Nyílt AI-modellekkel zárkózik fel a Reflection és a Mistral

A Beam a számítási hatékonyságra, a Large 4 a többféle bemenet kezelésére épít, de a modellsúlyok kiadása és az eredmények ellenőrzése még hátravan.

A Reflection 501 milliárd paraméteres Beamje és a Mistral 1 050 milliárd paraméteres Large 4-e új nyugati kihívóként érkezik a kínai nyílt AI-modellek mellé. Az amerikai startup 2026. október 5-én mutatta be első modelljét, a francia vállalat pedig az InfoQ beszámolója szerint egy nappal később követte. A legfontosabb korlát azonban közös: a saját futtatáshoz szükséges modellsúlyokat még egyikük sem tette közzé.

A kínai modellek előnyét próbálják ledolgozni

A nyílt súlyú modellnél a letölthető modellsúlyok lehetővé teszik, hogy egy vállalat maga futtassa az AI-t, ne csak a fejlesztő szolgáltatását használja. Ezen a piacon a kínai DeepSeek, Qwen, Kimi és GLM vált meghatározóvá. Az InfoQ által idézett Hugging Face-adatok szerint a kínai modellek adták a platform letöltéseinek mintegy 41%-át az elmúlt évben; a Counterpoint Research is a legjobban teljesítő nyílt súlyú rendszerek közé sorolta a Kimit és a GLM-et.

Prince Kohli, a Sauce Labs vezetője a TechTargetnek azt mondta: a kínai fejlesztőket részben az erőforráshiány késztette arra, hogy a költségekre és a hardverhatékonyságra összpontosítsanak. A Mistral is felzárkózásra készül: Arthur Mensch vezérigazgató szeptemberben elismerte, hogy modelljeik kicsúsztak az Artificial Analysis első húsz helyezettje közül. Az újonnan bevont pénzből jelentősen, akár mintegy hússzorosára növelnék a tanításhoz használt számítási kapacitást.

A Beam nem a csúcserőt, hanem a hatékonyságot ígéri

A Beam elsősorban programozásra, következtetési feladatokra és ágensekhez készült; utóbbiak több lépésben, eszközöket használva hajtanak végre feladatokat. Mixture-of-Experts, röviden MoE felépítésű: a teljes modellnek csak egy része dolgozik egy-egy token, vagyis feldolgozott szövegegység előállításán. Így az összesen 501 milliárd paraméterből tokenenként 23 milliárd aktív.

Az előtanításhoz 23,8 billió tokent használtak. Ezt négyhetes, nagy számításigényű megerősítéses tanulás követte: a modell jutalmazott visszajelzésekből tanult, 10 500 Nvidia GB300 gyorsítókártyán, több mint 100 millió feladat-végrehajtási próbával. A Reflection szerint egyes összetett következtetési feladatokon a Beam megközelíti a GLM-5.2 teljesítményét, miközben a válaszadáshoz szükséges számításnak csak körülbelül a negyedét–harmadát igényli.

A közölt teljesítménytesztek ugyanakkor jelentős lemaradást is mutatnak. Az ágenses programozást mérő DeepSWE v1.1-en a Beam 44,4 pontot ért el: a GLM-5.2 44,0 pontját éppen meghaladta, de a GLM-5.3 61,0, a Kimi K3 68,0 és a DeepSeek V4.1 Flash 74,2 pontot kapott. A Terminal Bench v2.1-en ugyanez a sorrend a Beam és a három újabb rivális között: 80,1, illetve 88,2, 88,3 és 90,6 pont.

A Humanity’s Last Exam teszten a Beam 36,2 pontja szintén elmarad a GLM-5.3 42,3 és a Kimi K3 46,9 pontjától. A Reflection maga is elismeri, hogy abszolút képességekben a Kimi K3 vezet; a Beam mellett az egységnyi számításból kihozható teljesítménnyel érvel. A modell még a hibákat és biztonsági gyengeségeket kereső végső támadó tesztelésnél tart, a súlyokat, a technikai jelentést és a fejlesztői eszközöket októberre ígérik.

A Large 4 képeket és hosszú bemeneteket is kezel

A Mistral eddigi legnagyobb modellje összesen 1,05 billió paramétert tartalmaz, amelyekből 52 milliárd aktív a feldolgozáskor. Eleve többféle bemenet kezelésére készült: a képi információt egy 1,6 milliárd paraméteres képfeldolgozó egység alakítja át. Több mint 160 nyelvet támogat, egymillió tokenes kontextusablaka pedig azt jelzi, mennyi bemenetet tud egy menetben figyelembe venni.

A Large 4-et a Mistral európai adatközpontjaiban, az alapoktól tanították mintegy 3 800 Nvidia Grace Blackwell gyorsítókártyával. Jelenleg programozói felületen, API-n keresztül próbálható ki; a teljes modellsúlyokat október végén tervezik kiadni. A cég saját Coding Agent Indexén a DeepSeek V4 Pro és a Qwen 3.8 Max elé, de a Kimi K3 mögé sorolja.

A Mistral szerint a Large 4 bekerült az Artificial Analysis Cyber Index globális első öt helyezettje közé. Valós sérülékenységek reprodukálásánál és javításánál 82%-ot ért el, amit a cég a teszt legjobb eredményeként közöl; a Cybench kihívásainak 93%-át teljesítette. Ezek ígéretes adatok, de a közölt teszteredmények jelentős része a Mistral saját méréseiből származik, és még nincs függetlenül ellenőrizve.

A saját futtatás kontrollt ad, nem automatikus megtakarítást

Jeet Pattanaik, a Glokal AI alapítója és technológiai vezetője szerint a nyílt súlyú modellek a nyugati vállalatoknál már valós beszerzési lehetőséget jelentenek, nem csupán kutatási eszközök. Mensch úgy látja, hogy a Mistral által megismert vállalati felhasználások nagyjából 99%-a kezelhető nyílt modellekkel.

Pattanaik két fontos korlátot emel ki: kisebb terhelésnél a gyorsítókártyák, a szakemberek és az értékelés költségével együtt a saját futtatás nem feltétlenül olcsóbb. A nyílt súlyok a tanítóadatokba sem adnak automatikusan betekintést. Egy cég tehát ellenőrizheti, hol fut a modell, anélkül, hogy teljesen át tudná vizsgálni, mi van benne.

A következő ellenőrizhető lépés mindkét cégnél a modellsúlyok kiadása lesz. A Reflection ennél távolabbra is tervez: Ioannis Antonoglou szerint 2027-ben nagyobb modellt adnak ki, miközben tovább bővítik a megerősítéses tanuláshoz használt számítási kapacitást.

» Követett téma: AI · régió: GLOBÁLIS · kulcsszó: nyílt súlyú modellek