Reflection的Beam本月晚些时候开放权重,微调工具链才是卖点

Reflection AI于10月5日推出Beam,这是该公司首个开放权重模型。它采用稀疏混合专家结构,总参数5010亿,激活参数230亿。公司博客文章称,预训练用了238000亿token,数据来自网络和授权来源。

权重还没放出来。Reflection说仍在做红队测试和评估。权重、技术报告、模型卡和开发者材料将在本月晚些时候发布。

这个时间表比发布帖本身更重要。开放权重只有对能微调的团队才有用。Reflection卖Beam靠的是推理成本,不是榜单第一。公司称Beam在高级推理上的得分与Z.ai的GLM-5.2相当,推理算力却只用三分之一到四分之一。对万亿参数级别的模型,比如阿里巴巴的Qwen 3.8-Max,公司称差距更大。

Semafor报道,联合创始人兼CEO Misha Laskin把Beam定位为编程和智能体任务的"主力干将"。Reflection由前DeepMind研究人员于2024年创立。公司已在训练下一代模型,Laskin说会"强得多"。Semafor还报道,公司6月确认投前估值250亿,投资方包括Nvidia、Sequoia和Citigroup。

效率说法是卖点,不是评测表

Reflection自己的评测表对差距并不遮掩。Beam在SWE Bench Pro v2-Hard上得77.2分,低于Kimi K3的88.2分。无工具HLE得36.2分,Kimi K3是46.9分。SWE Bench Pro v1上Beam得65.5分,高于GLM 5.2的62.1分,低于Qwen 3.8 Max的67.7分。最强的一项是AIME 2026的97.8分,仍略低于GLM 5.2的99.2分。

效率论证才是微调工具链有意思的地方。激活参数更少,可能用一小部分算力换来相当的推理能力。若真如此,想定制模型的团队就有了更便宜的底座,试错成本随之下降。Reflection的说法很直接:"每个token更多智能。"它把这模型当主力干将打造,不是前沿展示品。

这个说法要等权重落地、外部团队自己跑完评测才算数。

"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、又不想依赖中国模型的机构和国家。

时机不是巧合。中国的实验室在开放权重上领先,西方企业已经悄悄把它们用于重复性工作。Reflection押注的是:需要自己拥有并掌控模型的组织,愿意为能在内部微调的西方底座付钱,而不是租用。Semafor报道,公司正与美国Center for Advancing Innovation and Standards for Super Intelligence以及英国AI安全研究所合作开展评估。

本周其余的工具链动态

Beam不是唯一面向"改造模型"而非"调用模型"的团队的产品。Cloudflare于10月5日发布Clef,一个从Qwen3.8-27B后训练而来的270亿参数多模态模型。它把一个状态和一份带类型的提问结构转成概率,不做自由生成,也不需要解析输出,采用Apache 2.0许可。公司称它能在单张H200上运行,并推荐用SGLang部署。

Reka同一天放出Rho-1的研究预览版。这是一个从零训练的190亿参数全模态推理模型,在同一个网络里处理文本、图像和视频。一个蒸馏版本把去噪步数从99步降到8步。Interfaze发布Interfaze 1.1 Lite,一个混合架构模型,在单张80GB GPU上运行,不依赖外部服务。NASA和IBM公开了月球基础模型的微调和推理代码,附带用于陨石坑检测和冰资源勘探的TerraTorch配置。

工具链周边也在动。GitHub于10月5日发布ReviewBench,一个覆盖19种语言、219个拉取请求的公开基准。它基于对10390万个GitHub拉取请求的分析,目标是衡量AI代码评审本身,而不是凭感觉评判。Google开源博客详述了Apache Iceberg REST Catalog规范的一项已合并改动。该改动为列屏蔽和行过滤增加了读取限制,对任何在受治理的数据湖上提供微调模型服务的人都有影响。

本周的消息并非都是利好。据It's FOSS报道,DigitalOcean已悄然终止其开源额度计划。包括Node.js在内的项目维护者收到通知,续期和新申请均已关闭。Tom's Hardware报道,Google于10月1日暂停了其OSS漏洞奖励计划的产品漏洞提交,原因是大量无效的AI生成报告涌入。Google承诺在2027年第一季度前给出更新。

免费额度一停,训练和微调基础设施就更贵了。