布鲁克林初创公司Reflection AI近日正式发布其首款开源权重模型Beam。该模型采用混合专家（MoE）架构，旨在以显著降低的计算资源消耗，在复杂推理任务中与中国及美国科技巨头的产品展开竞争。
高效能低能耗：以小博大的技术路径
Beam拥有5010亿参数，但在推理阶段仅激活230亿参数。基于23.8万亿个高质量token预训练，并大规模应用强化学习技术，该模型在保持高性能的同时大幅降低了运行成本。据Reflection披露，Beam在复杂推理测试中的表现与中国的Z.ai GLM-5.2持平，但计算资源消耗仅为后者的三分之一到四分之一。
在基准测试方面，Beam在SWE-bench Verified上得分为80.9，在Terminal Bench v2.1上得分为80.1，展现出在编码和智能体任务上的强劲实力。然而，竞争并非一边倒：月之暗面的Kimi K3在Terminal Bench上以88.3分领先，阿里巴巴的Qwen 3.8-Max也在部分指标上占据优势。Reflection强调，Beam的核心优势在于效率，其稀疏激活设计旨在为开发者提供更低的推理成本。
豪华背景与巨额投入
Reflection AI由前谷歌DeepMind研究员Misha Laskin和Ioannis Antonoglou于2024年创立。Laskin曾参与Gemini项目奖励建模，Antonoglou则是AlphaGo的共同创造者。公司愿景是让顶尖人才在大科技公司之外构建前沿系统。
强大的算力支持是Beam诞生的基础。据悉，该公司去年以80亿美元估值完成20亿美元融资，投资方包括英伟达、红杉资本和Lightspeed等。通过锁定庞大的算力协议，包括与SpaceX达成的多年期合作以使用Colossus 2数据中心，Reflection得以在不到四周内使用6,144块英伟达GB300 GPU完成预训练，并在随后四周利用10,500块同类GPU进行超过1亿次的强化学习rollout。
市场反响与未来展望
Beam的发布被视为美国实验室应对中国开源模型崛起的重要举措。DeepSeek、Qwen和Kimi等产品已凭借高性价比占据市场，而西方开发者急需能在不增加资源负担下提供类似性能的方案。Reflection CEO Misha Laskin将Beam形容为一头“工作马”，强调其在关键任务上接近Qwen 3.8-Max，虽原始分数略逊于Kimi K3，但在成本和速度上具备巨大优势。
目前，Beam的效率数据尚未经第三方独立验证，模型仍处于红队测试阶段。完整权重将于本月晚些时候以Apache 2.0许可证发布，后续将推出技术报告、微调工具以及FP8和NVFP4量化版本。尽管市场反应不一，部分开发者在等待权重公开和第三方评估，但Beam的出现无疑为开源社区提供了新的选择。如果数据属实，这可能改变开放AI竞争性标准的讨论；即便存在争议，Reflection已暗示后续模型正在训练中，显示出快速迭代的决心。