Pre-training selesai dalam 12 hari, tetapi pembelajaran penguatan Beam menghabiskan 10.500 unit GB300 selama empat minggu penuh. Misha Laskin, co-founder dan CEO Reflection AI @reflection_ai, mengupas biaya pelatihan model terbuka Beam. Perusahaan ini didirikan oleh dua mantan peneliti Google DeepMind sebelum tahun 2026, dan pada bulan April tahun ini menyelesaikan putaran pendanaan baru dengan valuasi pra-investasi sebesar US$250 miliar. Beam memiliki total parameter 501B dan parameter aktif 23B, dengan pre-training menghabiskan 23,8 triliun token; bobotnya telah dirilis secara terbuka di bawah lisensi Apache 2.0 pada 16 Oktober. Alokasi daya komputasi antara dua tahap terbalik. Pre-training berjalan di atas 6.144 unit GB300 NVL72; menurutnya, dengan infrastruktur saat ini, proses ini dapat diselesaikan dalam sekitar 12 hari. Tahap RL menggunakan 10.500 chip jenis yang sama secara terus-menerus selama empat minggu, setara dengan sekitar 40.000 GB300-minggu—empat kali lipat dari sekitar 10.000 GB300-minggu pada pre-training, dan mengonsumsi FLOPs yang jauh lebih banyak.