Reflection 预告开放权重模型 Beam

这件事意味着什么

【要点】

2026 年 10 月 5 日，Reflection AI 发布 Beam，称它是「Reflection 的首个开放权重模型」：稀疏专家混合（MoE）架构，总参数 5010 亿、激活 230 亿，面向编码、推理与 Agent 任务。目前还没有可下载的东西。博客写明 Beam「正在进行最后的红队测试与评估」，开放等候名单，并承诺「本月将以 Apache 2.0 许可证放出权重」，同时放出技术报告、模型卡和开发者相关材料。

【可核验】

一手页面：https://reflection.ai/blog/introducing-beam ；等候名单 https://platform.reflection.ai/ ；公司已认证的 X 账号在 10 月 5 日发布了同样的说法。

博客给出的训练数据：预训练用 23.8 万亿 token，在 6144 张 NVIDIA GB300 NVL72 上不到四周完成，后期 goodput 达 92.3%；中训练把有效上下文扩展到 100 万 token；强化学习阶段用 10.5K 张 NVIDIA GB300 跑了四周，生成超过 1 亿条 rollout，最大上下文 256K，训练与评分约用掉 13 亿个沙箱，环境池接近 100 万个。

Beam 自报成绩包括：SWEBench Verified 80.9、Terminal Bench v2.1 80.1、SWE Bench Pro v2-Hard 77.2、DeepSWE v1.1 44.4、GPQA Diamond 90.5、HLE（无工具）36.2。对比列是 Inkling、Nemotron 3 Ultra、GLM 5.2、GLM 5.3、Kimi K3、Qwen 3.8 Max、DeepSeek V4.1 Flash；同一张 Terminal Bench v2.1 上，博客列出 GLM 5.2 为 81.0、Kimi K3 为 88.3、DeepSeek V4.1 Flash 为 90.6。Reflection 自述 Beam「与 GLM 5.2 这类更大的开放模型竞争、接近 Qwen 3.8-Max」，承认 Kimi K3「在原始能力上仍然领先」，并称在推理类基准上与 GLM-5.2 相当而「推理算力少 3–4 倍」。其他模型的分数取自 Artificial Analysis 与 DataCurve，效率估算明确不含 prefill、注意力和服务开销。

【我们的判断】

西方的开放权重在回来，但尺子换了：Reflection 自己选的对照组全是中资开放模型，而且在多数原始能力行上 Beam 都排在它们后面。它主张的是每 token 的智能，不是最高分。

权重没放出来之前，这仍然只是预告。没有模型卡、没有技术报告、没有公开评测脚手架，对手的分数还来自第三方聚合站，今天谁都无法独立复现。

更少见的其实不是榜单，而是把强化学习规模摊开讲：10.5K 张 GB300、四周、超过 1 亿条 rollout、约 13 亿个沙箱。如果技术报告如期兑现，这些对想做高算力 RL 的团队比再多一张分数表更有用。

值得盯的是：Apache 2.0 权重是否真在本月落地，以及放出时是否附带 Reflection 承诺要开源的那套安全评测。