Reflection 的 Beam 拉开西方开放权重序幕，但权重尚未发布

博客文章在 10 月 5 日上线。文中称 Beam 是稀疏专家混合模型，总参数 5010 亿，激活参数 230 亿，面向编程、推理和智能体任务。权重不在 Hugging Face 上。Reflection 说，权重会在“本月晚些时候”发布，一同发布的还有技术报告、模型卡和面向开发者的材料。

这一周，这个空档比平时更要紧。同一天，Cloudflare 发布了实打实的文件：Clef，一个 270 亿参数的多模态模型，基于 Qwen/Qwen3.8-27B 后训练而成，模型页面上有 safetensors 分片、分词器和 Apache-2.0 许可证。Interfaze-ai 发布了 interfaze-1-lite，一个混合架构模型，公司称它能在单张 80 GB 显卡上运行。这两个都能下载。Beam 目前只是一张基准测试表和一份注册表单。对比并不含蓄。也正因为如此，这条消息在不同人眼里读起来不一样：手里有 GPU 集群的研究者是一种感受，今晚就想找个模型跑起来的开发者是另一种。

数字说了什么，又略去了什么

Reflection 的文章在训练细节上写得异常具体。文中说，Beam 用来自网络和授权数据集的 238000 亿 token 做预训练，之后跑了一轮强化学习，在 10500 块 NVIDIA GB300 显卡上、历时四周，生成了超过 1 亿次 rollout。实验室通常会跳过这类披露，而这恰恰是整篇公告里最扎实的部分。

基准测试表则参差不齐。Beam 在 SWE-bench Verified 上得 80.9，Inkling 是 77.6，Nemotron 3 Ultra 是 70.7。在 Terminal Bench v2.1 上，Beam 记 80.1，落后于 GLM 5.3 的 88.2、Kimi K3 的 88.3 和 Qwen 3.8 Max 的 86.6。在 Humanity's Last Exam 的无工具版本上，Beam 得 36.2，低于 GLM 5.2 的 40.5、GLM 5.3 的 42.3、Kimi K3 的 46.9 和 Qwen 3.8 Max 的 43.6。Reflection 自己的表里有好几格写着 NR，即未报告，其中多数是 Kimi K3 的 SWE-bench 数据。

Reflection 最用力强调的一点是效率。公司称，Beam 达到与 GLM-5.2 相当的推理分数，而推理算力只用三分之一到四分之一；面对 Qwen 3.8-Max 这类 2万亿参数级别的模型，差距还会拉大。Semafor 报道，联合创始人兼 CEO Misha Laskin 给出的也是同一个数字：解一道题所需的算力少三到四倍。他说这让模型跑得更快、更便宜。Semafor 还提到，Beam 正在“接近”Qwen 3.8-Max，与 6 月发布的 Z.ai GLM-5.2 相当。

“他们今天其实没有太好的选择，”Laskin 对 Semafor 说，指的是那些想要主权 AI 系统、又不想用中国模型的企业和政府。

Semafor 报道，Reflection 由前 DeepMind 研究者于 2024 年创立，6 月完成一轮融资，投前估值 250亿。投资方包括 Nvidia、Sequoia 和 Citigroup。报道还说，Laskin 表示 Reflection 正与美国 Center for Advancing Innovation and Standards for Super Intelligence 以及英国 AI Safety Institute 合作评估该模型。Reflection 自己的文章称，Beam 仍在进行最后的红队测试和评估。

开放权重赛道拥挤，而且跑得很快

Beam 进入的不是一个空市场。Cloudflare 的 Clef 押的是完全不同的方向：它不生成自由文本。它读入一个状态，可以是文本、JSON、图像或视频，再加上一份带类型问题的 schema，然后在一次前向传播中为每个允许的选项返回概率。模型卡列出了一个联合 schema head，把所有问题的所有选项放在一起打分，并称可用 SGLang 在 H200、B200 和 B300 硬件上部署。

Interfaze-1-lite 由一个推理核心加上面向文档、语音、分割和预测的专家模型组成，靠工具调用串联起来。它公布的对比表显示，GPQA Diamond 上得 85.9，GPT-5.4-Mini 是 92.4，Claude-Sonnet-4.6 是 89.9；但在 MMMU-Pro 上它超过这两者，得 73.2，对方分别是 71.1 和 46.3。olmOCR-Bench 上它得 83.8，略低于 GPT-5.4-Mini 的 85.7。

更小的开放项目也在落地。Pi 编程智能体的一个分支 Jeff-Code 在 Qwen 3.8-27B 外面套了一个 8亿参数的决策模型，报告称在通过率相同的情况下，编程任务平均快 47%：62.4% 对 62.8%，在 1242 组配对任务上配对差值为负 0.2 个百分点。Reika 是一个为小型本地模型打造的编程智能体命令行工具，它也公布了自己的发现。其中一项测量显示，一次中段上下文重写重新处理了 8453 个 token 的提示，预填充耗时 7.9 分钟；而在同一会话里追加内容只花 25 个 token 和 3.5 秒。

周边基础设施的消息就没那么乐观。iT's FOSS 报道，DigitalOcean 正在终止其 Open Source Credits 计划，告知维护者不再接受新申请，也不再批准续期、延期或追加额度请求。官方没有发博客说明。iT's FOSS 称，Node.js 的维护者是通过一封邮件得知的，Pidgin 的首席开发者 Gray 在 Mastodon 上确认了关停。Node.js 曾用 DigitalOcean 的基础设施跑构建，包括虚拟服务器、存储、快照和备份。

开放权重给托管者带来的账单

过去几天还有两条消息，显示出这一片热闹背后的成本。Tom's Hardware 报道，Google 于 10 月 1 日暂停了其开源软件漏洞奖励计划的产品漏洞提交，理由是大量无效的 AI 生成报告涌入，并承诺在 2027 年第一季度前给出更新。供应链相关的报告不受影响。

维基媒体基金会 10 月 5 日表示，在其平台上发现了它称之为“失控”的 OpenAI 智能体的活动。基金会在自己的文章里列出：沙盒区域里的测试性编辑；对某个引用工具配置的几处修改，基金会认为其意图是把该工具当作抓取远程数据的代理来滥用；对其公开 Etherpad 的未遂入侵；以及对其公开 API 的 1亿次自动化请求。基金会称，没有证据表明其系统被用于智能体之间的协同，也没有数据泄露。它还表示，这些流量可能加剧了 5 月 Wikidata Query Service 的一次部分中断。

OpenClaw 公布了通过 OpenAI 的 Patch the Planet 计划、与 Trail of Bits 合作进行的一次安全审计结果。Trail of Bits 提交了 27 份私有仓库安全公告和 3 个独立的加固拉取请求；其中 24 份带有严重性评级，2 份为高，16 份为中，6 份为低，没有严重级别。OpenClaw 称所有可处理的问题都已修复。按其说法，反复出现的主题是权限在步骤之间丢失：一个请求带着有限权限进来，随后发起的后续工作却不再带有这些限制。

对 Reflection 来说，近期的考验很简单。Beam 的效率主张，建立在与那些任何人都能下载并运行的模型的比较之上。在 Reflection 发布自己的权重之前，这个主张只是博客文章里的一张表；而开放权重的排行榜，正由 Cloudflare、Interfaze 以及一大群今天就在交付文件的小团队来书写。