Reflection 发布 Beam：5010 亿参数开源权重模型，主打高效推理

Reflection AI 于 2026 年 10 月 5 日发布 Beam。

这家总部在布鲁克林的初创公司推出了自己的第一个前沿开源权重模型。对手是 DeepSeek、Qwen 和 Z.ai 这些中国头部模型，Reflection 想做出一个能与之竞争的西方替代品，这次发布把这件事又往前推了一步。它用一个面向特定高价值任务的工具，直接去争全球 AI 竞赛中几大主导者的市场份额。这是一次战略押注：决定企业下一阶段采用的，是效率，而不只是纯粹的规模。发布时机也经过挑选，正好赶上外界对前沿能力的成本和可获得性讨论最密集的一段时间。

公司发布的一篇详细博客文章称，Beam 是一个纯文本的混合专家模型，专门针对推理、编程和智能体任务设计。它的架构是稀疏的：总参数 5010 亿，推理时只激活 230 亿。这个设计是 Reflection 卖点的核心：用更少的 token 成本和更短的推理时间换来高性能，而更大的稠密模型做不到这一点。公司称 Beam 的预训练用了 238000 亿 token，数据来自网页内容和获得授权的专有数据。这个规模与目前市面上其他大型开源权重基础模型相当。押注稀疏架构，说明公司认为稠密模型对许多场景来说在经济上已经走不通。

把效率当作竞争优势

Reflection 把 Beam 的定位放在推理阶段的效率上。

公司称，在高级推理基准上，Beam 的得分与 Z.ai 的 GLM-5.2 相当，而推理算力只用后者的三分之一到四分之一。企业和主权国家想部署 AI 系统，又不想承担闭源实验室 API 的高昂费用，也不想背上中国开发者那些超大开源权重模型的成本，这种效率直接回应了它们的压力。这家初创公司把 Beam 称作面向企业、公共部门和开发者的“主力模型”。Reflection 的思路是压低每次推理调用的算力开销，让更多机构用得起高水平的推理能力。博客文章还指出，把 Beam 与 2 万亿参数以上的模型相比，比如 Qwen 3.8-Max，效率优势更明显，后者每个 token 要消耗的资源多得多。在 API 费用是 CTO 预算大项的市场里，这样的成本结构就是最主要的差异点。

这些性能说法还没有独立验证。模型目前仍在做最后阶段的红队测试和评估。权重、技术报告和开发者材料计划在 2026 年 10 月晚些时候放出。在那之前，Reflection 给出的数字只能算自报的基准成绩，这在开源权重模型快速迭代的环境里很常见。批评者可以说，没有第三方审计，效率上的说法仍停留在纸面。社区多半会等到权重开放后再对模型的真实能力下结论。

基准表现与对比

Reflection 自己的基准数据显示，Beam 超过了几个西方开源模型，包括 Thinking Machines Lab 的 Inkling 和 NVIDIA 的 Nemotron 3 Ultra。在双方都公布成绩的编程测试中，Beam 在四个具体任务上得分高于 Inkling。不过 Inkling 是多模态模型，Beam 只处理文本，直接比较要打折扣。公司也承认，像 Kimi K3 这样的前沿开源模型在绝对能力上仍然领先，Beam 的优势在推理时的速度和成本。对把延迟和成本放在绝对峰值性能之前的开发者来说，这个区别很关键。

• 在 SWE Bench Pro v2-Hard 上，Beam 得分 77.2，GLM 5.3 为 84.3，Kimi K3 为 88.2。
• 在 Terminal Bench v2.1 上，Beam 得分 80.1，略低于 GLM 5.2 的 81.0，与 Kimi K3 的 88.3 差距明显。
• 在 AIME 2026 这类推理任务上，Beam 得 97.8，接近 GLM 5.2 的 99.2，高于 Inkling 的 97.1。
• 在考查研究生水平科学知识的 GPQA Diamond 上，Beam 得 90.5，落后于 Kimi K3 的 93.5，领先于 Inkling 的 87.2。

这些数字说明，这个模型用一部分峰值性能换来了效率上的大幅提升。对需要跑大量推理任务的组织来说，这笔交换很关键，比如要经过多步推理和工具调用的智能体工作流。每一步的时间和成本降下来，复杂 AI 操作的总开销就会降低。高频交易或实时客服这类对延迟敏感的应用，因此会格外看重它。

开源权重 AI 的大背景

Reflection 发布新模型的背景，是美国与中国 AI 能力之间的差距在收窄。彭博行业研究近期的报告认为，美国对中国的领先优势已缩小到大约 3%，主要原因是 DeepSeek 等中国实验室进步很快。在这样的环境里，西方初创公司必须让自己的产品有区别。Reflection 的策略很明确：在成本和效率上竞争，而不是只拼峰值基准分数。这等于承认，单靠霸榜的时代正在结束，实际部署指标才是重点。

这家公司一直在积极锁定训练和运行前沿模型所需的算力。今年夏天，Reflection 与 SpaceX 和 Nebius 签下总额超过 70 亿美元的协议，从而在 2029 年之前获得 Nvidia GB300 芯片的使用权。这样的基础设施支撑，是维持训练节奏和推理容量所必需的，而 Beam 的性能说法正建立在这两者之上。与 Nvidia 的合作尤其值得注意。Nvidia 首席执行官黄仁勋长期推崇“AI 工厂”的构想，这与 Reflection 的目标一致：让机构建立本地化、可定制的 AI 系统。如此大规模的硬件投入，说明公司对其开源权重路线的长期可行性有信心。

Reflection 的“AI 工厂”产品将允许企业和主权国家用自己的专有数据训练 Reflection 的模型，得到留在本地控制之下的定制系统。这种做法回应了数据隐私方面的顾虑，也回应了部署 AI 时对主权的要求。Axios 报道称，对冲基金和交易公司是急于搭建这类系统的早期客户，说明敏感行业对安全、高性能推理模型的需求很强。这些行业特别在意数据泄露和监管合规，本地推理因此成了重要卖点。

对行业的影响

Beam 的发布让本就拥挤的开源权重模型赛道又多了一个重要玩家。Mistral、Meta、Cohere，以及 Z.ai、DeepSeek 等中国实验室，面临的竞争都会更激烈。Reflection 提供的模型在推理和编程上有竞争力，同时更高效，可能吸引那些被大模型的高成本或 Anthropic、OpenAI 闭源 API 挡在门外的开发者。开源生态的力量对比可能因此变化，专用而高效的架构会压过通用的大块头。

只做文本是刻意的选择，这样可以在特定领域做更深的优化。多模态能力虽然越来越被期待，Reflection 却认为，把文本推理和编程做扎实，是更复杂的智能体行为的基础。公司把重心放在高算力强化学习上，在 10500 块 NVIDIA GB300 GPU 上生成了超过 1 亿次 rollout，说明它想靠大量练习提升模型的决策能力，而不是单纯堆参数。这种做法也反映了 AI 研究的一个更大趋势：效率和专业化正在取代蛮力。

权重和技术报告本月晚些时候公布后，社区将有机会验证 Reflection 的说法，并针对具体场景微调模型。Beam 能否成功，取决于效率优势能否变成用户实际省下的钱，也取决于模型的表现在独立审查下是否站得住。如果站得住，Beam 有可能成为西方 AI 技术栈里的标准工具，以更低的成本提供一个可信的中国模型替代品。接下来几周，将决定这家公司的声誉和这款模型的采用速度。