리플렉션 AI가 오픈 모델 Beam을 아파치 2.0으로 공개했어요. 총 501B, 활성 23B의 MoE이고 토큰 사용량이 크게 적다고 해요. 오픈 코딩 모델 경쟁의 기준이 정확도에서 효율로 옮겨갈 수 있어요.
🤖 10월 16일, 리플렉션 AI(Reflection AI)가 Beam이라는 모델을 공개했어요. 코딩, 에이전트, 과학, 수학을 겨냥한 오픈 모델이고, 라이선스는 아파치 2.0이라 상업적으로 가져다 쓰기에도 부담이 적은 편이에요.
구조부터 보면 전체 파라미터가 501B, 한 번에 실제로 켜지는 활성 파라미터가 23B인 MoE(전문가 혼합) 모델이에요. 덩치는 크지만 추론할 때 쓰는 건 일부라는 얘기죠. 가중치는 8비트나 4비트로 양자화하면 GPU 8개짜리 서버 한 대에 들어간다고 해요. 오픈 모델을 직접 돌려보려는 팀 입장에서는 꽤 현실적인 숫자예요.
근데 이번 발표에서 제일 눈에 띄는 건 정확도보다 효율이에요. 리플렉션은 Terminal-Bench 2.1에서 약 80% 점수를 시도당 대략 25,000 토큰으로 낸다고 주장해요. 비슷한 점수를 내려면 GLM-5.2는 약 80,000 토큰이 필요하다는 비교도 같이 내놨고요. 같은 일을 3분의 1 토큰으로 한다는 뜻이니, 에이전트처럼 수십 번씩 호출하는 환경에서는 비용 차이가 확 벌어질 수 있어요.
학습 과정도 흥미로워요. 10,500개의 엔비디아 GB300 GPU로 4주 동안 학습했고, 1억 건이 넘는 강화학습 롤아웃에서 불필요하게 토큰을 쓰면 감점을 주는 방식으로 길들였다고 해요. 사실 지금까지는 '더 오래 생각할수록 점수가 오른다'는 흐름이 대세였는데, 이건 반대로 짧게 생각하는 법을 가르친 셈이에요.
물론 조심할 부분도 있어요. 이 수치는 전부 리플렉션 자체 발표이고, 독립 검증은 아직 못 봤어요. 벤치마크 하나에서 효율이 좋다고 실제 코드베이스에서도 그럴지는 별개 문제고요. 솔직히 저는 이런 숫자는 커뮤니티가 직접 돌려본 뒤에야 믿는 편이에요.
그래도 방향은 마음에 들어요. 최근 오픈 모델 소식이 메타나 미스트랄처럼 '얼마나 크냐'에 쏠려 있었는데, 리플렉션은 '얼마나 싸게 푸냐'로 승부를 걸었으니까요. 💡 에이전트 시대에는 토큰 단가보다 한 작업당 총 토큰이 진짜 비용이거든요.
이게 실제로 통한다면 폐쇄형 모델 API를 쓰던 스타트업이 오픈 모델로 갈아타는 계기가 될 수도 있어요. 아니면 또 하나의 벤치마크용 모델로 끝날 수도 있고요. 며칠 뒤 독립 평가가 나오면 답이 어느 쪽인지 조금은 보이지 않을까요?
출처