英伟达支持的 Reflection 发布首个开放权重旗舰模型 Beam：501B 参数、23B 激活

事件经过

Reflection AI（2024 年由两位前 Google DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 在布鲁克林创立，主营软件开发自动化）周一通过官方博客发布 Beam，TechCrunch、Reuters 同日跟进。公司把 Beam 定位成“工作马模型”——面向企业、公共部门和开发者，专攻推理、代码和 agent 任务，号称在“token 成本和推理算力只是一小部分”的情况下做到同级性能。

参数上：501B 总参数、每次 token 只用 23B；纯文本 MoE，用高算力强化学习训练，预训练语料 23.8 万亿 token。对照它点名的对手：智谱 GLM-5.2 约 744B 总参数、40B 激活。公司列出的对比对象还包括闭源实验室（Anthropic、OpenAI）、中国开源阵营（DeepSeek、Qwen、Z.ai）、西方开放阵营（Mistral、Meta、Cohere），以及美国对手、Mira Murati 旗下 Thinking Machines Lab 7 月发布的 Inkling。

关键事实

1. 跑分：自家记分卡，还没人独立验证：Reflection 公布的成绩是：高级推理基准上与 GLM-5.2“打平”，推理算力只要 3–4 分之一；跑赢当今主流西方开放模型；在双方都公布的四个代码测试上压过 Inkling（但 Inkling 是多模态、Beam 纯文本，赛道并不完全一样）。TechCrunch 明确写了：这些性能声称“尚未独立验证”。
2. 记分卡明细：有领先也有落后：公司自报的明细里，Terminal-Bench 2.1 上 Beam 得 80.1，对 GLM-5.2 的 81.0——落后；SWE-bench Pro v1 上 65.5 对 62.1——领先。
3. “3–4 倍更便宜”的计算范围：这个倍数是“模型算力”对比：基于 Artificial Analysis 和 DataCurve 的基准数据估算，不包括 prompt 预处理、上下文相关的注意力开销和 serving 开销。即对比的是模型本身的算力，不是实际按 token 计费的成本。
4. 权重尚未开放：公司承诺 10 月稍晚以 Apache 2.0 协议放出权重和完整技术报告，分发走 hyperscaler 和 neocloud，并接入开源库。发布当天提供的是博客和跑分记分卡，权重目前还无法下载。
5. 融资与算力：Reflection 累计融资约 47 亿美元（英伟达、红杉、Lightspeed 等），上轮投前估值 250 亿美元；今夏与 SpaceX、Nebius 签下超 70 亿美元的算力协议，把 GB300 的供给锁到 2029 年。公司的主打方向是“AI 工厂”——帮企业和主权国家用自己的数据训出定制化本地系统，已在和韩国新世界集团测试主权 AI 工厂合作。
6. 完整记分卡：新一代中国模型排在前面（10-05 深夜更新）：公司公布的完整对照表里，Terminal-Bench 2.1：DeepSeek V4.1 Flash 90.6、Kimi K3 88.3、GLM-5.3 88.2、GLM-5.2 81.0、Beam 80.1；Humanity's Last Exam（无工具）：Beam 36.2，对 Kimi K3 的 46.9；GPQA Diamond：Beam 90.5，对 93.5。公司在公告里自己承认：“Kimi K3 这样的前沿开放模型在原始能力上仍然领先，Beam 的优势在推理效率。”训练规模：10,500 块英伟达 GB300 跑了 4 周强化学习，生成超过 1 亿次 rollouts。独立评测机构 Artificial Analysis 拿到提前测试权限后称，早期迹象显示 Beam“可能是我们见过同等智能水平下 token 效率最高的开放模型之一”——但这是厂商提供环境下的初步判断，目前尚无公开发布的独立评测。

背景

近两年，DeepSeek、Qwen、Kimi、Z.ai 等中国开源模型在开放模型领域排名靠前。Reflection 成立两年，融资 47 亿美元、签下 70 亿美元算力协议，此次发布的模型权重尚未开放。英伟达 CEO 黄仁勋长期提倡“AI 工厂”概念，Reflection 也以此向企业和主权国家推广；英伟达既是它的投资人，也是它的算力供应商。