Beam 1.0 501Bが公開。100万トークン対応でライセンスは Apache 2.0
この記事のポイント
- ツール使用やコーディングに強い
- 501Bパラメータで23Bが活性化
- 1Mトークン対応、BF16/FP8/NVFP4公開
数字で見る
この記事に出てくる数字
| 総パラメータ数 | 501B |
|---|---|
| 活性化パラメータ | 23B |
| コンテキスト長 | 1M |
どこで使えるか
長い文脈で推論コストを抑えたい人向け。100万トークン対応で商用利用可能 Hugging Faceで公開済み ライセンスはapache-2.0
スポンサーリンク
解説
かみくだいて説明します
技術開発チームの reflection が、テキストを入力してテキストを出力するオープンモデル「Beam」を、この 10 月 8 日に公開しました。全体で 501B のパラメータを持ちますが、実際に動くのは 23B です。
全体と実際に動く数が違うんですか?
はい。MoE という仕組みで、必要な部分だけを選んで計算するからです。全部の回路を使うと重すぎるので、タスクに応じて 23B の回路だけをオンにして残りをオフにしています。水道の蛇口を一つだけ開いて水を出すイメージです。
なるほど、必要な部分だけ使うんですね。では、開発者側からすると、この 23B で動くモデルを自分の環境で回すのは、いま使っている大きなモデルと比べてどれくらい楽になるんですか?
その点については、要旨にはBF16、FP8、NVFP4の3精度のモデルが公開されていることしか書かれていません。他社との比較データやローカル環境での動作要件については、材料にありません。
では、1M トークンもの長い文章を一度に扱えるのは、研究している人にとって何が楽になるんですか?
長いドキュメントやコードの束を、何度も区切らずに読み込めるからです。これまでなら何度も切って読み替えていた作業が、一度に全部渡せるので、途中で見落としていた関連情報を拾いやすくなります。
確かに、区切りを減らせば手間が省けますね。ただ、その長い文章を処理するときに、数値の精度の違いは計算速度にどれくらい影響するんですか?
精度を落とすことで軽くなるんですか?はい。BF16 が基準で、FP8 はデータを 8 ビットに圧縮して、NVFP4 はさらに 4 ビットにしています。計算に必要なメモリを減らせるので、同じ GPU でより多くのリクエストを処理しやすくなりますが、その分、細かい数値のズレが出やすくなります。
確かに、メモリが軽くなれば設置しやすくなりますね。では、AI を組み込む技術者として気になるのは、この精度を落とした版で、ツールを操作する精度がどれくらい落ちるんですか?
材料には具体的な数値差は載っていません。ベンチマークの結果は BF16、FP8、NVFP4 すべてで示されていますが、ツール操作の成功率が何ポイント減るかは明記されていないので、そこはまだ分かっていません。
最後に、開発者側が実際にこのモデルを仕事に組み込む場合、一番気をつけるべき点はどこですか?
公開されているのは英語が中心のモデルなので、日本語のデータで追加で学習していない点です。技術報告書はまだ公開前となっており、詳しい学習データや安全評価の具体的な数値は、これから公開される予定です。
出典
この記事のもとになった情報
- Hugging Face:reflection/Beam-1.0-501B-A23B
- 公開日:2026-10-08
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。