Reflection AI 发布 Beam：501B 参数但仅激活 23B 的美国开源模型

纽约 AI 实验室 Reflection AI 发布了其首款前沿开源权重模型 Beam，定位为代码、推理及智能体任务的美国本土解决方案。该模型采用混合专家（MoE）架构，总参数量为 501 billion，但在处理时仅激活 23 billion 参数，旨在降低推理成本并提升速度。目前 Beam 处于最终安全测试阶段，通过候补名单提供访问权限，官方计划于本月晚些时候公开模型权重、技术报告及开发者工具。

在性能对标方面，Reflection 声称 Beam 在编码和智能体任务上与 Z.ai 的 GLM-5.2 相当，正逼近阿里巴巴的 Qwen 3.8-Max，但在原始能力上仍落后于月之暗面的 Kimi K3。核心差异化在于效率，公司宣称 Beam 在高级推理基准测试中能达到与 GLM-5.2 可比的结果，同时推理计算量（inference compute）仅为后者的三分之一到四分之一。这一数据直接回应了市场对开源模型高昂部署成本的担忧。

事实层面，Beam 是 Reflection AI 的首发产品，由前 DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 创立，获 Nvidia、Sequoia 等机构投资，估值达 25 billion。推断层面，这种“低激活比”策略若被证实有效，可能改变开源生态对算力消耗的定价逻辑，使美国初创公司在不依赖闭源 API 的情况下具备商业可行性。猜测层面，尽管媒体将其称为“西方的 DeepSeek”，但考虑到 Moonshot AI 的 Kimi K3 在纯能力上的领先，Beam 能否真正构成对中国的全面替代仍需后续实际评测验证。