運用に必要なGPUメモリなどは、まだ公開されていない。10月中に出る予定のTechnical Reportで最も注目すべき部分である。

    第17章 安全性とアラインメント――二人の教師を一つに蒸留する

    Beamの安全性への取り組みは、通常の「最後にSFTで安全対策を足す」方式とは異なる。
    Reflectionは、事前学習済みのチェックポイントから、能力を伸ばすためのRL教師とは別に、安全性とアラインメント専用の二つ目のモデルを、独立したSFTとRLのパイプラインで学習させた。そして、大規模RLの教師と安全性の教師という二人の能力を、multi-teacher on-policy distillation(MOPD)で一つのモデルへ統合した。

    行動原則は3段階に整理されている。
    第1層:破ってはならないルール。安全ポリシーの順守と、AIエージェントとしての自己同一性の維持。
    第2層:常に満たすべき性質。与えられた文脈を使う、正確な主張をする、不確かさを認める、ユーザーの依頼に透明に従う。
    第3層:既定の対話スタイル。直接的で、徹底的で、効率的で、ユーザーが次に必要とするものを先回りする。

    アラインメント段階のRL環境の多くは、正解を機械的に判定できない領域で、生成型の報酬モデルが採点した。それでもReflectionは、RL実行前に報酬が行動をどう変えるかを予測でき、その予測精度は相関係数0.79と、Best-of-N上限から予測する方法(0.46)を上回ったという。これにより、ハルシネーションや過剰な書式の多用といった癖を事前に狙って潰せたとしている。

    安全訓練にはOpenAIが提唱したdeliberative alignmentを採用し、安全ポリシーをモデルの推論過程そのものに組み込んだ。データは敵対的・反復的に作られた。モデルを学習し、有害な応答や過剰な拒否を引き出すプロンプトを生成し、成功した攻撃を次のSFTデータに戻す、という周期を回した。安全性RLでは、シングルターン、マルチターン、ジェイルブレイク、そして「模擬攻撃者がツールを使うモデルに危険な行動を取らせようと圧力をかける」エージェント的シナリオを使い、有害な従順と過剰な拒否を同時に減らしたという。

    安全性評価の結果はTechnical Reportで公表し、社内で使った安全性評価そのものもオープンソース化するとしている。オープンウェイトは公開後に回収できない。Beamの安全性の実力は、weight公開後に第三者がどこまで「外せるか」で試されることになる。

    第18章 公開ベンチマーク全表――どこで勝ち、どこで負けているか

    ReutersやTechCrunchは「GLM-5.2にほぼ匹敵し、Qwen3.8-Maxに迫る」と報じた。これはReflection自身の表現(GLM 5.2のような大型オープンモデルと競合し、コーディングとエージェントタスクでQwen 3.8-Maxに迫る)をそのまま伝えたものだ。

    実際の数字を見ると、もっと立体的な姿が見えてくる。まず、Reflectionが公開した「エージェント型コーディング/ターミナル」の表である。NRは未報告を示す。

    Agentic Coding/Terminalの主要公称値は次の通り。DeepSWE v1.1はBeam 44.4、GLM-5.2 44.0、GLM-5.3 61.0、Kimi K3 68.0、Qwen3.8-Max 51.0、DeepSeek V4.1 Flash 74.2。SWE Bench Pro v2-HardはBeam 77.2、Inkling 56.9、GLM-5.3 84.3、Kimi K3 88.2。SWE Bench Pro v1はBeam 65.5、Inkling 54.3、Nemotron 3 Ultra 46.4、GLM-5.2 62.1、Qwen3.8-Max 67.7。
    Terminal Bench v2.1はBeam 80.1、Inkling 63.8、Nemotron 3 Ultra 56.4、GLM-5.2 81.0、GLM-5.3 88.2、Kimi K3 88.3、Qwen3.8-Max 86.6、DeepSeek V4.1 Flash 90.6。SWE Atlas Codebase QnAはBeam 34.6、GLM-5.3 61.0、Kimi K3 68.0。SWE-Bench MultilingualはBeam 78.0、Nemotron 3 Ultra 67.7。SWE-Bench VerifiedはBeam 80.9、Inkling 77.6、Nemotron 3 Ultra 70.7。NRは未報告を意味する。

    この表から読み取れることは四つある。
    第一に、Reutersの比較対象だったGLM-5.2とは、ほぼ互角である。DeepSWEは44.4対44.0、SWE Bench Pro v1は65.5対62.1でBeamが上。Terminal Benchは80.1対81.0でわずかにGLM-5.2が上。

    第二に、西側のオープンモデル(InklingとNemotron 3 Ultra)には、比較できる項目すべてで勝っている。SWE-Bench VerifiedではBeam 80.9、Inkling 77.6、Nemotron 70.7。Terminal Benchでは80.1対63.8対56.4と大差だ。「西側オープンの最前線を押し上げた」というReflectionの主張は、少なくとも自社表の上では成り立っている。

    第三に、中国の最新世代には明確に負けている。GLM-5.3、Kimi K3、DeepSeek V4.1 Flashは、DeepSWEで61〜74、Terminal Benchで88〜91。Beamとの差は10〜30ポイントある。Reflectionが並べた比較相手の中で、Beamが「互角」と言えるのは一世代前のGLM-5.2までだ。

    第四に、大規模コードベースの理解を問うSWE Atlas Codebase QnAが34.6と際立って低い。GLM-5.3(61.0)、Kimi K3(68.0)の約半分である。第5章で触れたとおり、Asimovで「コード理解」を掲げてきた会社としては意外な弱点だ。
    推論・STEM系については、Reflectionの発表図表にHLE(ツールなし)、GPQA Diamond、SciCodeなどが含まれている。本稿の初版で整理した値は次のとおりだが、これらは発表ページの図表から読み取ったものであり、Technical Reportの公開後に改めて照合する必要がある。

    Reasoning/STEM/Agent系の主要公称値は、HLE(ツールなし)がBeam 36.2、GLM-5.2 40.5、GLM-5.3 42.3、Kimi K3 46.9、Qwen3.8-Max 43.6、DeepSeek V4.1 Flash 39.1。GPQA DiamondはBeam 90.5、GLM-5.2 91.2、GLM-5.3 91.7、Kimi K3 93.5、Qwen3.8-Max 92.6、DeepSeek V4.1 Flash 90.9。SciCodeはBeam 49.7、GLM-5.3 59.0、Kimi K3 58.7、Qwen3.8-Max 52.1、DeepSeek V4.1 Flash 52.0。
    AutomationBenchはBeam 37.0、GLM-5.2 26.2、GLM-5.3 48.2、Kimi K3 46.7、Qwen3.8-Max 39.8、DeepSeek V4.1 Flash 54.8。MCP AtlasはBeam 78.7、GLM-5.2 77.8、GLM-5.3 84.2、Kimi K3 82.3、Qwen3.8-Max 84.5。LongBench v2はBeam 65.5、GLM-5.2 64.0、Qwen3.8-Max 66.3。これらはReflectionが発表時に整理した値を含み、評価Harnessやreasoning effortが異なるため、数ポイントの差を絶対視すべきではない。

    注意点も挙げておく。
    ひとつは、他社モデルの数値がReflection側で整理したものである点だ。たとえばGLM-5.3のDeepSWE v1.1は、Reflectionの表では61.0だが、Z.ai自身の発表では66.9である。ハーネス、reasoning effort、評価条件で数値は変わるため、1〜数ポイントの差を絶対視すべきではない。

    もうひとつは、Beamの数値がすべてReflectionの自己申告である点だ。独立系の評価機関Artificial AnalysisがReflectionからアクセスを得てBeamを検証中だと報じられており、その結果が最初の第三者評価になる。
    結論として、Beamの現在地は「中国の一世代前のトップ(GLM-5.2)と互角、最新世代には10ポイント以上差を付けられ、西側オープン勢には勝つ」である。この「能力の割に推定推論計算量が小さい」という点が、Beamの最大の売りになる。ただしAPI価格やself-host時の実測TCOは未公表で、推定FLOPsと実費は分けて考える必要がある。

    第19章 デモから見えるBeamの実力と限界

    Reflectionは発表時に、Beamがどのような仕事をこなせるかを示すデモも公開した。ベンチマークよりも実務のイメージがつかみやすいので、主なものを紹介する。
    一つ目は、ニューヨーク地下鉄のリアルタイム路線図。Beamは公開されているMTAのデータを使い、ドキュメントを自分で検索し、認証の要否を確かめ、路線と地図のジオメトリを探し、駅間で列車を動かす工夫までして、フロントエンドとバックエンドを構築した。サーバーが動き続けるところまで面倒を見ている。

    二つ目は、見たことのない領域でのモデル微調整。BeamをオープンソースのコーディングエージェントOpenCodeに組み込み、Unslothを調べさせて、Googleの最新最小モデルGemma-4をText2SQLタスクで微調整するノートブックを作らせた。Beamはモデルカードやドキュメントを読み込んで実装し、Gemmaの保留テストセットでの正答率を66.5%向上させたという。

    三つ目は、3Dゲームの作成。宇宙飛行士が地球に向かって自由落下しながら小惑星を避けたり「ビーム」で破壊したりするゲームを、p5.jsで作った。Beamは画像を見られないが、ゲームの見た目がどうあるべきかをテキストで推論して組み立てている。
    四つ目は、陸と海の判定実験。経度・緯度の格子16,200点それぞれが陸か海かを当てる課題で、Beamは95.5%を正しく埋めた。Reflectionは、これがAnthropicのOpus 5(92.5%)とFable 5(97.8%)の間に入る結果だとしている。

    さらに興味深いのは、RLの汎化に関する報告だ。推論、ソフトウェアエンジニアリング、ターミナルのタスクで学習していた段階で、学習データにブラウジングのタスクを入れていないのに、ブラウジング性能が一貫して向上した。Webアクセスを与えると、Beamは自発的に検索し、他のLLMに問い合わせ、OCR APIで文書を読むことを覚えたという。

    一方で、限界も明確だ。Beamはtext-onlyである。画像やPDFは、OCRなどの外部ツールでテキストに変換して初めて扱える。開発者ドキュメントにも、画像やPDFを添付するとモデルではなく「読めない」という注記が送られる、と明記されている。

    第20章 開発者はBeamをどう使えるのか――API、OpenAI互換、既存Agent Harness連携

    Beamは発表と同時に、限定的ながら開発者向けの利用経路も用意された。ReflectionのDeveloper Platformはベータ版で、waitlist経由でEarly Accessを段階的に開放している。
    公開されている開発者情報では、OpenAI互換のChat Completions/Models系インターフェースを用意し、reasoning、tool calling、structured outputs、streamingといったAgent開発に必要な機能を重視している。API上のモデルIDはBeam-501B-A23Bとされ、ベータ時点では総contextが約256K、最大出力が約128K、reasoning effortはlow/medium/high/xhigh/maxの5段階で調整できる。これらはベータ仕様であり、正式公開までに変更される可能性がある。

    重要なのは、Reflectionが既存のAgent ecosystemへBeamを差し込む方針を明確にしていることである。公式発表では、10月中のweight公開時に、実行・評価・fine-tuningのためのfull stack、複数のdistribution partner、幅広いopen-source library/harnessとのintegrationを同時に展開するとしている。発表デモでもBeamをOpenCodeに組み込み、未知のモデル微調整タスクを実行させている。

    開発者ドキュメントを見ると、Reflectionはハーネスも自前で持ち始めている。ターミナル用のコーディングエージェント「Mirror CLI」は既定でBeamを使い、APIキーを入れるだけで動く(macOSのApple Silicon版とLinux版、Gitのworktreeによる並列タスク対応)。あわせて、オープンソースのコーディングエージェントであるPi、OpenCode、Nous ResearchのHermes AgentからOpenAI互換エンドポイント経由でBeamを使う手順も公開されている。なお公開APIが対応するのはChat CompletionsとModelsで、OpenAIのResponses APIには対応していない。

    一方、2026年10月6日時点では一般ユーザーがweightをダウンロードしてself-hostできる状態にはまだなっていない。API料金も公表されていない。
    ここはBeamを評価する上で非常に重要である。Reflectionは「GLM-5.2級の推論を3〜4分の1の推論computeで出せる」と主張するが、これは推定FLOPsと生成token数を使った計算効率の比較であり、実際のドル建てAPI価格やself-hostのTCOではない。weight容量、量子化、必要GPUメモリ、KV cache、batch時のthroughput、電力、prompt cache、API価格が明らかになるまでは、「Beamの実運用コストがDeepSeekやQwenより安い」と断定することはできない。

    したがって現時点の開発者視点での評価は、「Agent向けAPIのEarly Accessが始まり、既存Harnessへの統合方針も示された。しかし、本格的なOpen Weightとしての評価は10月中のweight/Technical Report/Model Card公開を待つ必要がある」とするのが最も正確である。

    第21章 Beam vs DeepSeek/Kimi/Qwen/GLM――中国オープン勢との比較

    2026年10月6日時点の主要な中国オープンウェイトモデルとBeamを比較すると、Beamは501B total/23B active、学習上1M context、Beta API約256K、text-onlyで、weightは10月中にApache 2.0で公開予定。
    DeepSeek V4.1 Flashは2026年9月10日発表、552B backboneに大規模Engram memoryを組み合わせ、入力時8B/出力時16B active、1M context。GLM-5.2は約744B/40B active。GLM-5.3は8月14日発表でGLM-5.2系のbaseを使い、post-trainingを大きくscaleしたモデルである。
    GLM-5.3-Flashは2026年10月3日発表、320B total/18B active、最大1M context、native multimodal、MIT License。Qwen3.8-Max系は2.4T/95B active級、Kimi K3は2.8T/104B active級で、いずれもBeamより1token当たりのActive Parametersは大きいが、最新のcoding/agent benchmarkではBeamを上回る項目が多い。

    Active Parametersの代表値だけを並べると、
    DeepSeek V4.1 Flash:出力16B(入力8B)
    GLM-5.3-Flash:18B
    Beam:23B
    GLM-5.2/GLM-5.3:40B級
    Qwen3.8-Max:95B
    Kimi K3:104B級

    となる。
    Kimi K3はBeamの約4.5倍、Qwen3.8は約4.1倍、GLM-5.3は約1.7倍のActive Parametersを使う。一方、DeepSeek V4.1 FlashはBeamよりさらに小さい8B/16B Activeで、Reflectionが掲載したコーディング・エージェント系ベンチマークではBeamを大きく上回る。

    DeepSeekについては「16B Active」という数字だけでモデル全体のself-host footprintを判断してはいけない。公式発表の552B backboneに加え、vLLMのdeployment recipeでは大規模なEngram memoryも扱う。さらにKV cacheを前世代比でHBM 4分の1、SSD 8分の1へ縮小したとDeepSeekは説明している。つまりActive Parametersは1token当たりの主要演算量を見るには有用だが、checkpoint容量や必要GPUメモリを直接表す数字ではない。

    さらに、Beam発表のわずか2日前、2026年10月3日にZ.aiがGLM-5.3-Flashを発表した点は重要である。GLM-5.3-Flashは320B total/18B Activeで、GLM-5系列初のnative multimodal model。新しいbase model、sparse+linear attentionのhybrid architecture、30T-token multimodal corpusを使い、weightをMIT Licenseで公開した。Z.aiは最大1M contextで、GLM-5.3に比べattention computeを約3分の1、KV cacheを約4.4分の1にしたと主張している。

    これはBeamにとって非常に直接的な競合である。Beamが「23B Activeの小ささと推論効率」を売りにする一方、GLM-5.3-Flashは18B Activeでnative multimodalまで備え、すでにweightsも公開済みだからだ。したがって「小Activeで高性能」という土俵では、DeepSeekとZ.aiが現在のBeamに強い圧力をかけている。

    一方、Beamには中国勢とは異なる戦略的価値がある。
    米国企業が開発するモデルであること。
    Apache 2.0での公開を予定していること。
    米国防総省やDOEとの関係をすでに持つこと。
    weight公開後のself-host、private deployment、AI Factoryを企業・政府向けに一体化しようとしていること。

    Beamが狙うのは、純粋なベンチマーク1位だけではない。中国製モデルを採用しにくい金融、政府、国防、重要インフラを含む市場で、「高性能な西側製Open Weight」を提供することが事業上の核心になる。

    第22章 西側オープン勢の再編――Thinking Machines「Inkling」、Meta「Muse」、NVIDIA「Nemotron」

    Beamの直接のライバルは、中国勢だけではない。2026年夏以降、西側のオープンウェイト市場も大きく動いた。
    Thinking Machines Lab「Inkling」
    元OpenAI CTOのMira Muratiが創業したThinking Machines Labは2026年7月15日、初の自社open-weight model「Inkling」を公開した。975B total/41B ActiveのMoEで、最大1M context。45兆tokensのtext、image、audio、videoでpretrainingされ、text・image・audioをnativeに扱う。LicenseはApache 2.0である。

    Reflection自身の比較表では、BeamはSWE-Bench Verified 80.9対77.6、Terminal Bench 2.1 80.1対63.8など、比較可能な主要coding benchmarkでInklingを上回る。一方Inklingはnative multimodalであり、Beamはtext-onlyである。両社は「企業が自分のデータでモデルを育てる」という思想でも競合する。

    Thinking Machinesは7月30日、さらに「Inkling-Small」を公開した。276B total/12B Active、最大1M context、text・image・audio入力、Apache 2.0。Beamの23B Activeよりさらに小さく、Open Weight市場では「総容量を保ちながら1token当たりのActiveを減らす」競争が西側でも加速している。

    Meta「Muse Glimmer」と「Muse Spark 1.3」
    Metaは8月10日に30BのDense multimodal model「Muse Glimmer」をApache 2.0で公開した。Meta公式では、always-on local agent向けのopen modelと位置づけ、text+image入力、既定128K context、tool use、long-horizon task、failure recoveryを重視する。BF16 checkpointは約60GB、公開された4bit buildはtext modelが約17〜20GBで、24〜32GB級のconsumer hardwareでも運用を狙える。

    これはBeamとは別の方向のOpen戦略である。Beamはfrontier-adjacent能力を狙う巨大MoE、Muse Glimmerはローカルで常時動くAgentを狙う30Bモデルで、競争軸が違う。
    Metaの高性能側では、9月2日にMuse Spark 1.3が登場した。こちらはMeta Model APIで提供されるhosted modelで、1M context、standard tierは100万tokens当たりinput 1.25ドル、cached input 0.15ドル、output 4.25ドル。native multimodal perceptionとlong-horizon codingを重視する。2026年10月6日時点でMetaが一般ダウンロード可能なopen weightとして前面に出しているのはMuse Glimmerであり、Muse Spark 1.3はhosted API側の競合として分けて考えるべきである。

    NVIDIA「Nemotron 3 Ultra」
    NVIDIA自身も550B/55B Active級のNemotron 3 Ultraを展開している。Reflectionの比較表ではBeamがTerminal BenchやSWE-Benchで上回るが、NemotronはNIM、NeMo、TensorRT-LLMなどNVIDIAのenterprise stackと一体で導入できる点に強みがある。

    NVIDIAにとっては、自社Nemotronが勝っても、Reflection Beamが勝っても、Open Weightを動かすGPU・network・enterprise softwareへの需要が増える。Reflectionへの投資とNemotron開発は矛盾ではなく、「Open model ecosystem全体をNVIDIA基盤へ引き寄せる」という同じ戦略の別ルートと見る方が分かりやすい。

    この構図を整理すると、
    Reflection=巨大Agent RLとAI Factory
    Thinking Machines=native multimodalとcustomization/Tinker
    Meta=local open model+hosted agentic model+巨大配布網
    NVIDIA=hardwareとenterprise AI stack

    という西側内部の分業と競争が見え始めている。

    第23章 Closed Frontier――GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argonとの違い

    BeamをOpenAI、Anthropic、Googleと直接比較する場合は注意が必要だ。
    これらの企業は、総パラメータ数、Active Parameters、学習token数、RL rollout数などを公開していない。そのためBeamのようなopen-weight modelと、計算効率を同じ方法で比較できない。比較できるのは、タスク性能とAPI価格である。

    2026年10月時点の主なclosedモデルは次のとおり。

    Closed Frontierの代表仕様は、GPT-6 Astraが2026年9月3日発表、1.05M context、128K max output、標準API価格は100万tokens当たりinput 10ドル/output 50ドル。GPT-6.1 Solは9月29日発表、1.05M context、128K max output、input 2ドル/output 10ドル。Claude Opus 5.5は9月22日発表、1M context、128K max output、input 4ドル/output 20ドル。Claude Fable 5.1は1M context、128K max output、input 10ドル/output 50ドル。Gemini 4 Argonは9月30日発表で、Googleが最大1M tokensのoutput limitを打ち出し、Fairwind Programのtrusted cyber defendersから段階展開している。Argonの「1M」は発表時点で入力context上限としてではなく、output limitとして説明されている点に注意が必要である。

    ここではGoogleの「1M」をcontext windowと取り違えないことが重要である。9月30日の公式発表が明示したのは「最大1M tokensのoutput limit」(従来の64Kから拡大)で、入力contextの上限は打ち出されていない。価格は導入時点で100万token当たり入力2ドル/出力10ドルと報じられているが、ArgonはまずFairwind Programのtrusted cyber defendersへ限定展開されており、一般の開発者がすぐ使える状態ではない。Googleは安全検証後に有料API顧客などへ広げるとしている。性能面では、GoogleはDeepSWE v1.1で77.9%という最高水準を主張しており、Beamの44.4、DeepSeek V4.1 Flashの74.2を上回る。closed frontierの最上位とBeamの差は、コーディング系では依然として大きい。

    また、Reflectionの企業向け競争相手としてはGPT-6 Astraだけでなく、9月29日に登場したGPT-6.1 Solも重要である。OpenAIは「Astraに迫る性能を5分の1の標準token価格」と位置付けており、self-hostはできないものの、Agentを大量実行する際のclosed API側の価格競争力を大きく引き上げた。

    Axiosの取材に応じた関係者によれば、Beamは当初、米国の最先端モデルには及ばず、中国のトップオープンモデルと競合する水準とされていた。発表された数字も、その見立てどおりである。Reflection自身が開示したデモでも、Opus 5やFable 5と並べて比較している(第19章)。

    しかし、closedモデルの利用者はmodel weightを取得して自社GPUへ置くことはできない。ここがReflectionとの最大の違いである。
    そして2026年は、この違いが現実のリスクとして意識された年だった。6月12日、AnthropicはFable 5とMythos 5へのアクセスを、米商務省の輸出管理に対応するため一時停止した。商務省が6月30日に管理を解除したことを受け、Anthropicは7月1日にアクセスを再開している(同社声明)。一方OpenAIも、米政府の要請を受けてGPT-5.6の一般公開を段階化し、まず選定されたパートナーへの提供から始めた。Reflectionは同月のSpaceXとの契約発表で、こうした出来事が「閉じたモデルだけに依存するリスクとコスト」を各国や企業に認識させた、とコメントしている。

    Closed Frontierの価値は、最高性能、managed infrastructure、安全制御、tool ecosystem、使いやすさにある。
    Open Weightの価値は、自社運用、fine-tuning、private deployment、air gap、sovereign control、cost optimization、vendor lock-in回避、そして正規に取得したweightであればprovider側のAPI停止だけで直ちに使えなくなるわけではないことにある。ただし、Open Weightであっても法令、輸出規制、ライセンス、hardware供給の制約から自由という意味ではない。

    Reflectionは「OpenAIやAnthropicをAPI benchmarkで倒す」だけではなく、「Closed AIに依存したくない企業・政府のためのfrontier intelligence」を売ろうとしている。

    第24章 世界AIモデル勢力図――能力では中国勢、効率と西側OpenでBeam

    2026年10月の世界AIを単純化すると、四つに分けると分かりやすい。
    米国Closed Frontier
    OpenAI、Anthropic、Google
    中国Open Frontier
    DeepSeek、Moonshot AI(Kimi)、Alibaba(Qwen)、Z.ai(GLM)

    米国Open Frontier再建勢
    Reflection AI、Thinking Machines Lab、Meta、NVIDIA
    欧州・その他のOpen勢
    Mistral、Cohereなど
    現状、Open WeightのRaw Capabilityでは中国勢が非常に強い。コーディング・エージェントではDeepSeek V4.1 Flash、Kimi K3、GLM-5.3がBeamより上にいるbenchmarkが多い。

    ただしBeamは、西側Open Weightの中では、少なくとも自社公表値の上で一気に首位候補に躍り出た。InklingにもNemotron 3 Ultraにも、比較可能な全項目で勝っているからだ。
    評価軸ごとに整理すると、次のようになる。

    2026年10月時点の勢力図を軸別に要約すると、Open Coding/AgentではDeepSeek V4.1 Flash、Kimi K3、GLM-5.3が先頭集団で、Qwen3.8-MaxやGLM-5.3-Flashが続く。Openの推論効率ではDeepSeek V4.1 FlashとGLM-5.3-Flashが非常に強く、Beamはその次の有力候補に位置する。Open最大容量ではKimi K3の2.8T、Qwen3.8の2.4Tが大きい。
    Western Openの能力競争ではBeamが有力だが、Inkling、Muse系、Nemotron 3 Ultraも異なる強みを持つ。マルチモーダルではInklingやMuse GlimmerがBeamより明確に先行する。ライセンスの自由度ではBeamのApache 2.0予定、DeepSeekやGLM-5.3-FlashのMITが企業利用上の強みとなる。Reflection固有の差別化は、1億回超のRL rolloutを含むRL基盤の開示度と、米政府・国防・Sovereign AI市場へ接続する事業構造である。

    ここで言えるのは、Beamの価値は「単一の評価軸で1位」ではなく、「米国製」「Apache 2.0」「中国最新世代の一段下の能力」「小さな推論計算量」「政府・国防との関係」「AI Factory」を同時に満たすことにある、という点だ。

    第25章 Open Weight、Open Source、Apache 2.0――Reflectionの「Open」とは何か

    「Open AI」と書くと誤解されやすい。
    ReflectionはBeamをopen-weight modelと表現している。2026年10月中にBeamのweightをApache 2.0で公開する予定で、あわせてTechnical Report、Model Card、ドキュメント、そしてモデルを動かし、評価し、ファインチューニングするための完全なスタックを公開するとしている。公開時には配布パートナー(ハイパースケーラーやネオクラウド)と、幅広いオープンソースのライブラリ・ハーネスとの統合も用意するという。

    前述のとおりReflectionは「Open Intelligence」を、Model Weights、Science、Softwareの3つで定義している。これは単にweightだけを置くより一歩進んでいる。
    ただし、Beamの学習データ全体が公開され、誰でも23.8兆tokenの学習を完全に再現できるわけではない。データにはproprietary licensed datasetsが含まれ、同社は当初からデータセットと学習パイプラインの全体は非公開とする方針を示している。

    したがって厳密には、
    「学習データまで含めて完全に再現可能なフルオープンAI」
    と
    「weight・研究・一部softwareを公開するopen-weight AI」
    は分けて考える必要がある。

    それでも、Apache 2.0予定というのは企業利用にとって大きい。中国勢を見ると、DeepSeek V4.1 FlashとGLM-5.3-FlashはMITだが、GLM-5.3は売上100億ドル超の事業者に安全審査を課す独自ライセンス、Qwen3.8-Maxは独自のQwen3.8-Max License、Kimi K3はModified MITである。オープンウェイトといっても、ライセンス条件はモデルごとに確認が欠かせない。予定どおりApache 2.0で出れば、Beamはフロンティア級モデルとして商用利用・改変・再配布の自由度が高い部類に入る。ただし西側でも、MetaのMuse GlimmerやThinking MachinesのInkling-SmallがすでにApache 2.0で公開されている。Apache 2.0そのものはBeamだけの差別化要因ではなく、「Apache 2.0でフロンティア級の500B級モデルを出す」ことが新しさである。

    第26章 Reflectionのビジネスモデル――ModelからAI Factoryまで

    Open weightを無料で配るなら、どうやって巨大なGPU投資を回収するのか。
    Reflectionの答えは「modelだけを売らない」ことである。研究者はモデルを無料で使えるが、収益は、Reflectionのモデルの上に製品を作る大企業と、ソブリンAIを構築する政府から得る、という設計だ。

    中心にあるのが「AI Factory」である。企業や機関が、自社の独自データでReflectionのモデルを訓練し、自前の計算資源で、自分専用の安価でカスタマイズされたAIシステムを作る。Axiosによれば、特にヘッジファンドやトレーディング会社が、厳重に守られた自社データで独自のAIシステムを作ることに強い関心を示しているという。性能が一段落ちるオープンモデルでも、質の高い自社データと組み合わせれば、特定の用途では最も高価なフロンティアAIに匹敵する結果を出せる、という考え方である。

    企業側から見ると、
    Reflection model
    ↓
    自社データでfine-tuning/RL
    ↓
    Agent Harness(既存のOSSエージェントや企業内ツール)
    ↓
    Tools/Sandbox
    ↓
    Private Cloud/On-Prem/Air-Gapped
    ↓
    NVIDIA GPU infrastructure

    という構成になる。
    ReflectionはModel Providerだけではなく、Open Model Company、Agent Platform Company、AI Infrastructure Company、AI Factory Operator、Sovereign AI Companyを同時に狙っている。

    この構想はすでに大手ハードウェア企業との販売経路へ入り始めている。2026年5月18日、Dell Technologiesは「Dell AI Factory with NVIDIA」のエコシステム拡張を発表し、Reflectionを新しいAIソリューションのパートナー群に加えた。Reflection自身は、Dellとの共同ソリューションについて、企業が自社インフラの中だけでproduction-grade AIを構築・運用し、「third-party cloudへ1 tokenも流さない」構成を目指すと説明している。これはReflectionのPrivate/On-Prem/Air-Gapped戦略を、DellのPowerEdgeやNVIDIA GPUを通じて企業ITへ持ち込む販売チャネルになり得る。

    さらに英国では、2026年6月に100人超を12カ月以内に採用し、3年で1000人超へ広げる計画が英国政府から発表された。ニューヨーク本社、サンフランシスコ、ロンドン、ワシントンD.C.という拠点構成を見ると、Reflectionは研究人材だけでなく、企業導入・政府案件・政策対応まで含む組織を急速に作ろうとしている。

    これはRed Hat的な発想にも近い。Linux kernel自体はopenでも、企業はdeployment、support、security、integration、operationsへお金を払う。AIでも同じ構造を作ろうとしている。
    ただし、Thinking Machinesも「Inklingは無料、収益はファインチューニング基盤Tinkerから」という同じ構図を取っている。オープンウェイトは誰でもダウンロードでき、ダウンロードした人に開発元へ料金を払う義務はない。モデル以外の部分でどれだけ課金できるかが、両社共通の課題である。

    第27章 Sovereign AI――韓国・新世界グループとの250MW構想

    Reflectionの戦略を最も象徴しているのがSovereign AIである。
    2026年3月16日、Reflectionは韓国の大手財閥・新世界(Shinsegae)グループと、韓国の企業・政府機関向けソブリンAIクラウドを構築する覚書(MOU)を結んだ。
    計画規模は250MWのAIファクトリー。Reflectionのopen-weight基盤モデルとNVIDIAのGPUで動かし、米韓両政府の支援を受ける構想だ。WSJの報道によれば、韓国語と韓国文化に適応したカスタムモデルを開発し、韓国の企業と政府機関に提供する計画で、データセンターは韓国最大級の規模になるという。

    役割分担も明確に示されている。Reflectionはチップ、モデル、フルスタックのエンジニアリングを提供し、新世界グループは建物、不動産、電力、許認可、資金調達を担う。事業は段階的に進められる。
    LaskinはMOU発表時、韓国が自ら管理し、監査し、自らの条件で進化させられるAIインフラを作ると語った。

    報道によれば、米商務省はこの案件を、米国製AIを同盟国に輸出するより広い「AI輸出プログラム」のひな型として使う見通しだという。トランプ政権はReflectionを「AI外交」の道具として後押ししているとも伝えられている。
    韓国だけではない。2026年9月1日には、サウジアラビアの政府系ファンドPIF傘下HUMAINとも戦略的AI協業を発表した。両社はReflectionの最初の一般提供モデルの公開後、サウジ国内のHUMAINインフラ上へReflectionモデルを展開し、model deploymentとcustomization、sovereign neocloud、さらにcompute offtakeまで検討するとしている。ReflectionのSovereign AI戦略は、韓国という米国の同盟国向け案件から、中東の国家AI基盤へも広がり始めた。

    Sovereign AIで重要なのは、
    自国データを自国内に置く
    model weightを自国側が管理する
    他国企業のAPI停止リスクを下げる
    国防・行政・研究データをclosed cloudへ預けない
    自国内GPUで継続運用できる
    ことである。
    中国がQwen、DeepSeek、GLM、Kimiを持つ一方、西側政府が安心して使えるopen-weight frontier modelは戦略的価値を持つ。ただし、現時点ではMOUの段階であり、建設の進捗や稼働時期はまだ公表されていない。

    第28章 米政府との関係――国防総省、エネルギー省、そして「AI外交」

    Reflectionが単なるスタートアップ以上に注目される理由は、米政府との距離の近さにある。モデルを1本も出していない段階で、国防と科学研究の中枢に入り込んでいる。
    国防総省(2026年5月1日)
    米国防総省は、NVIDIA、Microsoft、AWS、Reflection AIと、機密ネットワーク上でAIを「合法的な作戦用途」に使う契約を結んだと発表した。対象はImpact Level 6・7という高度な機密環境である。この契約は、利用条件をめぐるAnthropicと国防総省の対立を受けて、国防総省がAIベンダーの多様化とベンダーロックイン回避を急ぐ流れの中で結ばれた。米国の大手テック企業と並んでReflectionの名前が入ったことは、同社の位置づけを象徴している。

    エネルギー省(2026年5月22日)
    Axiosの独占報道によれば、ReflectionはDOEが進める科学研究加速の国家プロジェクト「Genesis Mission」で、米国の国立研究所向けのAIモデル提供者となった。Laskinは、閉じたモデルでは科学的発見はできない、科学者はモデルを理解しカスタマイズするために完全なアクセスを必要とする、という趣旨を語っている。Reflectionの公式サイトも、DOEとの協力を「米国の国立研究所とGenesis Missionを支える」ものとして掲げている。

    AI外交
    前章で触れたとおり、新世界グループとの韓国案件は、米商務省のAI輸出プログラムのひな型になると報じられている。出資者には、ドナルド・トランプ・ジュニアがパートナーを務める1789 Capitalも名を連ねる。
    一方で、政府との近さはリスクにもなりうる。米国では一部の政治家からオープンモデルの規制や禁止を求める声も出ており、政策の風向き次第でオープンウェイト事業の前提が変わる可能性がある。

    第29章 資金調達――2年で評価額250億ドル級へ

    Reflectionの資金調達速度は異例である。
    2025年3月にステルスから登場した時点で、SeedとSeries Aを合わせ約1.3億ドルを調達。評価額は約5.45億ドルだった。
    2025年10月には20億ドルを調達し、評価額は80億ドル。NVIDIAは約8億ドルを拠出した最大投資家だった。Reutersは当初「NVIDIAがlead」と報じたものの後にその表現を訂正し、NVIDIA自身も「複数の投資家の一社」にすぎないと説明した。またThe Informationは、最終的な価格・条件を交渉したのは約6億ドルを投じたDisruptiveだったと報じている。Reflectionのブログが謝辞を記した投資家には、B Capital、Citi、CRV、Disruptive、DST、Eric Schmidt、Zoom Ventures、Lightspeed、NVIDIA、Sequoia、1789などが並ぶ。

    2026年3月には、FTが200億ドル超、続いてWSJが25億ドルを250億ドル(プレマネー)で調達する協議に入ったと報じた。JPMorgan Chaseが自社の「Security and Resiliency Initiative」を通じた参加を検討していると伝えられた。
    そして2026年4月23日、CEOのLaskinがCNBCで、最新ラウンドがプレマネー250億ドルでクローズしたことを確認した。3月の報道では25億ドル調達を協議中とされていたが、ReflectionのNewsroomが確認しているのは「250億ドルのpre-money valuationでroundがclosedした」という点であるため、本稿では最終的な調達額とpost-money valuationを推測で補わない。

    PitchBookのデータを引いたTechCrunchによれば、累計調達額は約47億ドルである。
    わずか2年で、
    約5.45億ドル
    → 80億ドル
    → 250億ドル(プレマネー)
    へ進んだことになる。
    同社は現在の売上高やARRを公表していない。したがって250億ドルというprivate valuationを売上倍率で評価するための十分な公開データはない。少なくとも公表情報から分かるのは、投資家が現在の開示売上規模だけではなく、「西側のOpen Frontier AIを握る可能性」、創業チーム、compute確保、国家・国防案件、NVIDIAとの関係を含む将来価値へ巨額資本を投じているということである。

    第30章 SpaceX・Nebiusから契約上限・公表額ベースで70億ドル超のComputeを確保

    Frontier model企業にとって最も重要な資源は人材とGPUである。Reflectionは2026年夏、SpaceXの最大63億ドル契約とNebiusの10億ドル超契約を相次いで結び、契約上限・公表額を単純合算すると70億ドルを超えるcompute capacityを確保した。ただし、SpaceX契約には解約条項があるため、70億ドル超が確定支出として保証されているわけではない。

    GMI Cloudとの提携はそれ以前から始まっている。2025年11月、ReflectionはGMI Cloudの米国GPUクラスタを次世代モデル学習に利用すると発表し、両社はAI FactoryやSovereign AI領域での追加協業も検討するとした。SpaceXやNebiusほど巨額の契約金額が公表された案件ではないが、Reflectionが早い段階から複数の外部GPU供給源を組み合わせる方針を取っていたことが分かる。

    SpaceX(2026年6月22日)
    ReutersがReflectionにとって初の大型compute契約と報じた案件。テネシー州メンフィス近郊にあるSpaceXのデータセンター「Colossus 2」で、NVIDIA GB300と付随ハードウェアを利用する。支払いは2026年7月1日から2029年まで月1.5億ドルで、総額は最大63億ドル。ただし最初の3カ月以降は、どちらの側も90日前の通知で契約を終了できる。Colossus 2はSpaceX/xAI系の巨大AIインフラであり、Reflectionはそこに置かれたNVIDIA GB300 capacityを利用する。

    Nebius(2026年7月14日)
    Yandexからスピンアウトした欧州系AIインフラ企業Nebiusと、約10億ドル(Reutersは10億ドル超と報道)のcompute契約を締結。こちらも2029年までNVIDIA GB300を利用する。
    この構造を見るとReflectionは、全データセンターを自社で所有するのではなく、SpaceX、Nebiusなど複数のcompute providerから大量の容量を束ね、その上に自前のtraining stackを載せる戦略を取っている。

    これは他のfrontier labが長期computeを巨額契約で囲い込む動きとも共通する。ただしSpaceX契約には早期解約条項があるため、「70億ドル超」は将来の確定支出ではなく、契約上限・公表額を合算したcapacity commitmentの規模として読む必要がある。
    2026年のAI競争は「モデルアルゴリズム」だけではなく、電力、data center、GPU、HBM、network、cloud contractを確保する資本競争になっている。

    第31章 Reflectionの強みと弱点

    Reflectionの強みは六つに整理できる。
    第一に、人材。AlphaGo、Gemini、RL、LLM post-trainingの経験を持つ創業チームである。
    第二に、RL。1億回を超えるrolloutを、障害に強い非同期基盤で回し切った。モデル単体ではなく、Environment、Sandbox、Reward、Training Infrastructureまで自社で統合したことが強い。

    第三に、推論効率。501B totalに対して23B Activeであり、さらに不要な推論tokenを減らすlength penaltyまで組み合わせている。
    第四に、Open戦略。weightをApache 2.0で公開し、ScienceとSoftwareまで開く方針を掲げる。

    第五に、Enterprise/Sovereign。Private、On-prem、Air-gapped、国家AI infrastructureまでをAI Factoryとして狙える。
    第六に、政府・産業基盤との関係。米国防総省・DOEの案件に入り、Dell AI Factory with NVIDIAのecosystem、新世界グループ、HUMAINなど企業・国家レベルの販売経路を作り始めている。

    一方、弱点も明確である。
    第一に、Raw Capabilityがまだ中国の最新世代に及ばないこと。Reflection自身の比較表では、DeepSeek V4.1 Flash、Kimi K3、GLM-5.3などにcoding/agent benchmarkで大きく負ける項目がある。さらに10月3日公開のGLM-5.3-Flashは18B Activeでnative multimodal、MIT Licenseまで備える。

    第二に、text-onlyであること。Kimi K3、DeepSeek V4.1 Flash、GLM-5.3-Flash、Inkling、Muse Glimmerとnative multimodal競合が増える中、Beamは画像・動画を直接理解できず、外部OCRやtoolへの依存が必要になる。

    第三に、大規模codebase理解の弱さ。Reflectionの表ではSWE Atlas Codebase QnAが34.6で、GLM-5.3の61.0、Kimi K3の68.0との差が大きい。Asimov以来「codebaseを理解するAI」を掲げてきた会社だけに、次世代モデルの重点改善領域になる。

    第四に、遅延の実績。当初示した「2026年初頭」という目標から半年以上遅れて10月にBeamが発表された。10月中としているweight、Technical Report、Model Cardの公開を予定どおり実行できるかは重要である。
    第五に、独立検証がまだ初期段階であること。2026年10月6日時点で主要benchmarkはReflection自身の公表値であり、Artificial AnalysisはEarly Accessを受けて評価中とされるものの、公開leaderboard上の確定した独立スコアはまだない。

    第六に、実運用コストが確定していないこと。API価格は未公表で、weightの実容量、公式量子化、必要GPU数、実測throughput、KV cache、prompt cache条件も出そろっていない。「推定FLOPsが小さい」と「実際の1タスク当たりドルコストが安い」は現段階では同義ではない。

    第七に、2026年10月6日時点ではweight自体がまだ一般公開前であること。ReflectionはApache 2.0で10月中に公開するとしているが、現時点では誰でもdownloadしてself-hostできる状態ではない。したがってSelf-host、Air-gapped、Sovereign AIというBeamの最大の価値提案は、技術的には非常に魅力的だが、実際のweight公開後に初めて外部から全面検証できる。

    第32章 Beamが示す「LLM競争の次の段階」

    Beamから最も重要な変化を一つだけ選ぶなら、
    「AIモデルの競争単位がModel単体ではなくなった」
    ことである。
    2023年頃は、Transformer、Training Tokens、GPU数、Parameter数が主役だった。
    2026年は違う。
    Model
    Context
    Reasoning
    Post-training
    RL
    Environment
    Sandbox
    Tool
    Harness
    Memory
    Agent Runtime
    Inference Engine
    GPU Cluster

    が一つのsystemとして競争している。
    GLM-5.3は同じbase modelに対してpost-trainingをscaleするだけで大幅に伸びた。
    Kimi K3はlong-horizon coding、research、tool useをモデルとAgent Harnessの組み合わせで強化した。

    DeepSeek V4.1 FlashはActive ParameterとKV cacheを削り、Engramという参照型メモリまで導入して、大量Agent運用の経済性を追求した。
    NVIDIA NemotronはmodelとNIM、NeMo、TensorRT、GPUまで統合する。

    Beamは100万近いEnvironment、13億Sandbox、1億Rolloutを使い、weight公開時には既存のopen-source library/harnessとの広範なintegrationも予定している。
    次のfrontierは、
    「一番大きいLLM」
    ではなく、

    「最も大量にAgent経験を生成し、学習し、安価に運用できるAI System」
    になる可能性が高い。

    第33章 2027年以降、ReflectionはOpenAI・Anthropic・中国勢に追いつけるか

    ReflectionにとってBeamは完成形ではない。
    公式発表で「Beamはシリーズ最初のモデル」と明記し、すでに次のモデルを学習中だとしている。The Informationは以前、今年中に最初のモデル、2027年初頭に大型版を出す計画だと報じていた。
    今後の注目点は明確である。

    23B前後のActive Parametersを維持しながら、DeepSWEを60、70台へ上げられるか。
    Terminal Benchを90前後へ伸ばせるか。
    AutomationBenchを50以上へ上げられるか。
    SWE Atlas Codebase QnAの弱点を克服できるか。

    Native multimodalを追加するか。
    Weightを予定どおり10月中にApache 2.0で公開するか。
    Technical Reportで、Expert構成、KV cache、量子化、必要GPU数をどこまで開示するか。
    Fine-tuning、RL environment、safety eval、Agent Harnessをどこまでopen sourceにするか。

    APIのcontextを、学習上の1Mまで広げるか。
    API価格をDeepSeek、Qwen、中国勢と競争できる水準にできるか。
    Artificial Analysisなど独立評価で、自社公表値が再現されるか。
    そして最も重要なのは、Beamで構築したRL Factoryを次モデルでもscaleできるかである。Reflectionは「RL計算量を増やしても頭打ちの兆候がなかった」と書いている。これが本当なら、計算資源を確保し続けるほど性能は伸びる。SpaceXとNebiusとの契約上限・公表額ベースで70億ドル超のcompute枠は、そのための燃料である。

    もしReflectionが、
    501B/23B Active
    ↓
    同等のActive compute
    ↓
    中国最上位Open Model並みのAgent性能
    まで進めれば、状況は大きく変わる。その時Reflectionは「Western Open Modelの有力候補」から、「世界Open Frontierのトップグループ」へ入る。

    第34章 この記事の確度――公式発表、報道、第三者検証の区別

    Beamは発表直後のモデルであり、本稿の情報には確度の差がある。読者が判断しやすいよう、主な情報を三つに分類しておく。
    公式発表(Reflection自身が開示)
    501B/23B Active、52層、23.8Tトークン、6,144基のGB300で4週間未満の事前学習、10,500基のGB300で4週間のRL、1億回超のrollout、約13億sandbox、100万近い環境、RL基盤の各種数値、安全性の設計、デモ、ベンチマーク表、APIの仕様(256Kコンテキスト、128K出力、知識カットオフ2026年6月30日、reasoning effort 5段階)、Apache 2.0予定、10月中のweight公開予定。

    報道ベース
    NVIDIAの約8億ドル出資、累計調達額約47億ドルとするPitchBook集計、韓国・米政府案件、当初予定からの遅延、売上規模が公開されていないこと。
    第三者検証
    2026年10月6日時点で、再現可能な完全版の独立ベンチマーク結果はまだ公開されていない。Artificial Analysisの公式X投稿を引用した複数媒体によれば、ReflectionからEarly Accessを受けて独立評価を進めており、初期所見として「同等の知能水準に対して非常にtoken-efficientなopen modelになる可能性」を示している。ただし、Artificial Analysisの公開leaderboardにはまだBeamの確定rowがなく、数値付きの独立結果ではない。Hugging Face上にも一般向けBeam weightはまだ公開されていない。

    特にベンチマークは、Reflectionの自己申告であり、他社モデルの数値もReflectionが整理したものである点に注意が必要だ。weight公開後の独立評価で、本稿の評価は更新される可能性がある。

    第35章 まとめ――Reflectionは「モデル企業」ではなく「Open Agent AI Factory」を作ろうとしている

    今回のニュースを、
    「NVIDIA出資企業が501Bモデルを発表した」
    だけで読むと、本質を見失う。
    Reflectionの本当の価値はBeam単体ではない。
    AlphaGo系Reinforcement Learningの人材。
    Gemini系LLM Post-trainingの人材。
    NVIDIA GB300。
    6,144基のpretraining cluster。
    10,500基のRL cluster。
    23.8兆token。
    1億回超のrollout。
    100万近いAgent environment。
    13億sandbox。
    1M context。
    Open Weight。
    Apache 2.0予定。
    weight公開後を前提としたEnterprise Self-host戦略。
    Sovereign AI。
    国防総省とエネルギー省。
    AI Factory。

    これらを一本につなげたことにある。
    現時点のRaw Capabilityでは、DeepSeek V4.1 Flash、Kimi K3、GLM-5.3など中国の最新モデルの方が強い領域が多い。したがって、「Beamが中国AIを倒した」と表現するのは正しくない。正確には、「中国の一世代前のトップと互角級で、Reflection自身の比較表では主要な西側オープンモデルを上回った」である。独立評価が出るまでは「西側首位」と断定しない方が安全だ。

    しかしReflectionは、米国がここ数年弱くなっていた「frontier open-weight AI」という戦場へ本格的に戻ってきた。しかも、閉じたモデルが政策で止まり得ること、中国製モデルを使えない市場があることを、2026年の出来事が証明した後で、である。
    この会社が狙っているのは単なるChatGPT代替ではない。

    Model
    + Agent
    + RL
    + Harness
    + Sandbox
    + AI Factory
    + Sovereign Infrastructure
    を統合した、新しいOpen Intelligence基盤である。
    2026年のAI競争を象徴する言葉が「Agent」だとすれば、ReflectionはそのAgentを大量に訓練する「工場」を作ろうとしている。Beamは、その工場から初めて外に出てきた製品だ。

    ここからReflectionが、DeepSeek、Kimi、Qwen、GLMの進化速度に追いつけるか。Thinking MachinesやMetaとの西側オープン争いを制するか。OpenAIやAnthropicのclosed frontierにどれだけ迫れるか。そしてOpen Weightを国家レベルのAI infrastructureへ変えられるか。

    Beamの本当の評価は、501Bという数字ではなく、10月中のweight公開を予定どおり果たせるか、そして次の1年でこの「Agent RL Factory」をどこまでscaleできるかで決まるだろう。

    第36章 主要リンク

    Reflection公式
    Reflection AI 公式サイト
    https://reflection.ai/
    Beam公式発表「Introducing Beam: Reflection's 501B open-weight model」
    https://reflection.ai/blog/introducing-beam
    Reflection About(Open Intelligenceの定義、DOE・新世界グループとの協力)
    https://reflection.ai/about
    Reflection「Building Frontier Open Intelligence」
    https://reflection.ai/blog/frontier-open-intelligence/
    Reflection Developer Docs
    https://developers.reflection.ai/
    Reflection Developer Docs:Models(Beam-501B-A23Bの仕様)
    https://developers.reflection.ai/models.md
    Reflection Developer Docs:Coding agent quickstart(Mirror CLI、Pi、OpenCode、Hermes Agent)
    https://developers.reflection.ai/coding-agents-quickstart.md
    Reflection Platform(Early Access登録)
    https://platform.reflection.ai/
    Reflection Careers(ニューヨーク/サンフランシスコ/ロンドン/ワシントンD.C.)
    https://reflection.ai/careers/
    Reflection Commercial Terms of Service
    https://reflection.ai/legal/commercial-terms-of-service
    Dell Technologies:Dell AI Factory with NVIDIA エコシステム拡張(2026年5月18日)
    https://www.dell.com/en-us/dt/corporate/newsroom/announcements/detailpage.press-releases~usa~2026~05~dell-technologies-closes-the-gap-between-ai-ambition-and-ai-outcomes.htm
    英国政府:Reflectionの英国拡張・100人超→3年で1000人超
    https://www.gov.uk/government/news/government-to-partner-with-tech-companies-trade-unions-and-industry-leaders-to-boost-ai-adoption-and-equip-workers-with-ai-skills
    新世界グループとの提携(PR Newswire、2026年3月16日)
    https://www.prnewswire.com/news-releases/reflection-and-shinsegae-group-to-build-korean-sovereign-ai-factory-302715111.html
    HUMAINとの戦略的AI協業(PR Newswire、2026年9月1日)
    https://www.prnewswire.com/news-releases/humain-and-reflection-announce-strategic-ai-collaboration-at-leap-2026-302866134.html
    GMI Cloudとの提携(PR Newswire、2025年11月20日)
    https://www.prnewswire.com/news-releases/reflection-ai-and-gmi-cloud-partner-to-accelerate-the-future-of-ai-driven-software-engineering-302621927.html
    Financial Times:Beam発表とopen-weight利用拡大(2026年10月6日)
    https://www.ft.com/content/353be303-3271-43f0-aefb-69b6ed7a0a6f

    報道
    TechCrunch:Beam発表(2026年10月5日)
    https://techcrunch.com/2026/10/05/reflection-debuts-beam-a-open-weight-ai-model-to-rival-chinese-models-at-lower-compute-cost/
    Axios:Beam発表前のスクープ(2026年10月4日)
    https://www.axios.com/2026/10/04/reflection-open-weight-ai
    TechCrunch:20億ドル調達(2025年10月9日)
    https://techcrunch.com/2025/10/09/reflection-raises-2b-to-be-americas-open-frontier-ai-lab-challenging-deepseek/
    Reuters:20億ドル調達(NVIDIAをlead investorとする初期記述は後に訂正)
    https://www.reuters.com/business/nvidia-backed-reflection-ai-raises-2-billion-funding-boosts-valuation-8-billion-2025-10-09/
    The Information:NVIDIAは約8億ドルの最大投資家だがformal leadとは見ていないとの報道
    https://www.theinformation.com/newsletters/dealmaker/nvidia-shying-away-lead-investor-mantle
    CNBC:CEOが250億ドル評価でのクローズを確認(2026年4月23日)
    https://www.cnbc.com/video/2026/04/23/reflection-ceo-on-ai-race-the-best-open-models-are-coming-from-china.html
    TechCrunch:国防総省の機密ネットワークAI契約(2026年5月1日)
    https://techcrunch.com/2026/05/01/pentagon-inks-deals-with-nvidia-microsoft-and-aws-to-deploy-ai-on-classified-networks
    Axios:DOE Genesis Missionへの参加(2026年5月22日)
    https://axios.com/2026/05/22/reflection-ai-genesis-mission-energy-partnership
    TechCrunch:SpaceXとのcompute契約(2026年6月22日)
    https://techcrunch.com/2026/06/22/spacex-inks-compute-deal-with-reflection-ai-an-open-source-ai-lab/
    TechCrunch:Nebiusとのcompute契約(2026年7月14日)
    https://techcrunch.com/2026/07/14/reflection-inks-1b-compute-deal-with-nebius/
    The Information:NVIDIAのReflectionへの賭け
    https://feature.theinformation.com/articles/nvidia-bet-reflection-open-source-ai-now-startup-playing-catch
    Turing Post:Ioannis Antonoglouインタビュー
    https://www.turingpost.com/p/ioannis
    Sources(Alex Heath):Antonoglouのダボスでのインタビュー
    https://sources.news/p/inside-reflection-the-new-ai-lab
    Implicator.ai:Beam発表の詳細分析
    https://www.implicator.ai/reflection-ai-beam-open-weight-model-glm-5-2/
    ロイター:エヌビディア出資のリフレクション、初のAIモデル発表 中国勢に対抗(2026年10月5日配信、日本語版は10月6日配信)

    比較対象モデル
    Thinking Machines Lab:Inkling
    https://thinkingmachines.ai/news/introducing-inkling/
    TechCrunch:Inkling発表(2026年7月15日)
    https://techcrunch.com/2026/07/15/thinking-machines-amps-up-its-bet-against-one-size-fits-all-ai-with-its-first-open-model-inkling/
    DeepSeek V4.1 Flash(Hugging Faceモデルページ)
    https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
    DeepSeek V4.1 Flash(vLLM deployment recipe)
    https://recipes.vllm.ai/deepseek-ai/DeepSeek-V4.1-Flash
    Qwen3.8-2.4T-A95B(Hugging Face)
    https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B
    Z.ai:GLM-5.3
    https://z.ai/blog/glm-5.3
    Z.ai/AutoClaw:GLM-5.3-Flash(320B/18B、multimodal、30T corpus)
    https://autoclaw.z.ai/blog/model/glm-5.3-flash/
    Meta:Muse Glimmer(公式モデルページ)
    https://dev.meta.ai/models/muse-glimmer
    Meta:Muse Spark 1.3/Meta Model API
    https://dev.meta.ai/models/muse-spark
    Thinking Machines Lab:Inkling-Small
    https://thinkingmachines.ai/news/inkling-small/
    OpenAI:GPT-6 Astra
    https://developers.openai.com/api/docs/models/gpt-6-astra
    OpenAI:GPT-6.1 Sol
    https://openai.com/index/introducing-gpt-6-1-sol/
    Anthropic:Claude Opus 5.5
    https://platform.claude.com/docs/en/models/opus-5-5/overview
    Anthropic:Claude Fable 5.1
    https://platform.claude.com/docs/en/models/fable-5-1/overview
    Google:Gemini 4 Argon
    https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/

    政策の背景
    Anthropic:Fable/Mythosへのアクセスに関する声明
    https://www.anthropic.com/news/fable-mythos-access
    TechCrunch:Mythos/Fableへの制限解除(2026年6月30日)
    https://techcrunch.com/2026/06/30/trump-drops-restrictions-on-anthropics-mythos-and-fable-models/
    Vercel:AI Gateway Production Index(2026年9月、open-weightのtoken比率56%・支出比率14%)
    https://vercel.com/blog/ai-gateway-production-index-september-2026
    Artificial Analysis:Beamの初期所見(X投稿の紹介)
    https://247wallst.com/cards/xpost-01m46zmjey5afgm0wmzgxp545d
    Gemini 4 Argonの概要と導入価格(noze)
    https://www.noze.it/en/insights/gemini-4-argon-fairwind-program-en/
    Meta:Muse Spark 1.3(The Register、open-weight版は「近く」)
    https://www.theregister.com/a/5294093
    Thinking Machines:Inkling-Small(Together AIのモデル解説)
    https://www.together.ai/models/inkling-small
    HUMAIN×Reflection(Mubasher、LEAP 2026での発表)
    https://sharikatmubasher.com/media-hub/news/21572115/humain-reflection-ai-join-forces-on-sovereign-ai-deployment

    第37章 ハッシュタグ

    #ReflectionAI #Beam #NVIDIA #エヌビディア #リフレクション #AI #生成AI #LLM #OpenWeight #オープンウェイト #OpenSourceAI #AgentAI #AIAgent #AgenticAI #ReinforcementLearning #強化学習 #RL #MixtureOfExperts #MoE #GB300 #AIFactory #SovereignAI #ソブリンAI #DeepSeek #KimiK3 #Qwen #GLM #Inkling #ThinkingMachines #MetaAI #MuseGlimmer #Nemotron #OpenAI #Anthropic #Claude #GPT6 #MirrorCLI #CodingAgent #AutonomousCoding #Superintelligence #AIInfrastructure #Apache2 #米中AI競争 #AIモデル #人工知能 #AI開発 #次世代AI #InklingSmall #MuseSpark #Gemini4Argon #GPT61Sol #HUMAIN #Vercel

    この記事はnoteマネーにピックアップされました

    noteマネー 今週の特集「新体制のエヌビディア決算、AI株は持ち直す?」
     
     
    東大阪市生まれの奈良育ち(三宅小→式下中→畝傍高→京工繊大)→広州21年在住。 2015年に独立、IT・通信、貿易会社を経営し、本帰国後、生成AI・フィジカルAIと、国際貿易・国際物流の日本拠点を立上げ、富裕層インバウンド向けで、伝統・再生医療+ウェルネス観光で情報発信中

    あなたへのおすすめ