---
title: Reflection lance Beam, son premier modèle open-weight face à Deepseek et Qwen
url: https://www.elseif.net/fr/reflection-lance-beam-son-premier-modele-open-weight-face-a-deepseek-et-qwen
published: 2026-10-09T10:14:28+00:00
language: fr
section: Modèles
source: https://the-decoder.de/reflection-beam-ehemaliges-deepmind-team-will-mit-effizientem-open-weight-modell-gegen-deepseek-und-qwen-bestehen/
organizations: Reflection, Deepseek, Qwen, GLM 5.2, Qwen3.8-Max, Kimi K3
publisher: elseif
---

# Reflection lance Beam, son premier modèle open-weight face à Deepseek et Qwen

L'entreprise de réflexion annonce le lancement de Beam, son premier modèle open-weight. L'objectif principal n'est pas la performance maximale, mais la capacité à fournir de bons résultats avec un minimum de calcul, tout en se positionnant face à la concurrence chinoise open-weight.

Beam est conçu pour la programmation, le raisonnement logique et les tâches agentiques. Le modèle Mixture-of-Experts active 23 paramètres sur les 501 milliards au total par token, maintenant ainsi un faible coût de calcul.

Selon Reflection, Beam obtient des résultats similaires à GLM 5.2 sur des tâches de raisonnement difficiles, mais nécessite trois à quatre fois moins de puissance de calcul. L'entreprise cible les entreprises utilisant l'IA pour la programmation et l'automatisation des flux de travail, cherchant à réduire les coûts opérationnels.

Sur les tâches de programmation et d'agents, Beam se situe au même niveau que les modèles open-weight plus grands comme GLM 5.2 et approche Qwen3.8-Max, bien que des modèles plus forts comme Kimi K3 restent en tête sur la performance pure.

Le modèle bénéficie d'un entraînement intensif combinant entraînement classique sur de grands jeux de données et renforcement appris particulièrement coûteux en calcul. L'entreprise rapporte avoir utilisé 10.500 GPU Nvidia GB300 pendant plus de quatre semaines, l'un des plus grands efforts menés par un laboratoire open-source à ce jour. La performance a continué de s'améliorer sans atteindre de limite.

Les utilisateurs peuvent contrôler la profondeur de réflexion de Beam via un paramètre. Cela permet au modèle de répondre rapidement ou de prendre plus de temps pour les tâches difficiles, influençant ainsi le calcul et la qualité.

Des capacités émergentes ont été observées pendant l'entraînement. Bien que les tâches de navigation n'aient pas été incluses, le modèle a appris à naviguer sur le web, à interroger d'autres modèles de langage et à lire des documents via des services externes. Des exemples montrent une carte de métro New York actualisée en temps réel, un petit jeu 3D et un carnet de entraînement d'un autre modèle IA. Beam traite uniquement du texte mais peut gérer d'autres médias s'ils sont convertis en texte.

Un second modèle a été entraîné pour la sécurité et le comportement souhaité. Les directives comprennent des règles fixes, la précision, l'aveu de l'incertitude et un style de réponse efficace et proactif. Les résultats des tests de sécurité seront publiés dans un rapport technique, avec des procédures de test rendues open-source.

Reflection prévoit de publier un rapport technique, une documentation pour développeurs et les poids du modèle sous licence Apache 2.0 plus tard ce mois-ci. Le modèle est actuellement en phase de tests de sécurité finaux, une version précoce étant disponible pour des utilisateurs sélectionnés.

L'entreprise a été fondée en 2024 par d'anciens chercheurs Google Deepmind, Misha Laskin et Ioannis Antonoglou. Après un capital initial de 130 millions de dollars en mars 2025 visant une superintelligence par programmation autonome, l'entreprise a levé 2 milliards de dollars en octobre 2025 pour une valorisation de 8 milliards, se positionnant comme l'alternative occidentale à Deepseek et Qwen. Les poids du modèle sont libres, mais les données d'entraînement et les pipelines restent propriétaires. Des contrats lourds avec SpaceX et le fournisseur de cloud Nebius pour le pouvoir de calcul ont été conclus récemment.

Le modèle Beam n'est que le début. L'entreprise entraîne déjà un successeur visant à rapprocher les open-weight de la performance maximale à chaque sortie.