一句话看懂：美国 Reflection AI 发布首个开放权重模型 Beam，采用 501B 总参数、23B 激活参数的稀疏 MoE 架构，主打编程与智能体任务，以更低的推理算力对标 GLM 5.2 等更大规模开源模型。目前模型仍处于红队测试收尾阶段，尚未开放自托管。
事件核心：发生了什么
Reflection AI 推出 Beam，这是其第一个开放权重模型，从零训练，定位企业级编程、推理和智能体工作负载。Beam 总参数 501B，每 token 仅激活 23B，上下文有效长度 1M，输入为纯文本。预训练使用 23.8 万亿 token，经过筛选后保留约 1.8 万亿高质量 token，在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成，后期 goodput 达 92.3%。强化学习阶段动用 10.5K GPU 训练 4 周，生成超 1 亿次 rollout，覆盖近 100 万个编程、智能体和 STEM 环境。Reflection 自报 SWE-bench Verified 得分 80.9，Terminal Bench v2.1 得分 80.1，并计划以 Apache 2.0 许可证在 2026 年 10 月晚些时候放出权重。目前开放早期访问走 waitlist，暂不支持自托管。
为什么重要
Beam 的意义不在绝对能力登顶，而在效率叙事。Reflection 自己承认 Kimi K3 在原始能力上仍领先，Beam 的卖点是同等推理任务下算力消耗比 GLM 5.2 这类大模型低 3 到 4 倍。它延续了 DeepSeek-V3 的无辅助损失负载均衡思路，并加入专家偏置余弦衰减，训练中最忙专家负载仅 1.04 倍均值。这意味着开放权重阵营的竞争正从“堆参数”转向“单位算力产出”，对受限于 GPU 预算的企业和开发者有实际吸引力。同时，Reflection 将 Beam 定位为推进西方开放权重前沿，与中国的 GLM、DeepSeek、Kimi 形成直接对照，许可证的宽松程度也成为差异点。
对用户/开发者/创作者的影响
如果你关注编程助手或智能体开发，Beam 的 reasoning effort 参数值得留意，团队可以用较低设置换短答案，用高设置处理复杂任务，便于按任务难度匹配算力预算。但现阶段不能自托管，开发者只能通过 Reflection 平台 waitlist 申请早期访问，API 定价和限额尚未公开。Apache 2.0 若如期落地，企业后续可本地部署和微调，不过 501B 总参数意味着硬件门槛不低，23B 激活更多降低的是推理成本而非显存占用。对内容创作者而言，Beam 为纯文本模型，不支持图像输入，目前公开信息显示它不直接涉及图像生成或多模态创作场景。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，权重是否按计划在 2026 年 10 月晚些时候发布，Apache 2.0 是否维持不变。第二，API 或自托管方案的价格与吞吐表现，能否兑现“推理算力省 3 到 4 倍”的说法。第三，技术报告中的安全评估结果，以及 GLM、DeepSeek、Kimi 等竞品是否跟进类似的高效 MoE 路线。
