Reflection AI 发布 5010 亿参数开源模型 Beam：只激活 230 亿，对标 GLM-5.2，权重本月以 Apache 2.0 放出

10 月 5 日，布鲁克林的 Reflection AI 正式发布了公司首个开放权重模型 Beam。这家由两位前 Google DeepMind 研究员在 2024 年创立的公司，过去几个月一直用"今年晚些时候"来回应外界追问，这次终于把名字和数字都摆上了台面。

Beam 的卖点用一句话就能说清：在高级推理基准上追平智谱的 GLM-5.2，而推理算力只花对方的三分之一到四分之一。

5010 亿总参数，230 亿激活

Beam 采用稀疏混合专家（MoE）架构，总参数量 5010 亿，但每次前向推理只激活 230 亿——这个比例正是它敢谈"效率"的底气所在。

作为对比，GLM-5.2 的总参数约 7440 亿、单次激活约 400 亿。参数规模更小、激活量更低，意味着同样的硬件能跑更多并发，单次回答的成本也更低。

预训练阶段，Reflection 用了 6144 张 NVIDIA GB300 NVL72，喂进 23.8 万亿 token，数据来源包括公开网页和商业授权数据集，其中包含大量软件代码，并为每种编程语言定制了过滤器剔除低质量文件。整个预训练不到 4 周完成，公司自称有效算力利用率（goodput）达到 92.3%——也就是 GPU 时间里真正用于有效计算的比例。

中训阶段主要用来拉长上下文窗口（最终支持 100 万 token）并强化推理能力。之后是重头的强化学习：约 10500 张 GB300、跑满 4 周，产生超过 1 亿次 rollout，配套近 100 万个合成编程、智能体与 STEM 环境，调用约 13 亿个沙箱用于训练和打分。Reflection 提到，训练结束时分数还在往上走，曲线并未收敛。

有意思的是训练中出现的"溢出"能力：某个阶段的训练任务里并不包含网页浏览，但 Beam 的浏览类评测分数仍然上升；拿到联网权限后，它会自己搜索并调用其他大模型，还会调 OCR 服务去读文档。对做智能体的人来说这很实用，但也提醒你在给它开网络权限之前先想清楚日志和边界。

跑分：贴近第一梯队，但不算最强

按 Reflection 公布的数据：

  • SWE-Bench Verified：80.9（Inkling 77.6、Nemotron 3 Ultra 70.7）
  • Terminal Bench v2.1：80.1（GLM-5.2 为 81.0，Kimi K3 为 88.3，DeepSeek V4.1 Flash 为 90.6）
  • AIME 2026：97.8
  • GPQA Diamond：90.5
  • SWE-Bench Multilingual：78.0
  • DeepSWE v1.1：44.4（GLM-5.2 为 44.0，DeepSeek V4.1 Flash 为 74.2）

结论很清楚：在代码和智能体任务上，Beam 已经逼近 Qwen 3.8-Max，与 GLM-5.2 大体持平；但在原始能力上，Reflection 自己承认还追不上 Moonshot 的 Kimi K3。它超过 Inkling 的四个编程基准，需要说明的是 Inkling 原生支持多模态而 Beam 是纯文本模型，这个对比并不完全对等。

需要提醒的是两点。第一，这些分数目前全部是 Reflection 自报，尚无第三方独立复现。第二，"省 3 到 4 倍算力"这个说法用的是一个估算公式——激活参数量 ×2×平均生成 token 数——它既没算提示词处理，也没算注意力开销和服务化成本，只能当粗略参考。真要评估账单，还得自己跑。

钱和算力：英伟达押注的"AI 工厂"

Reflection 累计融资约 47 亿美元，投资方包括英伟达、红杉资本和 Lightspeed，估值约 250 亿美元；英伟达在其上一轮中投入了 8 亿美元。

2026 年夏天，公司签下了总额超过 70 亿美元的算力协议，合作方包括 SpaceX 和 Nebius，把 GB300 的使用权锁定到 2029 年。

商业模式上，Reflection 主打向企业、公共部门和主权客户交付"AI 工厂"——客户在自己的安全环境里，用私有数据在 Reflection 的基础模型上做训练和专业化。据 Axios 报道，已有交易公司和对冲基金在评估用私有基础设施跑算法工作流；公司也在和韩国新世界集团测试机构级主权部署。

开源节奏与安全评估

Beam 目前还在做最终的红队测试与评估，早期访问通过等候名单向选定用户开放。

按官方承诺，本月内将发布：模型权重、技术报告、模型卡、以及运行／评测／微调所需的软件栈，许可证为 Apache 2.0——商用限制极少，这也是它吸引企业自建部署的关键。分发上会覆盖超大规模云厂商和新型云服务商，并集成进主流开源库。

安全方面，Reflection 从同一个基础检查点训练了一个专门的安全与对齐模型，再通过蒸馏把两者合并。公司表示会随权重一并公布安全评估结果，并开源内部构建的安全测试套件。目前，美国超级智能创新与标准中心（CAISI）和英国 AI 安全研究所正在对该模型做评估。

为什么值得关注

过去一年，开放权重赛道几乎被中国团队主导：DeepSeek、Qwen、Kimi、GLM 轮番刷新。Beam 的意义不在于刷新了跑分纪录——它没有——而在于它给出了一个"美国本土开放权重 + 中国级性价比"的可行样本，而且用的是完全可公开审计的 Apache 2.0 许可证。

对开发者而言，本月权重放出后，一个 5010 亿参数、只激活 230 亿、支持 100 万 token 上下文、且可以商用的模型，会是一个值得实际压测的选项。真正的检验不在跑分表上，而在你自己的提示词、自己的硬件和自己的账单里。

来源：Reflection AI 官方博客与技术报告、TechCrunch、Startup Fortune、Cybernoz（2026 年 10 月 5 日至 6 日）