Reflection AI Beam 发布：501B 参数只激活 23B 的开放权重模型

先说几个判断：

第一，Beam 的核心不是“大”，而是“省”：5010 亿总参数里，每个 token 只激活 230 亿，约等于 4.6%。用 MoE（混合专家）把“体量”和“单次要算的算力”拆开，是它敢说对标更大模型的逻辑。

第二，官方给出的对标对象是智谱 GLM-5.2（总体可比）和千问 Qwen 3.8-Max（代码 / 智能体接近），但补了一句关键前提：比的是“用更少推理算力达到相近结果”，不是裸能力碾压。在原始能力上，官方自己点名 Kimi K3 等仍领先。

第三，它是 Apache 2.0 开放权重，但权重不是发布当天就放出，而是“本月内”连同技术报告、模型卡一起给，目前走候补名单加自托管。

第四，训练侧很重：RL 阶段在 1.05 万张 NVIDIA GB300 上跑四周、生成超 1 亿次 rollout。英伟达既是投资方，也是算力供给方，这层关系值得记一笔。

下面把这些点展开说一说。

一、事件描述

Reflection AI（据媒体报道是一家获英伟达投资的初创公司）推出首款开放权重大模型 Beam。据外媒报道于当地时间周一（2026 年 10 月 5 日）发布；官方博文标题是“Introducing Beam: Reflection’s 501B open-weight model”，正文未标注具体发布日期，只说明权重将在“本月内”放出。

下面用一张表理清官方已确认的事实：

表：Beam 发布要点（依据 Reflection AI 官方博文整理）

二、501B 总参、23B 激活：MoE 把“大小”和“开销”拆开

Beam 是一个稀疏混合专家模型（sparse Mixture-of-Experts）。通俗地说，它内部塞了大量专家参数（总计 5010 亿），但面对每个输入的 token，路由机制只激活其中一小部分，实际参与计算的只有 230 亿。官方还提到它结合了交错局部与全局注意力、细粒度路由专家、受控残差流，以及多种负载均衡策略，让专家利用尽量均匀。

两种口径摆在一起看：

表：Beam 参数的两种口径（官方）

说明白点：比较 MoE 模型时，该看“激活参数”而不是“总参数”。Beam 的 23B 激活，意味着单次推理的算力消耗更接近一个 230 亿参数的稠密模型，而不是 5010 亿。这正是它声称“用 3–4 倍更少推理算力，达到与 GLM-5.2 相近分数”的底气所在。

三、它到底和谁比、比什么

官方原话是：Beam “advances the Western open-weight frontier and is competitive with larger open models like GLM 5.2 and approaching Qwen 3.8-Max on coding and agentic tasks”（推进西方开放权重前沿，与 GLM-5.2 这类更大的开放模型可比，并在代码和智能体任务上接近 Qwen 3.8-Max）。

这句话要拆成两层读。第一层，比 GLM-5.2 是“总体可比”，而且是在少 3–4 倍推理算力下做到；第二层，比 Qwen 3.8-Max 是“代码与智能体接近”，但 Qwen 属于 2T+ 参数家族，原始能力仍领先，Beam 的优势在推理时效率。官方还明确说，在原始能力上 Kimi K3 等模型仍然领先。

几个基准的对比（取自官方表格）：

表：Beam 与对标模型基准分数（官方博文；“—”表示官方未列出该对比项）

把其中一项画成条形会更直观：

图：SWE Bench Pro v1 分数对比（数据来源：Reflection AI 官方博文，分数越高越好；条形按真实数值线性映射）

Beam           ██████████████████████████████████████           65.5
GLM-5.2        █████████████████████████████████████             62.1
Qwen 3.8-Max   ████████████████████████████████████████         67.7

说明：条形长度按各模型 SWE Bench Pro v1 分数真实数值线性缩放。Beam（65.5）略高于 GLM-5.2（62.1），略低于 Qwen 3.8-Max（67.7）。这一项上三者差距都不大，更能体现 Beam 的卖点不是“分最高”，而是“用 23B 激活参数跑到这个区间”。具体基准分数会随版本与评测设定变动，请以官方最新模型卡为准。

四、训练侧：很重的 RL

官方披露，RL（强化学习）阶段在 1.05 万张 NVIDIA GB300 GPU 上跑了四周，生成超过 1 亿次 rollout，RL 阶段最大上下文为 256K；预训练则用了 23.8 万亿 token。

值得记一笔的是英伟达的双重角色：既是 Reflection AI 的投资方，又提供了这次训练的主力算力（GB300）。对一家想用“高效 MoE + 重度 RL”去追前沿的初创来说，这种“资本 + 算力”的绑定并不罕见，但摆在明面上时，关系就清楚了。

五、开放权重，但“本月内”才放

官方明确：权重将以 Apache 2.0 许可证放出，连同技术报告、模型卡、开发工件，以及一套用于运行、评估、微调的“full stack”。目前模型向“选定用户”开放早期版本，走候补名单（platform.reflection.ai），并支持自托管。

注意两点：一是“开放权重”不等于“今天就能下载”——公告时点权重尚未放出，只承诺本月内；二是官方正文没点名 HuggingFace 作为分发渠道，而是说会有一批分发合作伙伴和开源库集成。想自己部署的人，得等权重和那套栈真正落地。

六、结语

Beam 是 Reflection AI（据媒体报道获英伟达投资）推出的首款开放权重大模型：稀疏 MoE，5010 亿总参、每 token 激活 230 亿，面向编码、推理与智能体，有效上下文 1M，将以 Apache 2.0 在本月内放出权重。官方把它定位为“西方开放权重前沿”的代表，声称总体可比智谱 GLM-5.2、在代码与智能体任务上接近千问 Qwen 3.8-Max，且用 3–4 倍更少的推理算力达到相近结果；在原始能力上，官方承认 Kimi K3 等仍领先。

值得冷静看待的有三处：一是“对标中国模型”是效率维度的对标，不是裸能力碾压，几个基准里 Beam 与 GLM-5.2 互有胜负、较 Qwen 3.8-Max 仍稍逊；二是权重承诺“本月内”放出而非已就绪，当前仅候补加自托管路线；三是训练重度依赖英伟达 GB300 算力，投资方与算力方的身份重合，是理解这家初创公司路径时绕不开的背景。对使用者来说，真正要等的，是权重落地后第三方能否独立复现这些分数——那比发布当天的新闻稿更说明问题。