شركة Reflection تطلق Beam: 501B معلماً و30 نقطة في مؤشر Intelligence Index

دخلت شركة Reflection السوق بنموذج وضعته الاختبارات المستقلة فوراً في صدارة الأنظمة الأمريكية المفتوحة. يُعد Beam نموذجاً مفتوح الأوزان، ويضم 501 مليار معلم إجمالاً، مع 23 مليار معلم نشط لكل توكن. وحقق النموذج 30 نقطة في مؤشر Artificial Analysis Intelligence Index، ولا يتفوق عليه بين النماذج الأمريكية مفتوحة الأوزان سوى Meta Muse Spark Open الحاصل على 39 نقطة، في حين نال Nemotron 3.5 Super VL من NVIDIA، الصادر قبل ذلك بيوم واحد، 26 نقطة. وعلى مستوى جميع النماذج المفتوحة عموماً، يحتل Beam المركز العاشر بفارق نقطة واحدة خلف K2 Horizon الإماراتي (31 نقطة)، ولا يتفوق عليهما خارج الصين سوى هذين النموذجين.

استهلاك أقل للتوكنات لكل وحدة ذكاء

الميزة الأبرز لنموذج Beam لا تكمن في درجته المطلقة، بل في التكلفة الحسابية التي يدفعها لتحقيقها؛ إذ يستهلك لكل مهمة في المؤشر نحو 26k توكن إخراج، يذهب منها نحو 19k لعمليات التفكير والاستدلال وقرابة 7k للإجابة النهائية. وفي المقابل، يستهلك K2 Horizon، الذي يسبقه بنقطة واحدة، نحو 52k توكن، أي ضعف هذا المعدل تقريباً. وتظل النماذج المغلقة هي المعيار القياسي؛ حيث يحقق GPT-6 Astra (max) ما مجموعه 53 نقطة بميزانية تقارب 27k توكن، وهو استهلاك مقارب جداً لما يتطلبه Beam.

ولا تشكل الإجابة النهائية سوى 26% فقط من إجمالي مخرجات Beam، وهي المرتبة 28 من القاع بين 219 نموذجاً خضعت للاختبار على Intelligence Index v4.3؛ فالنموذج يفكر كثيراً ويتحدث قليلاً. وفي مؤشر Cyber Index، الذي يحل فيه 34% من المهام، منحه هذا النمط موقعاً على جبهة كفاءة «النتيجة مقابل توكنات الإخراج» بجانب GPT-6 Sol (Daybreak Blue)، متصدراً بذلك كافة النماذج الأمريكية مفتوحة الأوزان التي تم اختبارها في هذا المؤشر.

تفوق في الوكلاء وضعف في سطر الأوامر

تتفاوت النتائج عبر الاختبارات الفردية، وتبرز الأرقام الرئيسية كما يلي:

• اختبار AutomationBench-AA: حقق 48,5%، مقابل 37,2% لـ K2 Horizon و48,2% لـ Qwen3.8 27B.
• اختبار CritPt: حقق 13,1%، متجاوزاً ضعف نتيجة K2 Horizon (4,6%) وQwen3.8 27B (5,4%).
• اختبار Terminal-Bench 4.0: اكتفى بنسبة 3,0%، مقابل 5,6% لـ Qwen3.8 27B و8,1% لـ Muse Spark Open.
• اختبار AA-Briefcase: حقق 976 نقطة Elo، وهو نقطة ضعف أخرى.
• نافذة السياق: 1M توكن، وتقتصر الوسائط على النصوص فقط.

أما في مهام البرمجة، فالأداء أكثر تواضعاً؛ فعند دمجه مع Mirror — وهي واجهة سطر أوامر (CLI) مفتوحة المصدر طورتها Reflection نفسها — حصد Beam ما مجموعه 28 نقطة في مؤشر Coding Agent Index. وتفصله 15 نقطة عن التشكيلة التالية، Claude Code مع Qwen3.8 Max (43 نقطة)، بينما يبتعد بـ 40 نقطة عن الصدارة (68 نقطة). ورغم ذلك، يتسم النموذج باقتصادية استهلاك التوكنات، حيث لا يتفوق عليه في خفض الاستهلاك سوى Codex مع GPT-6 Astra وCodex مع GPT-6.1 Sol.

اتساع في المعرفة مع زيادة في الهلوسة

في اختبار AA-Omniscience، أجاب Beam إجابة صحيحة على 33% من الأسئلة، مقارنة بـ 18% لـ K2 Horizon و16% لـ Qwen3.8 27B. إلا أن ثمن هذه المعرفة الواسعة كان باهظاً؛ إذ بلغت نسبة الهلوسة لدى Beam نحو 47%، مقابل 26% لـ K2 Horizon و30% لـ Qwen3.8 27B. فالنموذج نادراً ما يقول «لا أعلم»، ويميل أكثر إلى الوقوع في الخطأ بثقة. ومع ذلك، بلغت نتيجته النهائية في المؤشر 1,5 نقطة، وهي نتيجة تظل أفضل من منافسيه (-3,0 و-10,0)؛ حيث رجحت دقة الإجابات على خصم نقاط الهلوسة، وإن ظل الفارق ضئيلاً.

هل يلائم Beam التطبيق العملي؟

يُعد النموذج خياراً مناسباً لأتمتة العمليات التجارية وسيناريوهات الوكلاء متعددي الخطوات التي تتطلب ضبط تكلفة التوكن والتحكم الكامل في الأوزان. ويؤدي توفيره لنصف توكنات الإخراج مقارنة بـ K2 Horizon إلى تقليص فواتير الاستدلال (Inference) مباشرة عند معالجة أحجام عمل ضخمة. ومع اقتصار المعلمات النشطة على 23 مليار فقط، يكون عبء التشغيل والخدمة أقل مقارنة بالنماذج الكثيفة ذات الحجم المماثل، مع التنبيه إلى ضرورة تخزين كامل الـ 501 مليار معلم.

وفي المقابل، يبدو Beam حالياً أضعف من منافسيه في التعامل مع سطر الأوامر (Terminal) والبرمجة الذاتية. وإذا كنت بصدد بناء مساعد للإجابة عن أسئلة واقعية دون التحقق من المصادر، فإن نسبة هلوسة تبلغ 47% تمثل مخاطرة جسيمة تستدعي بالضرورة تقنيات الاسترجاع (Retrieval) أو التحقق من الإجابات. وتتمثل الخطة المنطقية في اعتماد النموذج لخطوط إنتاج الوكلاء المستقلين المزودة بآليات تدقيق خارجية، مع إسناد البرمجة إلى خيارات أكثر كفاءة. ويجدر أيضاً النظر في Mirror؛ إذ تتيح هذه الواجهة المفتوحة إعادة إنتاج نتائج Reflection على بنيتك التحتية ومقارنتها بنتائج الاختبارات المستقلة.