AWS представила open-weight-модель Beam для агентного программирования
AWS описала Reflection Beam — модель с открытыми весами для работы с кодом, инструментами и многошаговыми задачами. На старте её можно развернуть через SageMaker JumpStart в двух регионах США или запустить на HyperPod с SGLang и vLLM.
AWS представила Reflection Beam — open-weight-модель Reflection AI для агентного программирования и долгих задач. По описанию компании, Beam умеет поддерживать код, вызывать инструменты, интерпретировать промежуточные результаты и выполнять многошаговые рабочие процессы.
Модель построена по схеме sparse mixture-of-experts. Она содержит 501 млрд общих параметров, из которых 23 млрд активируются для каждого токена. Reflection также заявляет эффективное контекстное окно длиной 1 млн токенов. Веса выпущены на Hugging Face под лицензией Apache 2.0, а для Beam 1.0 доступны чекпойнты BF16, FP8 и NVFP4.
AWS предлагает управляемый путь через Amazon SageMaker JumpStart и Kubernetes-ориентированный вариант на SageMaker HyperPod Inference. В последнем случае можно использовать JumpStart, SGLang или vLLM и самостоятельно контролировать распределённое выполнение, кэширование и масштабирование. На момент запуска модель доступна в JumpStart в регионах US East (N. Virginia) и US East (Ohio).
Большой размер чекпойнта означает, что для Beam потребуется мног GPU-развёртывание. В материале AWS отдельно описаны варианты оборудования для FP8 и NVFP4, а также необходимость учитывать память под веса, KV-кэш и служебные расходы. Публикация вышла 16 октября 2026 года.
Почему это важно
Beam доступна не только как модель с открытыми весами, но и как готовый к развёртыванию вариант в AWS. Это даёт разработчикам выбор между управляемым endpoint и самостоятельным контролем инфраструктуры.
Источник: AWS Machine Learning Blog · По данным официального материала AWS, опубликованного 16 октября 2026 года; заявленные свойства модели относятся к описанию Reflection AI.