【10/6 AIニュース】Beam、501Bの重みを今月Apache 2.0で出す予定 ─ Reflection
今朝のいちばんは Beam です。Reflection が5,010億パラメータのオープンウェイトモデルを発表し、重みを今月 Apache 2.0 で公開すると書きました。
1回の処理で動くのは230億だけ。効くのは、コーディングエージェント用のモデルを自分の環境で選びたい人ですが、重みが出るのは今月中の予定です。
今朝は6件。手を動かす人に効くのは、Cloudflare の検索APIと、AIが動かすテストの e2e の2件です。
今朝の6件：何が変わるか
一覧を文字でも置いておきます
Beam：Reflection が10月5日に発表。5,010億パラメータのうち1回の処理で動くのは230億。重みは今月 Apache 2.0 で公開する予定で、いまは一部の利用者に先行提供し、待機リストに登録できる
Web Search API：Cloudflare が10月2日にベータ公開。Ceramic.ai・Exa・Linkup の3社を同じ呼び口で選べ、請求は各社の定価のまま上乗せなし
e2e：TesterArmy のOSS（Apache-2.0）。自然言語でゴールを書くテストで、検証された操作は記録され、次の実行はモデル呼び出しなしで再生される
Opus 5.5 のエージェント：Vals AI が10月4日に、次世代メモリ向けの磁石の候補2つを計算で示した。実測はまだ
Cloudflare OS：社内で使うAI作業環境の Apache-2.0 版が今朝のトレンド入り。早期アクセス
Claude Code 2.1.290：日本時間10月6日3時12分に npm の next タグだけへ公開。変更履歴の行はまだ無い
Reflection の Beam：501Bの重みが、今月 Apache 2.0 で出る予定
Reflection の初のオープンウェイトモデルです。5,010億パラメータのうち、1回の処理で動くのは230億という疎な Mixture-of-Experts（必要な専門家だけを選んで動かす方式）で、狙いはコーディング・推論・エージェント用途と書かれています。
数字で確認できること
事前学習は23.8兆トークン。強化学習は NVIDIA GB300 約1万500基で4週間、ロールアウト（試行と採点の1周）は1億回超
位置づけについて、自社はコーディングとエージェント用途で GLM 5.2 と同等級、Qwen 3.8-Max に迫ると書き、Kimi K3 は素の性能で上だと認めている
推論の計算量は、推論系の指標で GLM-5.2 の3〜4分の1。ただしこれは「2×動くパラメータ数×平均の生成トークン数」という自社の概算で、入力の処理や配信の負荷を含まない
入力は文章のみ。画像は扱えない
つまり何が変わるか。「大型の重みを Apache 2.0 で手元に置ける」候補が1つ増える予定、というのが今朝の正確な書き方です。いまは最終の安全評価の途中で、重み・技術報告・モデルカードは今月中という約束だけがあります。
We will release the weights, technical report, model card, and developer artifacts later this month.（Reflection 公式ブログ・10月5日付）
性能表は自社が載せたもので、未公表のマスは NR と書かれています。比較相手の数字も、Artificial Analysis と DataCurve から集めたものです。
重みだけで考えると、4ビットに量子化しても501B×0.5バイトで約250GBになる単純計算です。一般的なノートPCのメモリには載らない大きさで、動かすなら借りた計算機側になります。
正直、数字より先に見るべきは「今月、本当に出るか」です。出たら独立した測定が並ぶので、判断はそれからで足ります。
Cloudflare Web Search API：エージェントに検索させる経路が、定価のまま1か所にまとまった
10月2日付の変更履歴によると、AIエージェントやアプリがインターネットを検索して、最新の情報で答えを返すためのAPIがベータになりました。学習データの締め日に頼らず、URLを当てずっぽうで出させずに済むのが売りです。
何が1か所にまとまるのか
検索先は Ceramic.ai・Exa・Linkup の3社から、リクエストの provider で選ぶ
3社とも Cloudflare 経由のリクエストでは Zero Data Retention（検索内容を保存しない設定）に対応と記載
動くのは AI Gateway の上なので、検索のリクエストがゲートウェイのログに残る
請求は AI Gateway のクレジットに、各社の定価のまま上乗せなしで載る。自分の API キーの持ち込みも可
呼び方は、REST なら accounts のパスの下の ai/websearch/ へ query・provider・limit を POST。Worker からは AI バインディングの websearch を呼びます。
つまり変わるのは、検索を1社に決め打ちせず、同じ呼び口で切り替えながら、ログと請求を1か所で見られる点です。検索1回の単価は各社の価格表次第で、変更履歴は金額を書いていません。私は動かしておらず、ベータです。
e2e（TesterArmy）：AIが動かすテストを、2回目からモデルなしで再生する
GitHub の日次トレンドで +1,430 スターだったOSS（計4,648スター・Apache-2.0・作成は7月22日）です。npm の最新は10月4日公開の 0.17.0 です。ウェブとモバイルのアプリ向けのE2Eテストで、「Pro プランに上げる」のようなゴールを自然言語で書くと、エージェントが画面を操作します。結果は同じテストの中で、ロケータとアサーションで確かめます。
肝は「記録して再生する」ところ
README の説明では、後のアサーションで検証された操作は記録され、次の実行ではアプリが変わるまでモデルを呼ばずに再生されます。エージェントの操作を含まないテストは、そもそもモデルが要りません。モデルは自分の契約・APIキー・ローカルモデルを持ち込めます。
AIにテストを任せる弱点は、毎回のモデル代と遅さでした。それを再生で消す設計です。ただし「2回目は本当にモデル呼び出しが0回か」は、私はまだ確かめていません。
READMEは、1.0 に向けて開発中で、API や設定が minor の版でも変わりうると書いている
CLI は匿名の利用データを既定で送る。止めるには npx e2e telemetry disable か、環境変数 E2E_TELEMETRY_DISABLED=1
ドキュメントは npm パッケージに同梱され、コーディングエージェントが node_modules の中でオフラインで読める
その他の動き
Opus 5.5 のエージェントが、磁石の候補を2つ出しました（Vals AI・10月4日）。 1つは新しい化合物 YBaMnFeO5（設計）で、もう1つは1999年に作られていた KV[Cr(CN)6]。どちらも、正味の磁力はゼロなのに電子をスピンで振り分けられる「Luttinger 補償型」の半導体になる、という密度汎関数法の計算上の予測です。バンドギャップもスピンの振り分けも、まだ測られていません。YBaMnFeO5 は Mn と Fe の市松配置が約950Kで崩れ、合成の温度では散らばった結晶になりそうで、作るのは難しいかもしれないと本人たちが書いています。入力ファイル・出力・コード・検算スクリプトは GitHub で公開されています。AIの「発見」は候補であり、再計算できる記録つきで出す形が出てきた、という読み方が自然です
Cloudflare OS は、Cloudflare が社内で毎日使うAI作業環境のオープンソース版です（Apache-2.0・計10,979スター。今朝のトレンド入り）。利用者ごとに専用のアプリ実体「gadget」を別のサンドボックスで動かし、Gatekeepers という仕組みで非エンジニアにも安全に使わせる設計です。README は第2版の全面書き直しで、まだ荒削りな早期アクセスだと書いています。手元で試すなら pnpm run-local で localhost:8787 に立ち上がります
Claude Code 2.1.290 は、npm の next タグだけに出ました。 公開は日本時間10月6日3時12分。latest は 2.1.289、stable は 2.1.285 のまま、公式の変更履歴の先頭も 2.1.289 で、中身はまだ読めません。昨日書いた deny の修正は 2.1.289 側にあります
今日いちばん効くのはこれ
e2e です。
Beam は面白いのですが、今日やれることは待機リストへの登録くらいです。Web Search API は、すでに Cloudflare の AI Gateway を使っている人にしか効きません。
e2e は、テストを1本書いて2回動かすだけで、いちばん大事な主張を自分で確かめられます。
npx e2e init で雛形を作る（モデルの提供元はここで選ぶ）
エージェントの操作を1つ含むテストを1本書き、アサーションで検証する
2回走らせ、2回目にモデルが呼ばれていないかをログか請求で見る
3つ目が0回なら、AIでテストを書く費用の見方が変わります。0回でなければ、それも記事にできる結果です。
なぜ書いたか
朝のニュースまとめとして、「今日触れるもの」と「まだ触れないもの」を分けて書くようにしています。Beam のように発表だけが先に出る話は、約束と測定を混ぜると読者の判断を誤らせるからです。
昨日までの流れで、手元のローカルLLMの話はこちらです。
Cloudflare が判定モデルを公開した話はこちらです。
