Reflection AI发布5010亿参数开放模型Beam

Reflection AI 于 2026 年 10 月 5 日发布了其首款开放权重模型 Beam。据 Reflection 的公告介绍，Beam 是一款稀疏混合专家（Mixture-of-Experts，MoE）模型，总参数量为 5010 亿，每一步激活其中的 230 亿。该公司表示，模型训练重点放在编程、推理以及能够自主完成多步骤任务的 AI 智能体场景上。

Beam 目前正在进行最后的红队测试和评估，抢先体验名额面向在候补名单上登记的少数用户开放。据 Reflection 介绍，模型文件将于本月以 Apache 2.0 许可证向所有人开放下载，同时发布技术报告和模型卡，届时企业可以在自己的服务器上运行 Beam。截至公告发布时，模型文件尚不能下载。

Beam 处理文本并支持长上下文

Beam 是一款纯文本模型；据该公司介绍，图像等其他模态的信息只有在转换为文本后才能被它处理。Reflection 表示，中期训练（midtraining）阶段把模型的有效上下文长度，即一次能够处理的文本量，扩展到 100 万个词元（token）。用户可以通过“推理强度”（reasoning effort）参数进行调节：较低的设置倾向于更简短的回答，较高的设置则允许模型在困难任务上进行更长时间的推理。

训练中采用了大规模强化学习

据公告介绍，Beam 的预训练使用了 23.8 万亿个词元，数据来自网络、公开来源以及获得授权的专有数据集。预训练在由 6144 张 NVIDIA GB300 NVL72 GPU 组成的集群上进行，用时不到四周。在随后的强化学习（RL）阶段，10500 张 NVIDIA GB300 GPU 运行了四周，生成了超过 1 亿条推演轨迹（rollout）。Reflection 称，为此搭建了近 100 万个任务环境，涵盖软件工程、终端操作、网络搜索和理工科等领域。该公司表示，直到训练结束，模型能力仍在持续提升，没有出现停滞迹象。

Reflection 公布的基准测试结果

Reflection 公布的表格将 Beam 与 GLM 5.2、GLM 5.3、Kimi K3、Qwen 3.8 Max、DeepSeek V4.1 Flash、Nemotron 3 Ultra 和 Inkling 进行了对比。在该公司的表格中，Beam 在 SWE-bench Verified 上得分 80.9，在 Terminal Bench 2.1 上得分 80.1，在 GPQA Diamond 上得分 90.5。同一表格显示，GLM 5.2 和 Kimi K3 在 Terminal Bench 2.1 上分别为 81.0 和 88.3；在 SWE Bench Pro v1 上，Beam 的 65.5 分介于 GLM 5.2 的 62.1 分和 Qwen 3.8 Max 的 67.7 分之间。Reflection 认为，Beam 在编程和智能体任务上可与 GLM 5.2 竞争，并接近 Qwen 3.8 Max；该公司也指出，Kimi K3 等模型在原始能力上仍然领先，而 Beam 的优势在于推理阶段的效率。

据该公司介绍，Beam 在高级推理基准上取得与 GLM 5.2 相当的分数，所用的推理算力少 3 到 4 倍。Reflection 说明，这一对比是根据激活参数量和生成词元数得出的近似估算，未计入提示词处理和服务开销。

模型文件与发布计划

Reflection 表示，将在发布模型文件的同时提供文档，以及运行、评估和微调模型所需的完整软件栈。该公司计划与一批分发合作伙伴共同推出 Beam，并与众多开源库集成；公告中没有列出合作伙伴的名称。抢先体验可在 Reflection 的平台页面上登记。安全评估结果将收录在技术报告中，该公司还表示会把内部开发和使用的安全评估开源。Reflection 将 Beam 定位为一个模型系列中的第一款，并表示已经在训练下一款模型。

关于 Reflection AI

根据官网介绍，Reflection AI 的目标是让智能对所有人开放、可及。该公司表示，其打造的 AI 系统让企业、政府和主权机构掌控自己的智能，并作出三项承诺：开放模型权重、通过技术报告公开模型背后的研究，以及开源相关软件，包括强化学习工具和环境。据官网信息，Reflection 已在 Dell 与 NVIDIA 合作推出的 Dell AI Factory 上完成验证，并正与 Shinsegae 在韩国为企业和公共机构建设主权 AI 云。

以上对比均由 Reflection 自行整理；据该公司介绍，其他模型的分数取自 Artificial Analysis 和 DataCurve 的数据，表格中部分模型缺少不少测试结果。由于模型文件尚未发布，目前还无法对 Beam 进行独立测试。公告没有说明运行该模型所需的硬件；在自己的服务器上运行一个 5010 亿参数的模型需要多张数据中心级 GPU。公告也没有说明 Beam 支持哪些自然语言以及效果如何，因此在处理中文等非英文文本之前，最好先用自己的样例进行测试。想更全面地了解结果，也请关注独立研究人员的评估。

来源：Reflection AI：Introducing Beam、Reflection AI：关于我们、Reflection Platform：抢先体验。