Reflection AI 推出了 Beam，这是其首个开源权重模型。Beam 是一个稀疏的 Mixture-of-Experts（MoE）模型，总参数量 501B，每个 token 激活 23B，专为编码、推理和智能体工作负载打造。据 Reflection AI 团队称，Beam 在推理基准测试上直接与 GLM 5.2 等更大的开源模型竞争，同时使用的推理算力少 3 到 4 倍。
今天可以部署吗？目前还不能自托管。Beam 正处于最终红队测试阶段。早期访问通过 Reflection 平台上的候补名单进行。
什么是 Reflection Beam？
Beam 是 Reflection AI 从零开始训练的通用智能体模型。它面向企业编码和智能体工作负载。Reflection 将 Beam 定位为推进西方开源权重前沿。研究团队对差距直言不讳。Kimi K3 在原始能力上仍然领先，因此 Beam 的卖点是推理时的效率。
用户可以获得一个推理努力参数。较低的设置倾向于简短回答。较高的设置允许在困难任务上进行更长的推理。团队可以将努力程度与任务难度和算力预算相匹配。
Beam 是如何预训练的
Beam 在来自网络、公开来源和专有授权数据集的 23.8 万亿 token 上进行了预训练。Reflection 团队表示，其数据整理移除了约 95% 的原始互联网 token。它还保留了约 1.8 万亿个传统过滤器会丢弃的高质量 token。
该架构将局部注意力和全局注意力与细粒度路由专家交错排列。负载均衡建立在 DeepSeek-V3 的无辅助损失均衡之上，并增加了专家偏置更新的余弦衰减。在预训练结束时，最繁忙的专家仅达到平均负载的 1.04 倍。在所有 52 层中，通过基于深度的缩放、SandwichNorm、注意力门控和 FP32 残差累积，残差范数保持有界。
预训练在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成。接近尾声时有效算力利用率达到 92.3%，并进行了 9 次半自动回滚。中期训练将有效上下文扩展到 1M token。
高算力强化学习
RL 是 Beam 的核心扩展轴。这次运行使用了 10.5K 块 NVIDIA GB300 GPU，持续 4 周，生成了超过 1 亿次 rollout。最大 rollout 上下文为 256K token。训练和评分在近 100 万个编码、智能体和 STEM 环境中消耗了约 13 亿个沙箱。
Reflection 使用完全异步的策略梯度进行训练。每个 token 都标记了生成它的策略版本。新算法即使在一天陈旧度、落后当前策略 107 个权重版本的情况下也能保持学习稳定。团队报告称，随着 RL 计算量增加，没有出现平台期。
基础设施数据值得注意。系统平均维持了 110K 个并发 rollout。新权重到达推理集群的中位时间约为 12 秒。71 起推理事故在未停止训练的情况下得到处理。
一个可控的长度惩罚教会了 Beam 用更少的 token 解决任务。浏览技能也有所提升，尽管 RL 混合中没有浏览任务，这表明跨智能体领域存在迁移。
安全与对齐
Reflection 从预训练检查点训练了一个独立的安全与对齐教师。它使用多教师同策略蒸馏将该教师与 RL 教师合并。安全训练使用了审慎对齐。安全评估结果将出现在技术报告中。
基准测试（Reflection 报告）
在 SWE-bench Verified 上，Beam 得分为 80.9，而 Nemotron 3 Ultra 为 70.7。在 Terminal Bench v2.1 上，Beam 得分为 80.1，接近 GLM 5.2 的 81.0。DeepSeek V4.1 Flash（90.6）和 Kimi K3（88.3）在该项领先。这些数字来自 Reflection 的表格，其竞争对手分数来源于 Artificial Analysis 和 DataCurve。
Beam 与最接近的开源权重竞争对手
FeatureReflection BeamGLM-5.2Nemotron 3 UltraDeepSeek V4.1 FlashKimi K3DeveloperReflection AI (US)Z.ai (China)NVIDIA (US)DeepSeek (China)Moonshot AI (China)Total params501B~753B550B552B backbone + 196B Engram2.8TActive params23B~40B55B8B prefill / 16B decode104BContext1M (effective)1MUp to 1M1M1MInputTextTextTextText + imageText + imageLicenseApache 2.0 (planned)MITOpenMDW-1.1MITKimi K3 LicenseWeightsLater in Oct 2026AvailableAvailableAvailableAvailableTerminal Bench v2.1*80.181.056.490.688.3SourceReflectionHugging FaceNVIDIAHugging FaceHugging Face
*分数来自 Reflection 的 Beam 公告。规格于 2026 年 10 月 5 日核实。
Beam 是这里总参数量最小的模型。其 23B 激活参数低于 GLM-5.2、Nemotron 3 Ultra 和 Kimi K3。Apache 2.0 和 MIT 是标准的宽松许可证。Kimi K3 的自定义许可证为超大型产品增加了署名要求。
关键要点
Beam 是一个 501B MoE，激活参数 23B，纯文本，有效上下文 1M。
预训练在 6,144 块 NVIDIA GB300 GPU 上使用了 23.8T tokens，耗时不到 4 周。
强化学习在 10.5K 块 GB300 GPU 上运行了 100M+ 次 rollout，历时 4 周。
Reflection 报告在 SWE-bench Verified 上得分 80.9，在 Terminal Bench v2.1 上得分 80.1。
Apache 2.0 权重计划于本月晚些时候发布。
查看技术细节和早期访问。
文章 Reflection AI Introduces Beam: A 501B Open-Weight MoE Model With 23B Active Parameters for Coding and Agentic Workloads 首发于 MarkTechPost。