AREX Feed Article
Reflection AI 开放 Beam 权重：501B 总参数、23B 激活，Apache 2.0 发布到 Hugging Face
10 月 16 日，Reflection AI 在中宣布，已将 Beam 的模型权重以 Apache 2.0 许可证发布到 。Reflection 称，Beam 是公司的首个开放权重模型，采用稀疏混合专家（MoE）架构，总参数 501B、每 token 激活 23B，面向编码、推理和长程 agentic 工作负载。
10 月 5 日 Reflection 介绍 Beam 时，模型还在做最后的红队测试和评估，公司说权重、技术报告、模型卡和开发者产物会在「本月晚些时候」发布（）。11 天后，权重、模型卡和安全技术报告都已公开；技术报告本身在 Hugging Face 模型卡上仍标着「Technical Report (coming)」。
权重仓库里的规格与随附材料
Hugging Face 仓库名为 reflection/Beam-1.0-501B-A23B，页面标注 Apache 2.0 许可证，更新时间为 2026 年 10 月 16 日。Reflection 在里给出的规格是：总参数 501.3B、激活参数 23.4B；52 层，其中 3 层 dense、49 层 MoE；256 个专家；门控分组查询注意力（GQA）加滑动窗口注意力；上下文长度 100 万 token；纯文本输入输出；知识截止到 2026 年 6 月 30 日。
发布博客列出的交付物包括：BF16、FP8、NVFP4 三种精度的权重，一个用于投机解码的 drafter，以及开源的 Mirror CLI。同一批材料里还有一份，交代了预训练数据过滤、安全后训练，以及对生物武器、化学武器、失控、网络攻击四类风险的评估。
总参数决定显存，激活参数决定算力
稀疏 MoE 的账要分两本算。每个 token 只经过 256 个专家中的一部分，每次前向只计算 23B 参数；但服务时仍要装下全部 501.3B 权重，权重的显存占用由总参数量决定。CoreWeave 在 10 月 16 日的里写得很直接：「服务时仍然要为整个模型的权重留出空间，因此仅看激活参数量并不能决定显存需求和延迟。」
按每个参数 2 字节估算，BF16 权重约 1 TB；FP8 减半到约 500 GB；NVFP4 是 4 位浮点，再减半到约 250 GB。这还只是权重，不含推理时的 KV cache（键值缓存）和运行时开销。Reflection 同时放出一个用于投机解码的 drafter 模型：drafter 先起草若干 token，主模型再批量校验，以减少逐 token 生成大模型的次数。
模型卡写的是 100 万 token 上下文，但 CoreWeave 提醒，端点实际开放的上下文长度取决于服务方的配置。Reflection 称 Beam 可以后训练，包括大规模强化学习（RL）；CoreWeave 则演示了两种更轻的改法：在两个节点、16 块 B200 上用 LoRA（低秩适配）做监督微调（SFT），约 8,400 万 token、73 分钟跑完；以及在单节点 B200 上对 NVFP4 checkpoint 做 LoRA 偏好优化，HealthBench 分数从 49.0% 升到 52.7%。CoreWeave 注明这两次都是演示运行。
三份权重，一张几乎不变的基准表
模型卡列出七项基准；在这七项上，BF16、FP8、NVFP4 三份权重的最大差距是 2.1 个百分点。SWE-bench Verified 为 81.6%、80.2%、80.7%；Terminal Bench v2.1 为 80.1%、78.9%、78.4%；DeepSWE v1.1 为 43.3%、43.0%、42.7%；SWE Bench Pro v2-Hard 为 76.5%、78.4%、78.6%，这项反而是低精度更高。模型卡注明所有评测使用 temp=0.7、top_p=0.99。
这张表能说明的是三种精度在基准上的差距很小，不能单独说明 Beam 在同类模型里的位置：表里只有 Beam 自己的三列，没有对照模型。
Reflection 把效率当作主要卖点。模型卡称，在相近的解题质量下，Beam 推理阶段的 reasoning token 用量约为领先开放模型的 1/3；10 月 5 日的文章则解释了这类比较的算法：生成侧算力按 FLOPs ≈ 2 × 激活参数量 × 平均生成 token 数估算，不计 prompt prefill、随上下文变化的 attention 运算和 serving 开销，公司自己称这是「近似算力比较，而非实测推理成本」。
安全评估方面，那份安全技术报告称在 Reflection 的 Open Safety Framework 下，Beam 在生物武器、化学武器、失控、网络攻击四类系统性风险上均被评为 Limited。报告对 Limited 的解释是：没有实质性改变攻防平衡，也没有相对同类开放权重模型扩大威胁面。内部 Iris 评测中，BF16 版本对有害请求的拒绝或转向率为 88.9%，对无害请求的遵从率为 81.5%。
一次 RL 峰值用到 88.3 万个 vCPU
Beam 的预训练用了 23.8 万亿 token。RL 方面，Reflection 称规模最大的运行在训练、评估和消融中共跑了约 13 亿个 sandbox。10 月 5 日的文章已经披露过配置：1.05 万块 NVIDIA GB300、四周、超过 1 亿次 rollout、最长 256K token 上下文，以及近 100 万个编码、agentic 和 STEM 环境；当时公司称，这可能是开放实验室中规模最大的 RL 运行之一。
10 月 16 日的博客补上了集群侧的峰值：最后一次 RL 运行的峰值小时里，训练负载占用 883,006 个 vCPU（虚拟 CPU），占可分配资源的 83%，分布在 GCP 和 AWS 的 23 个集群上。博客的图注说明，这个峰值出现时，评估和其它 RL 实验也在同时运行。
模型是内核，40 多家合作方补上其余各层
Reflection 把这次发布称为「面向 agent 的开放操作系统」：模型是内核，基础设施层以上的参考 agentic 集成、部署容器、推理集成和定制流水线都开放。发布时已有 40 多家合作伙伴与集成，覆盖推理、量化、微调、RL、agent 运行框架、评测和可观测性。
开发者可以下载权重自行托管、评估和微调，也可以通过 Reflection 自己的 API 或合作伙伴的端点调用。工具链方面，Transformers、vLLM、SGLang、Unsloth、Axolotl 等在发布日即支持 Beam。AWS、Microsoft Azure、Google Cloud、Oracle，以及 Together AI、Fireworks AI、Baseten、OpenRouter、Ollama 等平台也可以调用 Beam；Dell 和 HPE 则为本地、主权和 air-gapped（物理隔离）环境提供防火墙内部署。
CoreWeave 是其中一个可核对的例子：Beam 在其 Serverless Inference 上以 Day 0（发布当天）上线，走 OpenAI 兼容接口、按 token 计费，开发者不需要自己开 GPU 或运维 serving 集群。Apache 2.0 在这里的实际含义是：许可证之外没有附加条款，可以检查权重、微调和选择部署环境。模型卡的 Usage 部分也明确不禁止蒸馏、用输出训练其它模型、微调、参数高效适配、量化与合并。
Mirror CLI：把 agent harness 一起开源
与权重一同放出的还有 Mirror CLI，一套 agent 运行框架（harness）。Reflection 说 Beam 是与 Mirror 这套 harness 一起训练的，同时也用 Pi、OpenCode、Hermes 做过测试。Mirror 在终端里跑，默认模型是 Beam-1.0-501B-A23B；开发者可以查看 agent 的活动、批准工具调用、在运行中调整方向，对话可恢复，多个 agent 可以跑在各自的 worktree（工作树）里，项目指令、skills、MCP 连接和 Python 扩展都可以加。
架构上，Mirror 用一个 Python 前端处理 prompt、skills 和开发者工具，通过本地连接与 Rust agent core 通信，由后者驱动模型；Reflection 说把 core 做小，是为了让它同时充当干净的评测面。Mirror 最初是 Reflection 的内部工具，集成了 Slack、Linear 和 GitHub，工程师合上笔记本后 agent 还能继续跑。
源码在 GitHub 的 仓库，Apache 2.0。它仍是早期测试版（early beta）：标注 v0.1.0，命令和行为可能随版本变化。文档也写明了边界：审批模式只决定你要审什么，它不是沙箱；被批准的命令、扩展和本地 MCP server 会以你的账户权限运行。