AREX Feed Article
Nvidia 支持的 Reflection AI 发布首个开放权重模型 Beam：501B 参数主打编码与智能体，独立评测 30 分居美国开放权重模型第二
Nvidia 支持的美国初创公司 Reflection AI 发布了公司第一个模型 Beam：总参数 5010 亿、每个 token（词元）激活 230 亿的混合专家（mixture-of-experts，MoE）模型，主打编码与智能体任务，权重以允许商用的 Apache 2.0 许可证发布在 上。 在 10 月 23 日的报道中汇总了这份规格表与第三方评测结果。
在评测机构 的智能指数（Intelligence Index，10 项数学、科学、编码与推理评测的加权平均）上，Beam 得 30 分，在美国制造的开放权重模型中排第二，仅次于 Meta 的 Muse Spark Open（39 分），放进全部开放权重模型里则排第十。分数之外，Beam 更突出的特点是省 token：完成一个智能指数任务平均只输出约 26,000 个 token，是 Artificial Analysis 对比中用量最少的开放权重模型。
权重先行上架，技术报告还要再等
Hugging Face 模型卡给出了完整参数：总参数 501.3B、激活参数 23.4B、256 个专家、52 层（3 层稠密加 49 层 MoE），注意力层为门控 GQA（分组查询注意力）加滑动窗口设计，词表 152k，只接受文本输入，主要面向英语开发。The Batch 补充了使用侧的关键规格：输入上限 100 万 token、输出上限 12.8 万 token，推理常开，分 low、medium、high、xhigh、max 五档且默认 max，支持工具调用与结构化输出，知识截止日期为 2026 年 6 月 30 日。
发布是分步走的：Reflection 在 10 月 5 日发布的（10 月 8 日更新过评测数据）里说，Beam 当时仍在最后一轮红队测试，权重、技术报告与模型卡将于“本月晚些时候”发布。现在，Hugging Face 仓库已于 10 月 7 日创建、10 月 21 日仍在更新，提供 BF16、FP8、NVFP4 三种精度的指令微调模型，页面上的技术报告仍标注“即将推出”。API 访问要排队：早期使用经由 Reflection 测试版 API 的等候名单开放（The Batch），也标注“无公开 API”。
定价一项，两家的数字不一样：The Batch 报道为每百万 token 输入 0.70 美元、输出 2.10 美元，Artificial Analysis 模型页现列输入 0.40 美元、输出 1.20 美元。数据披露是另一处空缺：训练数据集的具体构成未被公开，The Batch 将其列为“未公开”项。
结构上，The Batch 概括 Beam 的注意力层交错排布，分别处理邻近 token 与整段输入；Reflection 在博客中说，本地与全局注意力交错、细粒度专家路由加上多种负载均衡，目的是为后续强化学习打下数值稳定的优化基础。
独立评测细分：落后小米与 Z.ai，领先 Nemotron
Artificial Analysis 在 10 月 16 日的评测文章中写道，Beam 落在 Muse Spark Open 之后、Nvidia Nemotron 3.5 Super VL（26 分）之前，后者是评测前一天刚发布的模型。在开放权重模型里，离它最近的是阿联酋的 K2 Horizon（31 分），比它高 1 分；Artificial Analysis 称，中国以外的模型只有 Muse Spark Open 和 K2 Horizon 比它高。The Batch 还点名了排在它前面的三个模型：小米 MiMo-V2.6-Pro（46 分）、Z.ai 的 GLM-5.3（45 分），以及参数规模小得多的 Qwen3.8 27B（34 分）。
速度数字两边对不上：The Batch 报道 Beam 吞吐为每秒 228 个 token，仅次于 Claude Haiku 5.5；首 token 延迟 10.1 秒，只落后于 Nemotron 3.5 Super VL；单个智能指数任务平均 1.4 分钟，是 Artificial Analysis 测过的所有模型中最快的。Artificial Analysis 当前模型页列出的输出速度则是每秒 327.1 个 token。
省 token 这一点两边一致。Artificial Analysis 的分解是：这些输出里，约 19,000 个 token 用于推理、约 7,000 个用于最终答案；作为对照，K2 Horizon 每个任务要用约 52,000 个。
四周预训练、四周强化学习：Reflection 公布的训练账本
Reflection 在博客中公布了这些训练细节，以下均为其自述。
预训练用 23.8 万亿 token，来自网页、其他公开来源与授权数据集，在 6,144 块 Nvidia GB300 NVL72 GPU 上不到四周跑完。Reflection 自建了网页、代码与 STEM（科学、技术、工程、数学）内容的质量分类器，解析、去重与筛选丢掉约 95% 的原始网页 token；按其测算，常规开源数据框架的过滤会漏掉约 1.8 万亿条它保留的高质量 token，其中 87% 是精选的网页代码 token。
长上下文来自一个中间训练（midtraining）阶段：用代码仓库、长文档与长时程任务，把有效上下文拉到 100 万 token，也就是输入上限本身。
强化学习是 Reflection 着墨最多的投入：约 100 万个编码、智能体与 STEM 训练环境主要由合成数据管线生成，再按难度过滤掉模型“总能解出”或“总解不出”的任务；10,500 块 GB300 GPU 跑四周，生成超过 1 亿次 rollout（一轮完整解题尝试），单次最长 256K 上下文，累计动用约 13 亿个沙盒。奖励规则偏向成功解法、惩罚多余 token；由于训练与推理异步进行，部分样本来自落后当前策略 107 个权重版本、超过一天的旧模型，Reflection 称学习在这种条件下仍保持稳定。团队随后微调了两个副本，一个用强化学习强化编码、智能体与 STEM 能力，另一个按行为准则做监督训练与强化学习，再用多教师在线策略蒸馏（multi-teacher on-policy distillation）把两者合并成 Beam。
自述里还有一个泛化观察：RL 任务里没有浏览类任务，浏览能力却在训练中稳定提升；接上网页访问后，Beam 自发学会搜索并查询其他大模型，还调用 OCR（光学字符识别）API 读取文档。
效率是卖点，短板也写在独立评测里
效率端，Reflection 估算 Beam 在高等推理基准上用约为 GLM-5.2 四分之一到三分之一的推理算力达到相近表现；折算方法是“激活参数 × 生成 token 数”，不含读取提示词与模型服务开销，The Batch 注明这是近似推算，不是实测成本。The Batch 另算了一笔内存账：4-bit（四位）精度下 Beam 只需约 300GB 显存，4 块 H100 或 2 块 B200 即可运行；全精度约 1.2TB，需要 8 块 B200。在 The Batch 看来，这让“中等智能”的部署门槛低了不少：性能超过 Beam 的开放权重模型总参数大多达到或接近 1 万亿，Beam 只有其一半；作为对照，Kimi K3 每个 token 激活 1040 亿参数。
反例同样出自 The Batch：Meta 的 Muse Spark Open 与 DeepSeek-V4.1-Flash 在算力相仿的条件下分数更高，Qwen3.8 27B 的要求还要低得多；它们每个任务生成更多 token，但 The Batch 的判断是“性能收益可能值得这个代价”。
Artificial Analysis 的独立评测也框出了短板。Terminal-Bench 4.0 上，Beam 只完成 3.0% 的任务，低于 Qwen3.8 27B 的 5.6% 和 Muse Spark Open 的 8.1%；在 Reflection 自家开源的命令行框架 Mirror 里跑编码智能体指数得 28 分，比 Claude Code 配 Qwen3.8 Max（43 分）低 15 分、比领先组合（68 分）低 40 分，省 token 程度则只逊于两个 Codex 组合。AA-Omniscience 的结果是一组反差：Beam 答对 33%，高于 K2 Horizon（18%）和 Qwen3.8 27B（16%），幻觉率 47% 却远高于两者的 26% 和 30%；折算成净指数，Beam 以 1.5 仍高于两者的 −3.0 与 −10.0。强项在智能体工作流：AutomationBench-AA 得 48.5%，与 Qwen3.8 27B 持平，领先 K2 Horizon 约 11 个百分点；在 Artificial Analysis 测过的美国开放权重模型中，它的 Cyber Index（34%）最高。
模型卡上另有一批 Reflection 自报的分数：SWEBench Verified 81.6%（BF16）、Terminal Bench v2.1 80.1%、AIME 2026 97.7%、GPQA Diamond 90.6%。两处分数不能直接比较：模型卡自报的是 Terminal Bench v2.1，Artificial Analysis 独立测的是 Terminal-Bench 4.0。
Nvidia 已投 8 亿美元，谈判仍在早期
Reflection 由前 DeepMind 研究员 Misha Laskin 与 Ioannis Antonoglou 于 2024 年创立，曾与美国国防部、能源部合作，并同意为韩国等美国盟友开发模型，3 月一轮融资估值 250 亿美元。据 The Batch 转述，《金融时报》（Financial Times）曾报道特朗普政府希望 Reflection 的模型能与中国的低价模型抗衡；同一篇 The Batch 报道还引述《金融时报》与 Reuters 10 月 10 日的报道：Nvidia 已向 Reflection 投资 8 亿美元，双方正就追加投资、人才收购、技术授权或整体收购进行早期谈判。
The Batch 的判断是：当算力需求从训练转向推理，开放权重模型会直接推高推理 token 消耗，Nvidia 恰好站在这个位置上；而它自家的 Nemotron 系列开放权重模型，性能没有一款接近 Beam。Reflection 在博客结尾说，Beam 只是系列中的第一个，下一个模型已在训练。至于训练数据构成这个空白，要等它承诺 10 月内发布的技术报告与模型卡来填。