Reflection 发布 Beam：5010 亿参数开源权重模型，推理算力只要对手三分之一

北京时间 10 月 6 日凌晨，Reflection 在自家博客公布 Beam，这是这家公司的第一个开源权重模型。Beam 采用稀疏混合专家架构，总参数 5010 亿，每次推理只激活 230 亿。官方定位很明确，这是为编程、推理和智能体任务做的模型，不是通用聊天模型。

官方的说法可以概括成一句话：把高强度强化学习真正跑出了规模。Beam 用 1.05 万张英伟达 GB300 显卡连续训练四周，生成超过 1 亿条训练轨迹。最大上下文长度 256K token，训练和打分环节调用了约 13 亿个沙箱环境。

需要留意的是，官方公告目前只公布了架构、训练规模和一组基准分数。权重、技术报告、模型卡和开发者配套件都还没放出，Reflection 说这些会在本月内陆续公开。现在可以在其 Playground 平台登记申请早期试用。

混合专家模型的核心思路是把参数拆成很多个「专家」网络，每个 token 推理时只走其中一部分。Beam 总参数 5010 亿，单次只激活 230 亿，激活比例大约 4.6%。这意味着显存占用跟 230 亿左右的稠密模型接近，但知识容量接近 5000 亿级别。对显存紧张的团队来说，这个比例是它最实际的好处。

官方给的训练侧数字是 23.8 万亿 token 的预训练语料，来源包含公开网页和自有授权数据集。官方称在同规模开源基座模型里持平或更好。这条表述里没有给出具体的对照组名单，所以「持平」目前只能当作厂商自述来看。

编辑判断：稀疏架构省的是推理阶段的算力，不是训练阶段的。1.05 万张 GB300 训四周的成本不会因为模型稀疏而降低，Beam 的算力账其实是把压力从训练挪到了长期服务成本上。这也是开源社区最该算清楚的一笔账。

官方给的对比表里，Beam 在 DeepSWE v1.1 上 44.4 分、SWE Bench Pro v2-Hard 77.2 分、SWE Bench Pro v1 65.5 分。Terminal Bench 2.1 拿到 80.1 分，SWE Atlas 34.6 分。Multilingual SWE-Bench 78.0 分，SWE-Bench Verified 80.9 分。

官方自己的定性也很直接。在编程和智能体任务上，它和 GLM-5.2 相当、接近 Qwen 3.8-Max。而在 Kimi K3 这类前沿开源模型面前，「原始能力仍然落后」。也就是说 Beam 不是当前开源里分数最高的那一个，卖点是同等分数下更省算力。

推理效率的对比口径值得单独说。官方称在同等推理基准上 Beam 用 3 到 4 倍更少的推理算力拿到接近 GLM-5.2 的分数，对 Qwen 3.8-Max 这类 2 万亿参数以上的模型差距更大。但官方同时标注这些 FLOPs 估算排除了预填充和注意力开销，属于近似推算而非实测账单。读者看到「省 4 倍」时应该先打个折扣。

目前唯一的入口是在 Reflection Playground 平台登记排队拿早期访问资格。权重还没放出，所以不存在现在下载部署的选项。登记时会要求说明用途，官方描述里提到模型仍在做最终的红队测试和评测，早期版本的能力可能与公布分数有差距。

拿到访问权后建议先做三件事。第一，在自己真实的代码库上跑一遍而不是只刷公开榜单，官方给的 DeepSWE 和 Terminal Bench 都是标准化任务，跟团队的实际仓库结构差别不小。第二，测长上下文，256K 是训练时的最大长度，实际推理时的表现需要自己验证。第三，看 token 消耗，同样一道难题的输出长度差一倍，账单就是差一倍。

还有一个容易被忽略的点：Beam 是纯文本模型。官方演示里让它读文档是靠 OCR 接口把图片转成文字，跨模态任务需要调用方自己搭管道。如果你的场景重度依赖图像输入，这一条基本可以直接排除它。

Beam 在强化学习里加了一个可调的长度惩罚，让模型学会用更少的 token 解题。同时保留了一个推理努力程度参数让用户手动切换，低档位输出短、速度快，高档位允许更长的思考链来换更高的分数。官方把这条曲线称为帕累托前沿。

这对成本控制的意义比分数本身更实在。一个常见误区是把 effort 一律拉满，好像这样才显得认真。实际上大部分日常代码任务用中低档位就够。把高档位留给真正难啃的问题，可以把单位任务的推理费用压下来一截，效果往往比换模型更明显。

编辑判断：这也是 Beam 如果最终开源，对企业最有价值的部分。一个能力不是最顶尖的模型，如果能让同样的任务少花一半的钱，实际竞争力可能比榜单排名更靠前。选型时把每百万 token 的实际费用和通过率一起算，比只看分数更靠谱。

值得跟进的有三类人。第一是自建智能体的团队，如果你们的任务以编程和工具调用为主，月底权重放出后值得做一轮横向评测，效率优势是能直接换算成成本的。第二是做模型托管和推理服务的厂商，稀疏架构加高激活效率意味着同等硬件能承载更多并发。第三是开源生态的观察者，官方说这是目前开源实验室里规模最大的强化学习训练之一，这个记录值不值得持续跟进还要等技术报告。

可以先不动的也有三类。只用官方 API、不自己部署的开发者，这次更新不影响你的调用方式。团队如果只做通用问答和文案生成，Beam 主打编程和智能体，方向并不对口。没有 GPU 资源评估能力的个人开发者，1.05 万张卡量级训练出来的模型本地跑不现实，关注榜单和第三方评测就够。

需要提醒的风险是：目前所有数字都来自厂商自评。权重和技术报告没放出之前，红队测试结果、真实推理账单、第三方复现结论都还是空白。这也是本次发布最需要保留态度的地方。

这次发布最值得注意的不是分数，而是节奏。相比大多数厂商先放权重再放榜单的做法，Reflection 这次是先公布数据和成绩、月底才放权重。这等于让生态先看到主张、稍后再验证，对读者的实际影响是：本月之内不要基于榜单做选型决策。

接下来值得跟进的三个节点：权重和模型卡的实际发布日期，第三方在自有硬件上的实测吞吐和账单对照，以及技术报告里对 1 亿条轨迹训练方法的完整披露。如果这些都能对上，Beam 才有资格进企业选型清单。如果月底跳票或数据对不上，这次发布就只是一次营销动作。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://reflection.ai/blog/introducing-beam

如发现事实、价格或链接有误，可通过 联系我们 提交更正。