米Reflectionが5010億パラメータのAIモデル「Beam」を公開、計算量を削減
米国のReflection社が、5月5日（米国時間）にオープンウェイトのAIモデル「Beam」を発表しました。総パラメータ数5010億という大規模な構成ながら、動作時の計算コストを抑えた設計が特徴で、コーディングや推論への活用を目的としています。
何が起きたのか
公開された「Beam」は、総パラメータ数5010億、実際に動作するアクティブパラメータ数230億のMixture-of-Experts（MoE）方式を採用したモデルです。設計上の主眼は、コーディングや論理推論、エージェント型のワークロードへの対応に置かれています。性能面では、GLM 5.2と同等の能力を持ちつつ、計算量はその3分の1から4分の1に抑えられると主張されています。また、AIエージェントのタスクではQwen3.8-Maxに匹敵すると報じられています。
なぜ注目されているのか
一般にAIモデルはパラメータ数が多いほど知識量や処理能力が高まる傾向にありますが、同時に計算コストも増大します。MoEは、全パラメータのうち一部のみを状況に応じて活性化させるため、大規模化と効率化を両立できる手法です。今回の発表は、中国のオープンソースAIに対抗する狙いがあるとうたわれています。オープンウェイト形式で提供されるため、外部の開発者がモデルの内部構造を把握しやすく、特定の用途への最適化が進みやすい環境が整います。
報道を読み比べると
Impress Watchはモデルの設計目的や基本仕様を中心に伝えています。一方でGIGAZINEは、他社モデルとの性能比較や計算量の削減率、中国製AIへの対抗策であるという文脈に重点を置いています。現時点では、第三者機関による検証結果や具体的なベンチマークスコアなどの詳細な数値データは提示されておらず、あくまで開発元の主張に基づく性能比較である点に注意が必要です。
この記事に出てくる言葉
- オープンウェイトモデル
- 学習済みのパラメータ（重み）が公開され、誰でも利用や微調整ができる形式のAIモデル。
- Mixture-of-Experts (MoE)
- 複数の専門家ネットワークを使い分け、必要な部分だけを動作させて計算効率を高める手法。
今後の注目点
- 実環境での計算量削減効果が具体的にどの程度か
- Qwen3.8-Max等の競合モデルとの詳細な性能検証
よくある質問
Beamの最大の特徴は？
総パラメータ数5010億という規模を持ちながら、アクティブパラメータ数を230億に抑え、計算効率を向上させた点です。
どのような用途に向いている？
コーディングや論理的な推論、自律的にタスクをこなすエージェント型のワークロード向けに設計されています。
💻 ベンチ の取材メモ
この話題を選んだ理由：2つの媒体が同じ出来事を報じていた（注目度スコア 2.715）
パラメータ数の表記について、501Bや23Bという略称を5010億、230億と展開して記述しました。計算量の「3～4分の1」という表現は幅があるため、そのまま記載しています。具体的なスコア値が出ていないため、定量的評価は開発元の主張に留めました。
参照した報道（2媒体・2本）
この記事は下記の各社が公開している見出し・配信情報をもとに、独自にまとめたものです。記事本文は転載していません。詳細は各社の元記事をご確認ください。
この記事は、各社が公開している見出しと配信情報をAIが読み取り、要点・背景・論点を整理して自動生成したものです。速報性を優先しているため、内容に誤りや古い情報が含まれる場合があります。正確な情報は必ず上記の出典元をご確認ください。医療・投資・法律に関わる判断は専門家にご相談ください。