Reflection AI 正式发布 Beam：5010 亿参数开源模型，对标 DeepSeek 与 Qwen

先说是什么

Beam 是 Reflection AI 成立以来发布的第一个模型。这是一家 2024 年成立的创业公司，创始人是前 Google DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou，投资方包括 Nvidia、红杉和光速，上一轮报道的估值在 250 亿美元左右。

模型本身是个纯文本的 MoE（混合专家）模型：总参数 5010 亿，每 token 只激活其中的 230 亿，上下文窗口 100 万 token。据公司技术公告，Beam 预训练用了 23.8 万亿 token，强化学习阶段动用了 10500 块 Nvidia GB300 GPU，跑了 4 周，产生超过 1 亿次 rollout。

对标的对手很明确：公司直接点名 DeepSeek 和月之暗面的 Kimi（Kimi K3），称 Beam 在代码和智能体任务上接近智谱的 GLM-5.2，逼近 Qwen3.8-Max。目标用户是企业和政府：本地部署、可定制的开源权重模型。

跑分怎么说

Reflection 自己公布了两组数字。Terminal-Bench 2.1 上 Beam 得 80.1 分，GLM-5.2 是 81.0 分；SWE-bench Pro v1 上 Beam 65.5 分，GLM-5.2 是 62.1 分。公司称它达到 GLM-5.2 的推理水平，只需要对方四分之一到三分之一的推理算力。

几个注脚不能漏。第一，这些都是公司自己公布的成绩，TechCrunch 报道指出尚未经过独立验证。第二，对比对象是 GLM-5.2，不是更新的 GLM-5.3，Reflection 的表格里 GLM-5.3 和 Kimi K3 在多数测试上排在 Beam 前面。第三，“算力便宜”指的是模型理论计算量，不包含实际部署里的预填充、长上下文注意力开销，真实成本还要等实际测试。

对比参考：GLM-5.2 总参数约 7440 亿、每 token 激活 400 亿。Beam 用更小的激活参数追上它，靠的是强化学习堆量——10500 块 GB300 跑 4 周，这种训练规模在开源阵营里确实罕见。钱的来源：公司报道的算力承诺超过 70 亿美元，含 Nebius 10 亿美元级合作和每月约 1.5 亿美元租用 SpaceX Colossus 2 集群。

什么时候能用

目前 Beam 还不能下载。公司说权重将在 10 月晚些时候以 Apache 2.0 协议发布，同时公开技术报告和模型卡片。现在可以先登记等候名单，拿一个早期版本。公司表示正在做最后的红队测试和评估。

Apache 2.0 许可意味着可以商用、可以改、可以二次发布，是个利好。

为什么这件事值得看

开源权重这条赛道，过去一年一直是 DeepSeek 和 Qwen 在领跑：Vercel AI Gateway 的 token 数据显示，开源模型在某个周六创下 62% 的份额纪录。西方这边一直缺一个能打的答案。Beam 是第一个带着训练规模和资本背书、正面挑战中国开源模型的西方玩家。

CEO Laskin 的说法是，闭源模型像是租房，“所有权市场”正在形成。公司的商业模式藏在这句话里：开源权重是入口，真正赚钱的是帮企业和国家建“AI 工厂”——用客户自己的数据定制、本地部署，再收算力和服务费。

这个故事的悬念在 10 月底揭晓：权重放出之后，独立评测能不能复现公司公布的成绩。到时候再看 Beam 是真对标，还是营销跑分。