Reflection AI于2026年10月发布Beam开放权重模型，采用5010亿参数的稀疏Mixture of Experts设计，每次推理约激活230亿参数，主打代码生成与智能体任务的低推理成本。公司仍将Beam列为“发布预览”，权重、技术报告和完整开发工具将在稍晚公开，独立基准复现与实际部署成本有待验证。
美国人工智能初创公司Reflection AI于10月5日发布首个开放权重模型Beam，试图以较低的推理成本进入代码生成和智能体任务市场，并与DeepSeek、Kimi以及Z.ai等中国开放模型竞争。
Reuters报道称，Beam包含5010亿个总参数，但每项任务只激活约230亿个参数。Reflection AI表示，这种稀疏混合专家（Mixture of Experts，MoE）设计可以减少每次推理实际调用的计算资源，从而在速度和成本之间取得更好的平衡。
不过，Beam目前更准确的状态仍是“发布预览”而不是已经全面开放下载的成熟产品。Reflection在官方介绍中说，模型仍在进行最后的红队测试和评估，当前只向部分用户开放早期访问；模型权重、技术报告、模型卡和开发者工具计划于10月稍晚发布。
Beam的优势主张集中在“每个令牌的成本”
Reflection称，Beam专门针对代码、推理和智能体任务训练。公司披露，模型预训练使用了2.38万亿个经过筛选的数据令牌，并在强化学习阶段使用1.05万块英伟达GB300 GPU，持续训练四周，生成超过1亿次rollout。训练和评分过程还使用了约13亿个沙箱环境。
这些数字显示，Beam所代表的并不是单纯依靠模型压缩来降低成本，而是把大规模强化学习、执行环境和推理效率结合起来。Reflection表示，Beam在部分高级推理测试上的表现接近Z.ai的GLM-5.2，同时使用的推理计算量约少三至四倍；在代码和智能体任务上，公司的对比结果也称其正在缩小与Qwen3.8-Max的差距。
这些性能结论目前主要来自Reflection自己的测试。官方页面列出了包括SWE-bench、Terminal-Bench、GPQA Diamond和BrowseComp在内的多项结果，但不同模型的测试条件、工具配置、上下文管理和报告时间未必完全一致。因而，Beam是否能在独立、可复现的基准测试中保持这一优势，仍有待模型权重和技术报告公开后确认。
Reflection自己也承认，Kimi K3在原始能力上仍然领先。Beam的核心卖点不是在所有榜单上超过竞争对手，而是希望以更少的活跃参数和更低的推理计算量，成为企业代码开发和长期智能体工作流中的“工作马”。
开放权重不等于已经可以本地部署
Beam的开发者文档目前已经列出模型标识符Beam-501B-A23B，并支持推理、工具调用和结构化输出。文档给出的上下文窗口为256K，最大输出为128K，同时提醒测试阶段上下文窗口可能发生变化。
这也带来一个需要区分的时间点问题。部分媒体报道提到Beam拥有更大的上下文窗口，但Reflection当前公开的开发者文档和技术介绍中，能够直接核实的服务规格是256K。至于未来版本是否扩展到更大的上下文范围，应等待官方模型卡或更新后的文档，不宜把媒体转述的预期规格当作现行产品能力。
Reflection表示，Beam权重计划以Apache 2.0许可证发布，并将同时提供运行、评估和微调所需的完整工具链。但在这些文件真正上线前，开发者仍不能把“开放权重”理解为已经可以自由下载、量化并在普通设备上运行。5010亿总参数意味着模型存储和分布式推理仍然需要相当规模的显存与互联基础设施；230亿活跃参数只描述每个令牌参与计算的部分，并不会消除完整权重的存储和加载压力。
这类差异在开放模型竞争中越来越重要。此前，AIFlux对Olmo-core 3开放大规模MoE训练基础设施的报道也指出，MoE的效率不仅取决于激活参数量，还取决于专家路由、显存占用、GPU间通信和训练系统的具体实现。Beam的低成本主张最终能否转化为真实部署优势，同样需要在不同硬件和工作负载下复测。
这是一场模型竞争，也是算力与供应链竞争
Reflection由前Google DeepMind研究人员Misha Laskin和Ioannis Antonoglou于2024年创办，早期主要开发自动化软件开发工具。公司随后把目标扩大到开放基础模型，希望为企业、政府和主权客户提供可检查、可定制和可自行部署的人工智能系统。
为支撑这一方向，Reflection今年与SpaceX签署了计算能力协议。Reuters只确认该协议为Reflection提供了Colossus 2数据中心的额外计算能力；CNBC报道的协议细节则包括从2026年7月开始、每月约1.5亿美元的付款安排，如果执行到2029年，合同总额约为63亿美元。这个协议说明Reflection已经在为训练和运行大型模型锁定算力，但它本身并不代表Beam已经取得独立的商业部署成果。
对美国模型公司而言，Beam的发布也反映出开放模型竞争的地理变化。DeepSeek、Kimi和Qwen等中国团队已经证明，开放权重模型可以凭借较低成本、较强定制能力和广泛的开发者生态形成影响力。Reflection试图提供一个美国版本的开放模型路线：一方面依靠英伟达最新一代GPU和大规模强化学习追赶能力，另一方面通过开放权重和可审计工具降低企业对封闭模型服务的依赖。
但开放模式并不会自动解决商业化问题。模型权重能否按计划发布、许可证是否覆盖完整工具链、实际推理成本是多少，以及企业客户是否愿意承担部署复杂度，都会影响Beam的后续表现。Reflection此前发布的DeepSeek Harness相关报道所呈现的另一条趋势是，智能体竞争正从单次问答转向插件、工具、沙箱和长期运行环境的整体竞争。Beam能否在这些实际工作流中稳定完成任务，可能比一次发布时的模型参数或榜单分数更能决定它的市场位置。
目前能够确认的是，Reflection已经发布了Beam的技术预览、服务入口和开发路线，并明确了5010亿总参数、230亿活跃参数以及开放权重计划。尚不能确认的是，完整权重何时可下载、最终许可证和模型卡是否会增加限制，以及第三方测试能否复现公司公布的性能和成本优势。
来源：
- Reuters：Nvidia-backed Reflection unveils first AI model to take on Chinese open models
- Reflection AI：Introducing Beam
- Reflection AI开发者文档：Models
- CNBC：SpaceX signs compute deal with open-source AI startup Reflection
- TechCrunch：Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost