跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Reflection 发布 Beam 模型,AI 网络安全竞赛提速

10月5日,Reflection AI 发布 Beam。这是一个拥有 5010亿参数的开源权重模型,公司称它在推理基准上追平中国对手,算力消耗却少 3 至 4 倍。发布时正值网络安全方向的 AI 公告密集出现。

人工智能与模型新闻王雅琴发布: 2026年10月5日7 分钟阅读资料来源 12
Reflection 发布 Beam 模型,AI 网络安全竞赛提速

Reflection AI 在10月5日发布了 Beam。这家初创公司位于布鲁克林,由前 Google DeepMind 研究员于 2024 年创办。Beam 采用稀疏混合专家(MoE)架构,总参数 5010亿,激活参数 230亿,训练用了 238000亿个 token。

TechCrunch 报道称,Reflection 表示 Beam 在高级推理基准上追平中国领先的开源模型,成本却低得多。Axios 上周末曾报道该模型即将发布,这次发布印证了这一消息。公司在长篇博客中把 Beam 描述为纯文本模型,用高算力强化学习训练而成。Reflection 称,该模型在推理、编程和智能体任务上表现良好,而“token 成本和推理算力只相当于对手的一小部分”。这一定位让它直接对上 DeepSeek、Qwen 和 Z.ai,同时也向 Mistral、Meta 等西方厂商发起挑战。

对一个开源权重模型来说,这组规格相当激进。Beam 提供 100万 token 的上下文窗口,对企业级智能体工作负载是明显的跃升。Z.ai 的 GLM-5.2 总参数约 7440亿,激活参数 400亿。Reflection 断言,Beam 在高级推理基准上与 GLM-5.2 持平,推理算力却少 3 至 4 倍。独立验证尚未进行,但这一效率差距正是其商业卖点的核心:让无力承担更大闭源模型能源与硬件成本的组织,也能用上前沿水平的能力。

时间点并非巧合。Beam 发布的这一周,网络安全与 AI 能力正被紧紧绑在一起。模型本身是通用型的,但它对编程和智能体任务的侧重,正好对上用 AI 监控威胁、审计代码、自动响应的安全团队。行业正在从聊天机器人转向能执行动作的模型。这种能力既是防御工具,也是攻击入口。

Reflection 把 Beam 摆在 Anthropic、OpenAI 等闭源实验室以及其他开源模型的对立面。它在美国最直接的对手或许是 Inkling,即 Mira Murati 的 Thinking Machines Lab 于7月发布的开源模型。Reflection 的基准显示,在双方都公布结果的四项编程测试中,Beam 得分高于 Inkling。Inkling 是多模态模型,Beam 则是纯文本。这家初创公司已从 Nvidia、Sequoia Capital 和 Lightspeed Venture Partners 融资约 47亿美元,上一轮融资的投前估值为 250亿美元。这笔资金投向了算力基础设施,其中包括与 SpaceX 和 Nebius 签订的、价值超过 70亿美元的协议,用于在 2029 年前获取 Nvidia GB300 芯片。

效率成为竞争武器

支持开源权重模型的理由,过去一直围绕透明度和本地部署。新的差异点在于推理效率。Reflection 的博客文章详细说明,其高算力强化学习训练在四周内于 10500 块 NVIDIA GB300 GPU 上完成了超过 1亿次 rollout。这一过程的目标是做出一个面向企业、公共部门和开发者的“主力模型”,以更低成本提供强能力,让机构能在自有数据上搭建定制的本地 AI 系统。Nvidia 首席执行官黄仁勋一直在推崇这种“AI 工厂”概念,这一愿景对作为 GPU 供应商的 Nvidia 有利。

Axios 报道称,对冲基金和交易公司都急于搭建这类系统。这说明对高吞吐、低延迟推理的需求已经超出科技公司。对网络安全来说,这种效率至关重要。安全运营中心常常需要实时处理海量的日志数据和网络流量。一个只需更大替代方案一小部分算力就能完成智能体任务的模型,对持续监控和自动威胁检测来说就成了实用选项。更低的单 token 成本,也降低了缺少企业级预算、却需要保护资产的小型机构的门槛。

编程基准上的表现与网络安全行业尤其相关,因为安全编码和快速打补丁在这里不可或缺。按公司公布的基准,Beam 在 SWE-Bench Verified 上得分 80.9,在 SWE Bench Pro v2-Hard 上得分 77.2。这些成绩与 GLM 5.2 和 Qwen 3.8-Max 处于同一水平。Kimi K3 在某些方面的原始能力仍然领先。Reflection 主张,Beam 的优势在于推理效率。能力与成本之间的这种取舍,正随着开发者针对具体用例而非通用智能做优化,反复出现。

网络安全的背景

随着 AI 模型能力增强,网络安全环境也在同步演变。让 AI 写代码、在复杂环境中操作的技术,同样可以被用来生成高级恶意软件或自动化钓鱼攻击。防御方则转向 AI,以求跑在这些威胁前面。“AI 网络安全”正从细分领域变成大型科技公司和安全厂商的核心议题。能理解上下文、推理漏洞并执行防御动作的模型,正在成为安全团队的必备工具。

Beam 发布之际,AI 开发与网络安全的边界正在模糊。研究人员在探索如何用 AI 模型发现并修补软件漏洞,这项工作传统上需要大量人类专业知识。Beam 处理智能体任务的能力,例如阅读文档、转写语音、在结构化数据上回答问题,使它成为安全流程中的多面手。模型可以分析事件报告,与威胁情报做关联,并提出修复步骤。Beam 的效率能让这类系统持续运行而不产生难以承受的成本,从而更具扩展性、更易获得。

不过,AI 在网络安全中的使用也带来可靠性与信任问题。一个自信却出错的模型,可能比一个谨慎而不确定的模型更危险。加州大学河滨分校计算机科学家领导的一项研究于9月发表,发现大语言模型内部的自信与正确可能来自不同的内部特征。研究者分别找出了与自信和与正确相关联的内部特征,这动摇了“自信即准确”的假设。这一发现对在网络安全这类高风险环境中部署 AI 有直接影响,因为误报或漏报的后果都很严重。开发者正在探索调整 AI 系统的方法,让它在正确时更自信、在可能出错时更谨慎,这对 Beam 这类模型在防御场景中的安全使用至关重要。

AI 领域的竞争格局也在影响网络安全环境。随着 Reflection、Mistral 和 Meta 等西方公司发布开源权重模型,它们为 OpenAI、Anthropic 等实验室的闭源模型提供了替代选择。这种竞争压低了成本,提高了先进 AI 能力的可获得性,整个生态包括安全厂商都从中受益。但与此同时,攻击者能拿到的工具也更容易获得、更强大。Beam 这类模型的开放性带来更高的透明度和更多的审视,有助于在漏洞被利用前发现并缓解。这是开源权重模型在网络安全中的一项关键优势,因为靠隐蔽求安全往往行不通。

对行业的影响

Beam 的发布,是打造中国 AI 模型的西方答案这场竞赛中的重要一步。Reflection 聚焦效率与成本效益,瞄准的是此前开源模型覆盖不足的市场。模型能以对手一小部分算力完成智能体任务,这对希望引入 AI 又不想承担高运营支出的企业很有吸引力。这种向效率的转向很可能影响未来的模型开发,因为公司要在能力、成本与可扩展性之间做平衡。

对网络安全行业来说,Beam 这类高效的开源权重模型既带来机会,也带来挑战。这些模型可以部署在更广的环境中,包括边缘设备和资源受限的场景,扩大 AI 驱动防御的适用范围。反过来,先进 AI 能力更易获得,也意味着对手能用这些工具加强攻击。行业必须调整策略来应对这种双重用途,重点建设能抵御复杂 AI 威胁的强防御。

随着 AI 环境演变,模型能力、效率与安全之间的相互作用将是一个关键焦点。Reflection 的 Beam 向前迈了一步,为开发与防御都提供了有力工具。未来几个月将决定该模型在真实应用中表现如何,尤其是在网络安全领域。对公司性能声明的独立验证,将是建立可信度、判断真实行业影响的关键。与此同时,Beam 标志着 AI 竞赛进入新阶段:效率与实用性,和原始能力一样重要。

评论 0

资料来源

12
  1. 01Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute costEN
  2. 02Introducing Beam: Reflection’s 501B open-weight modelEN
  3. 03Study: Path discovered to make AI models red-flag their doubtful answersEN
  4. 04Podcast: Future Cybersecurity: Hardware Memory Safety, Automated Governance and Post-Quantum CryptographyEN
  5. 05System One models like Jev can train their own replacementsEN
  6. 06Jeff-Code: a 0.8B model makes Qwen 3.8-27B coding 47% faster, same pass rateEN
  7. 07Reika – A coding agent CLI designed around small local models firstEN
  8. 08d1: The most capable decision model, now with visionEN
  9. 09Interfaze-1-lite: the first open-weight model for deterministic taskEN
  10. 10NASA-IBM Lunar Foundation Model and fine-tuning codeEN
  11. 11Precogly (The open-source alternative to commercial threat modeling platforms)EN
  12. 12Sales of sub-€25,000 electric car models set to rise sevenfoldEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。