Reflection Beam 与 Mistral Large 4 发布显示中美开放模型差距及商业逻辑迁移

美国创业公司 Reflection 发布 MoE 模型 Beam，法国厂商 Mistral 推出 Mistral Large 4，两者均将 GLM、Kimi、DeepSeek 等中国模型列为主要对标对象。Hugging Face 数据显示过去一年中国模型下载量已超美国，且 Vercel AI Gateway 平台中开放权重模型处理 Token 占比从去年的不到 10% 升至今年 8 月的 56%，标志着全球开放模型竞赛进入新阶段。

Beam 总参数量 5010 亿，激活 230 亿参数，使用 1.05 万张 Nvidia GB300 进行强化学习，其核心卖点并非绝对能力而是推理效率，在 DeepSWE v1.1 测试中得分 44.4 低于 GLM-5.3 的 61.0 和 Kimi K3 的 68.0；Mistral Large 4 激活参数 520 亿，原生支持多模态和 160 种语言，上下文窗口达 100 万 Token，在 Coding Agent Index 中超过 DeepSeek V4 Pro 但低于 Kimi K3。两家公司均强调企业部署与私有化需求，试图通过垂直整合算力、模型与应用来构建类似 AWS 的基础设施商业模式。

事实层面，Beam 目前仍处于红队测试阶段，计划 10 月公开权重；Mistral Large 4 处于 public preview 阶段，完整权重将于 10 月底发布。推断层面，美欧厂商意识到单纯依赖闭源 API 模式难以满足企业核心业务需求，正加速向“拥有智能”而非“租赁智能”转型。猜测层面，随着中国开放模型持续迭代，未来全球开源生态可能进一步向中国头部实验室集中，而西方厂商需解决高昂算力成本与追赶能力的矛盾。