米新興AIが成績だけ先に発表、技術者は「重みを見せろ」

工場に新しい機械を入れる、という話が来た。カタログの数字は他社を上回り、動かすのにかかる手間は3分の1から4分の1だという。ただ、実物の納品は「今月後半」で、いま手元にあるのは申込書だけだ。

舞台は米国、届いていないのは「重み」

これはたとえ話で、日本の工場の話ではない。実際に起きたのは、米国のAI企業Reflection AIが2026年10月5日、大規模言語モデル「Beam」を発表した件である。同社の公式ブログによると、Beamは総パラメータ数5010億、実際に動くのは230億という疎なMixture-of-Experts構成で、ライセンスはApache 2.0。「built for coding, reasoning, and agentic workloads」（コーディング、推論、エージェント処理のために作った）と説明している。

並ぶ数字は高い。SWE-bench Verifiedが80.9、SWE-bench Pro v2-Hardが77.2、Terminal Bench v2.1が80.1、AIME 2026が97.8、GPQA Diamondが90.5。上位の推論課題では、中国のGLM-5.2と同等の成績を「3–4× less inference compute」（3〜4分の1の推論計算量）で出したとしている。作るのにかけた資源も大きい。事前学習は23兆8000億トークン、その後の強化学習ではNVIDIAのGB300を1万500基使い、4週間で1億回を超える試行を回したと書いている。

ただし発表の時点で開かれていたのは、早期アクセスの申し込み窓口だけだった。重み、技術報告書、モデルカード、開発者向けの資料は「今月後半」に出す予定とされ、10月7日の時点でまだ出ていない。

「重み」とは、モデルの中身の数字

重み（weights）は、学習によって決まった数値の集まりである。ニューラルネットワークの中で、入力がどれだけ強く計算に寄与するかを決める数値を指す（ウィキペディア英語版「Open weights」）。「パラメータ5010億」とは、この数値が5010億個あるという意味だ。モデルの中身は、この数字の塊である。

重みを公開すれば、誰でもダウンロードして自分の環境で動かせる。何をしてよいかはライセンスで決まる。一方、学習に使ったデータや学習コードは、重みと一緒に出るとは限らない。そのため「オープンソース」ではなく「オープンウェイト」と呼び分けられている。

ここが、発表の順番の話につながる。重みが配られていない間、80.9や97.8という点数を確かめられるのは、作った会社だけである。Apache 2.0と書いてあっても、渡されていない数字は動かせない。

ネットの評判

技術者が集まる掲示板Hacker Newsでは、10月7日の時点でこの発表に541点、168件のコメントが付いた。目立つのは、順番への不満である。あるユーザーは「talk is cheap and this is a rather pointless announcement without anything backing it up」（口で言うのは安く、裏付けのないこの発表は無意味に近い）と書き込んだ。開かれたモデルが増えること自体には賛成だと前置きしたうえでの一言だった。

最も支持されたコメントは、別の点を突いていた。Reflection AIは、緯度と経度の1万6200地点を陸か水かに分類させる「viral X puzzle」を再現し、Beamは95.5%を当てたとして「shows how well it generalizes to novel new tasks」（新しい課題にうまく対応できることを示す）と書いている。これに対しコメントは、同じ試験が2025年8月にLessWrongへ投稿された記事で公開済みだと指摘した。実際、該当の記事は2025年8月11日付で、モデルに与える指示文まで載っている。新しい課題ではない、という指摘である。

効率を疑う声もある。別のユーザーは「This appears to be larger than DeepSeek v4.1 Flash, more expensive to run, and worse on every measured metric.」（DeepSeek v4.1 Flashより大きく、動かす費用が高く、測られたすべての指標で劣る）と書いた。

重みが公開されれば、95.5%も80.9も、社外の誰かが同じ手順で測り直せる。Reflection AIは、それを今月後半に出すと書いている。それまでBeamを動かせるのは、早期アクセスを認められた人だけである。