Reflection, açık ağırlıklı kodlama modeli Beam'i yayınladı
Reflection, kodlama modeli Beam'in ağırlıklarını Apache 2.0 lisansıyla açtı. Model, kendi altyapısını kullanmak isteyen yazılım ekiplerine yeni seçenek sunuyor.

Reflection'ın 16 Ekim 2026'da tanıtılan Beam modeli, kodlama ve çok adımlı görevler için geliştirildi. Apache 2.0 lisansıyla yayınlanan model ağırlıkları, ekiplerin Beam'i kendi altyapısında çalıştırmasına ve uyarlamasına olanak veriyor.
Reflection, yazılım geliştirme ve çok adımlı işleri yürütme amacıyla hazırladığı Beam modelinin ağırlıklarını erişime açtı. Hugging Face'in 16 Ekim tarihli tanıtımına göre model, Apache 2.0 lisansıyla dağıtılıyor. Kendi kodlama asistanını şirket altyapısında çalıştırmak isteyen ekipler için yeni bir seçenek var; ancak Beam'in donanım ihtiyacı, bireysel kullanıcıların kurulum kararını doğrudan etkiliyor.
Beam hangi işleri yapmak için geliştirildi?
Reflection'ın Beam modeli, Hugging Face'in 16 Ekim tarihli duyurusuna göre kodlama ve araç kullanarak ilerleyen görevler için geliştirildi. AWS'nin anlatımında yazılımdaki sorunları çözme, kodu değiştirme ve ara sonuçlara göre sonraki adımı belirleme örnekleri veriliyor. Bu yaklaşımda modelin ürettiği metin, daha uzun bir çalışma sürecinin parçası oluyor.
Beam metin alıyor ve metin üretiyor. Açıklanan bağlam kapasitesi 1 milyon token, yani modelin metni işlerken kullandığı parçalar. Büyük bir kod tabanının farklı bölümlerini aynı görev içinde ele almak isteyen geliştiriciler için bu kapasite anlamlı. Yine de bağlama sığan kod miktarıyla doğru çözülen görev sayısını ayrı değerlendirmek gerekiyor; duyurudaki kapasite bilgisi, kendi projenin başarı oranını göstermiyor.
Hugging Face, modelle birlikte Rust dilinde yazılmış açık kaynak bir çalıştırma çatısının da sunulduğunu belirtiyor. Bu yazılım, modelin araçlarla ve görev akışıyla nasıl çalışacağını düzenliyor. Yapay zekâ ajanı rehberindeki model ve araç ayrımı, Beam'in neden tek başına bir sohbet kutusundan daha fazla kurulum gerektirdiğini anlamaya yardımcı olabilir.
501 milyar parametre ne anlama geliyor?
Beam toplam 501 milyar parametre taşıyor, fakat her token işlenirken bunların 23 milyarı etkinleşiyor. Model, uzman karışımı adı verilen mimariyi kullanıyor: hesaplama sırasında ağın belirli bölümleri seçiliyor. Böylece toplam model büyüklüğü ile her adımda yapılan hesaplamanın boyutu farklılaşıyor.
Bu ayrım donanım hesabında önemli. AWS, toplam parametre sayısının ağırlıkların bellekte tutulmasını ve farklı işlemcilere dağıtılmasını etkilediğini söylüyor. Dolayısıyla 23 milyar etkin parametre bilgisinden hareketle modelin küçük bir ekran kartına sığacağını varsayamazsın.
Ağırlıklar BF16, FP8 ve NVFP4 biçimlerinde sunuluyor. Bunlar sayısal hassasiyeti ve bellek kullanımını etkileyen farklı saklama biçimleri. AWS, seçim yapılırken uyumlu donanımın, çalışma yazılımının ve ek bellek ihtiyacının birlikte kontrol edilmesini öneriyor. Açık kaynak yapay zekâ rehberimiz, ağırlıklara erişim ile hazır bir hizmet kullanımı arasındaki farkı açıklıyor.
Ekipler Beam'e nasıl erişebilecek?
Ekipler Beam'in ağırlıklarını Hugging Face üzerinden alabiliyor veya AWS'nin yönettiği dağıtım seçeneklerini kullanabiliyor. AWS'nin 16 Ekim tarihli açıklamasına göre model, çıkışta SageMaker JumpStart üzerinden Kuzey Virginia ve Ohio bölgelerinde sunuluyor. Bunlar hizmetin çalıştığı altyapı bölgeleri; Türkiye'ye özel bir sunucu duyurusu yapılmış değil.
AWS iki temel kurulum yolu anlatıyor. JumpStart, yönetilen bir model hizmeti kurmak isteyen ekiplere yönelik. HyperPod Inference ise grafik işlemcilerinin ve dağıtık çalışmanın daha ayrıntılı yönetilmesini sağlıyor. Hugging Face duyurusu ayrıca Transformers, vLLM ve SGLang desteğini listeliyor; bunlar modeli uygulamalara bağlamak ve çalıştırmak için kullanılan yazılım seçenekleri.
AWS tarafında uygun hesap izinleri, grafik işlemcisi kotası ve kapasite gerekiyor. İncelenen duyurular, herkes için geçerli tek bir kullanım bedeli vermiyor. Lisansın açık olması, bulut sunucularının ücretsiz çalışacağı anlamına gelmiyor; AWS de deneme sonunda kaynakların kapatılmasını özellikle hatırlatıyor.
Türkiye'deki geliştirici için ne değişiyor?
Türkiye'deki bir yazılım ekibi açısından Beam, modelin nerede çalışacağını ve nasıl uyarlanacağını seçebilmek için değerlendirilebilir. Buna karşılık duyurularda Türkiye'ye özgü erişim koşulları veya Türkçe performans ölçümü açıklanmadı. Türkçe yazılmış hata kayıtlarıyla çalışacaksan, seçimini kendi örneklerin üzerinden yapman daha sağlıklı olur.
İlk denemede, sonucu önceden bilinen küçük bir hata kaydını kullanabilirsin. Aşağıdaki prompt bir değerlendirme önerisi; Beam'in başarıyla tamamladığını gördüğümüz bir test değil:
Bu hata kaydını ve ilgili kodu incele. Sorunun nedenini dosya ve
fonksiyon adlarıyla açıkla. Önerdiğin değişikliği göster ve çözümün
çalıştığını hangi mevcut testle doğrulayabileceğimi belirt.
Kuruluma geçmeden önce aynı görev için bellek ihtiyacını, yanıt süresini ve çıkan kodun doğruluğunu birlikte ölç. AWS'nin örnek dağıtım belgelerindeki donanım koşullarını kontrol ederek başla; yalnızca bağlam kapasitesine bakıp sunucu kiralama kararı verme.
Sık sorulanlar
Reflection Beam nedir?
Beam, kod değiştirme, araç kullanma ve çok adımlı yazılım görevleri için geliştirilen açık ağırlıklı bir model. Toplam 501 milyar parametresinin 23 milyarı her token için etkinleşiyor.
Beam ev bilgisayarında çalışır mı?
AWS, Beam için birden fazla grafik işlemcisi gerektiren kurulum tarif ediyor. Açıklanan dağıtım seçenekleri, sıradan bir ev bilgisayarına yönelik hazır kurulum sunmuyor.
Beam Türkçe destekliyor mu?
Hugging Face ve AWS'nin incelenen duyurularında Türkçe başarımına ilişkin ayrı bir ölçüm açıklanmadı. Türkçe görevlerde uygunluğu ayrıca sınamak gerekiyor.
Haftada bir e-posta. Sadece işe yarayanlar.
Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.
Açık kaynak yapay zekâ modeli nedir? Açık ağırlıkla farkı





