Reflection AI 发布开源模型 Beam，定位美国本土解决方案
先了解这件事
2026年10月6日，Reflection AI 正式推出首款前沿开源权重模型Beam。该模型采用文本专用混合专家（MoE）架构，拥有5010亿总参数和230亿激活参数，预训练数据达23.8万亿token，上下文窗口为100万token。公司声称其推理成本仅为竞争对手的三分之一到四分之一，在高级推理基准测试中表现与中国头部开源模型持平。同日稍晚，Business Insider报道指出Beam定位为代码、推理及智能体任务的美国本土解决方案，目前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。最新报道补充称，Beam由前DeepMind团队打造，使用了超过10,500张Nvidia GB300 GPU进行强化学习训练，旨在与DeepSeek和Qwen等中国开源模型竞争。尽管性能数据未经独立验证，但内部基准显示其在四项编码测试中取得优异成绩。
AI 根据报道生成 · 11 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The Decoder精选Reflection 发布 Beam：前 DeepMind 团队以 10,500 张 GB300 GPU 打造最强非中国开源模型
Reflection 公司发布了其首个免费开源模型 Beam，该模型在代码、逻辑推理和智能体任务上表现强劲，旨在以较低的算力成本与 DeepSeek 和 Qwen 等中国开源模型竞争。Beam 是一个拥有 5010 亿参数的混合专家模型，激活参数为 230 亿，在推理任务上表现与 GLM 5.2 相当但计算量仅为后者的三分之一到四分之一。 Beam 的能力主要源于一次大规模的强化学习阶段，使用了超过 10,500 张 Nvidia GB300 GPU 运行四周，这是任何开源实验室中最大的训练运行之一。在此过程中，模型的性能持续提升，未出现瓶颈。此外，Beam 还具备可调节的推理强度参数，允许用户根据任务难度在速度和思考时间之间进行权衡。 Reflection 由前 Google DeepMind 研究人员 Misha Laskin 和 Ioannis Antonoglou 创立，后者曾参与 AlphaGo 的开发。公司在 2025 年 10 月完成了 20 亿美元的融资，估值达到 80 亿美元，并获得了 Nvidia 的投资。Beam 模型将在本月晚些时候发布技术报告、开发者文档和权重，采用 Apache 2.0 开源协议。
- Business Insider · AIReflection 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。
- TechCrunch · AI精选Reflection AI 发布 Beam 模型，以更低推理成本对标中国开源模型
Reflection AI 正式推出其首款前沿开源权重模型 Beam，声称在高级推理基准测试中表现与中国头部开源模型持平，同时推理计算成本仅为竞争对手的三分之一到四分之一。该模型为文本专用的混合专家（MoE）架构，拥有 5010 亿总参数和 230 亿激活参数，预训练数据达 23.8 万亿 token，上下文窗口为 100 万 token。 尽管性能数据未经独立验证，但 Reflection 提供的内部基准显示，Beam 在四项编码测试中得分高于 Mira Murati 团队发布的 Inkling 模型，且后者为多模态而 Beam 仅支持文本。为支撑此类高算力需求模型的训练与部署，Reflection 今年夏季已与 SpaceX 和 Nebius 签署总额超 70 亿美元的协议，确保获得英伟达 GB300 芯片直至 2029 年。公司由两名前 Google DeepMind 研究员于 2024 年创立，累计融资约 47 亿美元，最新一轮投前估值达 250 亿美元。 Reflection 将 Beam 定位为面向企业、公共部门及开发者的“主力模型”，并计划通过“AI 工厂”模式帮助机构基于自有专有数据构建定制化本地系统，目前正与韩国 Shinsegae 集团测试主权 AI 工厂合作。事实层面，Beam 的参数规模与算力绑定协议已明确；推断层面，这种低成本策略可能加速西方开源模型在商业场景替代闭源大模型；猜测层面，其实际推理效率能否在大规模生产环境中复现实验室数据尚待观察。
本事件热度走势
当前热度 18·可比范围峰值 24（10月6日 21:00）·近 24 小时可比范围变化 +99%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。