一句话看懂：2026 年 10 月 16 日，Reflection 发布首个开源权重模型 Beam，在 Artificial Analysis 智能指数上得分 30，位列美国开源模型中第二，仅次于 Meta 的 Muse Spark Open。它的特点是推理 token 效率高，但终端任务表现偏弱。
事件核心：发生了什么
根据 Artificial Analysis 10 月 16 日发布的评测，Reflection 推出首个模型 Beam，采用开源权重策略，总参数量 501B，激活参数 23B，上下文窗口为 1M tokens，仅支持文本模态。
在 Artificial Analysis 智能指数上，Beam 得分为 30，在美国开源权重模型中排名第二，落后 Meta 的 Muse Spark Open 9 分，领先英伟达前一天发布的 Nemotron 3.5 Super VL 4 分。在中国以外的开源模型中，只有 Muse Spark Open 和阿联酋的 K2 Horizon 得分更高，K2 Horizon 为 31 分。
Beam 的亮点是 token 效率：完成智能指数任务平均输出约 26k tokens，而得分更高的 K2 Horizon 使用约 52k tokens，是 Beam 的两倍。在特定任务上，Beam 的 AutomationBench-AA 得分 48.5%，与 Qwen3.8 27B 的 48.2% 持平，领先 K2 Horizon 11 个百分点；但在 Terminal-Bench 4.0 上仅得 3.0%，低于 Qwen3.8 27B 的 5.6% 和 Muse Spark Open 的 8.1%。
在知识问答评测 AA-Omniscience 中，Beam 正确回答 33% 的问题，高于 K2 Horizon 的 18% 和 Qwen3.8 27B 的 16%；但幻觉率也高达 47%，明显高于后两者的 26% 和 30%。其净指数得分为 1.5，仍优于两个对比模型。
为什么重要
对开源模型生态来说，Beam 的出现让美国开源权重模型多了一个有竞争力的选项。过去一段时间，美国开源模型在智能指数上常落后于部分闭源模型和部分中国开源模型，Beam 虽然没能超过 K2 Horizon，但在 token 效率上找到了差异化位置，这对推理成本敏感的应用场景有实际意义。
另一方面，Beam 在终端任务上的明显短板，也说明当前模型能力分化仍然严重。一个模型可以在自动化、知识问答上表现不错，却未必能胜任需要精细命令行操作或复杂环境交互的任务。这会影响开发者选型时的判断，不能只看单一综合分数。
对用户/开发者/创作者的影响
对开发者来说，Beam 的 token 效率是直接优势。更少的输出 token 意味着在 API 调用或本地推理时可能降低算力开销，尤其是在批量处理、自动化工作流等场景下。不过，47% 的幻觉率意味着它不适合直接信任高准确率要求的问答或事实核查任务，需要配合检索或人工复核。
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。
终端任务得分偏低，说明 Beam 可能不适合直接用于终端命令生成、运维自动化等场景。目前公开信息显示它只支持文本，不支持图像生成或多模态输入。如果创作者或企业想用它做内容生成，需要先评估它在事实准确性和格式稳定性上的表现。
值得关注的后续
第一，Beam 是否会在更多实际产品中落地，以及 API 定价和推理部署成本是否公开。第二，Reflection 是否会针对 Terminal-Bench 等弱项推出后续版本或微调模型。第三，它的开源权重是否会被社区快速集成到主流推理框架中，影响开发者的实际使用门槛。
