英伟达投资的美国 AI 初创公司 Reflection AI 于 10 月 5 日在官方博客发布首款开放权重模型 Beam，并将其定位为面向程序开发、推理与 AI 代理工作的模型。
Beam 将以 Apache 2.0 许可发布
Reflection 表示，Beam 采用稀疏混合专家（MoE）架构，总参数量为 5010 亿，每次激活 230 亿参数。公司称，模型目前正在进行最终红队测试与评估，本月稍晚将以 Apache 2.0 授权释出权重，并同步公布技术报告和模型卡。
与 GLM-5.2 表现接近，但推理算力更省
按照 Reflection 的说法，Beam 在高级推理基准上的分数与中国智谱（Z.ai）的开放模型 GLM-5.2 相当，但推理计算量少 3 到 4 倍。与阿里巴巴 Qwen 3.8-Max 这类参数规模超过 2 万亿的模型相比，效率差距更大。
在程序和代理任务上，Reflection 认为 Beam 与 GLM 5.2 等更大的开放模型具备竞争力，并接近 Qwen 3.8-Max。不过该公司也承认，月之暗面的 Kimi K3 等前沿开放模型在原始能力上仍然领先，Beam 的主要优势在于推理效率。
已披露的基准成绩
Reflection 公布的数据显示，Beam 在 SWE-bench Verified 上获得 80.9 分，在 Terminal Bench v2.1 上获得 80.1 分。作为对照，同一表格中，Kimi K3 在 Terminal Bench v2.1 上为 88.3 分，GLM 5.3 为 88.2 分。
TechCrunch 报道称，这些成绩尚未经过独立验证。
预训练与强化学习规模
Reflection 表示，Beam 以 23.8 万亿个 token 进行预训练，预训练阶段在 6144 颗英伟达 GB300 NVL72 GPU 上于不到 4 周内完成。此后的强化学习阶段动用了 10500 颗 GB300，持续 4 周，产生超过 1 亿次推演，最大上下文长度为 25.6 万个 token，训练与评分约使用了 13 亿个沙盒环境。
Reflection 称，这是开放实验室迄今规模最大的强化学习训练之一，而且模型能力会随着算力增加持续提升，尚未看到停滞。
上下文长度与安全设计
Beam 是纯文本模型，上下文长度最高可达 100 万个 token。用户可以通过“推理强度”参数，在回复长度与表现之间做取舍。
在安全方面，Reflection 另外训练了一个专注安全与对齐的模型，再与大规模强化学习模型合并，并表示会在技术报告中公布安全评估结果。
融资、估值与客户方向
根据 TechCrunch，Reflection 由两名前 Google DeepMind 研究员于 2024 年创立。PitchBook 数据显示，该公司已融资约 47 亿美元，投资方包括英伟达、红杉资本和 Lightspeed，最近一轮融资前估值为 250 亿美元。
报道还提到，今年夏天 Reflection 与 SpaceX、Nebius 签下合计超过 70 亿美元的算力合同，以确保在 2029 年前获得英伟达 GB300 芯片。
TechCrunch 称，Reflection 将 Beam 及后续模型瞄准企业和国家级客户，主打让机构使用自有数据训练 Reflection 模型，并建设本地化的“AI 工厂”。该公司已与韩国新世界集团测试主权 AI 工厂合作。Reflection 还表示，Beam 是这一系列模型中的第一款，下一款模型已经在训练中。
