پیش تربیت صرف 12 دن میں مکمل ہو جاتی ہے، لیکن Beam کی تقویتی سیکھنے کے لیے 10,500 GB300 چپس چار ہفتے تک استعمال ہوئیں Reflection AI @reflection_ai کے ماسِلِنگ اور سی ای او مِشا لاسکن نے اوپن ماڈل Beam کی تربیت کے اخراجات کا انکشاف کیا۔ یہ کمپنی 2026 سے پہلے دو سابق Google DeepMind ریسرچرز نے قائم کی تھی، اور اس نے اس سال اپریل میں 250 ارب ڈالر کی پری انویسٹمنٹ ویلیو کے ساتھ نئی سیریز فنڈنگ حاصل کی۔ Beam کے کل پیرامیٹرز 501B اور ایکٹیویٹڈ پیرامیٹرز 23B ہیں، جبکہ پیش تربیت میں 23.8 ٹرین ٹوکنز استعمال ہوئے، اور وزن 16 اکتوبر کو Apache 2.0 لائسنس کے تحت شائع کر دیے گئے۔ کلکشن کا تقسیم الٹا ہے۔ پیش تربیت 6,144 GB300 NVL72 چپس پر چل رہی تھی، جسے اس کے مطابق موجودہ انفراسٹرکچر پر صرف 12 دن میں مکمل کیا جا سکتا ہے۔ تقویتی سیکھنے (RL) کے مرحلے میں 10,500 اسی قسم کے چپس استعمال ہوئے، جو لگاتار چار ہفتے تک چلے، جس کا تقابلی حساب لگانے پر تقریباً 40,000 GB300 ہفتے بن جاتے ہیں، جو پیش تربیت کے تقریباً 10,000 GB300 ہفتوں کا تین گنا ہے، اور استعمال ہونے والے FLOPs بھی زیادہ تھے۔