一家融资超 40 亿美元、估值 250 亿的 AI 公司,长期隐身、此前没有任何公开产品——10 月 5 日,它交出的第一份答卷是一个 501B 参数的开源模型。Reflection AI 在官方博客官宣首个开放权重模型 Beam:501B 总参数的稀疏 MoE,每 token 只激活 23B,定位编码、推理与智能体负载。HN 评论区有人按公开资料点破:这是这家隐身公司的第一个公开产品。
官宣里最硬的数字
预训练用了 23.8 万亿 token,来自网页与专有授权数据集。更有信息量的是强化学习:官方用 1.05 万张 NVIDIA GB300 连训四周,生成超 1 亿条 rollout,最大上下文 256K,消耗约 13 亿个沙箱。官方自称"开放实验室迄今规模最大的 RL 训练之一"——自报口径。参照:Inkling 3000 万条 rollout、MiMo 75.3 万条。
工程细节值得单讲:Beam 用全异步策略梯度训练,官方称样本比当前策略落后一天、隔着 107 个权重版本,数值依然稳定。大规模异步 RL 的陈旧性问题被工程化解决,这可能比跑分更值钱。
跑分:不是全能王,也没装
官方跑分表覆盖编码、智能体、推理、通识四类,关键位次:DeepSWE v1.1 上 Beam 44.4、GLM 5.2 是 44.0、Kimi K3 68.0;Terminal Bench v2.1 上 80.1,略低于 GLM 5.2 的 81.0;SWE Bench Pro v2-Hard 77.2,高于 Inkling 的 56.9,低于 GLM 5.3 的 84.3;AIME 2026 97.8 对 GLM 5.2 的 99.2;HLE(无工具)36.2,落后 Kimi K3 的 46.9。
官方定性也直白:编码与智能体上对标 GLM 5.2、逼近 Qwen 3.8-Max,"Kimi K3 在原始能力上仍然领先"——这份发布稿没冲跑分第一。
卖点:每个 token 的推理账
Beam 的主张是推理效率——官方称在先进推理基准上取得与 GLM-5.2 相当的成绩时,推理计算量省 3-4 倍;对比 Qwen 3.8-Max 这类 2T+ 家族差距更大。原理不神秘:23B 激活天然比 2T 级便宜,官方按"2 × 激活参数 × 生成 token 数"估 FLOPs,对照数据来自 Artificial Analysis 与 DataCurve。
模型带 reasoning effort 参数:低档短回答省 token,高档长推理冲性能。RL 阶段用可控长度惩罚,先学会少说话把题做对,再学会该长则长。另一个泛化观察:RL 混合里没有浏览任务,浏览能力却随编码任务一起涨;给了 web 权限,模型自己学会调用其他大模型和 OCR API。
权重月底才放,现在别急着排队跑分
注意发布状态:Beam 还在最终红队中,早期版本只对 waitlist 部分用户开放;权重、技术报告、模型卡与工具栈本月底以 Apache 2.0 放出。聚合站 theopenweights 已标它为"可下载权重",与官方口径不符,以官方博客为准。
安全侧用 deliberative alignment 把安全政策写进模型推理,官方称奖励预测相关性 r=0.79,并承诺开源安全评测套件。
所以呢
开源竞赛的记分牌正在换:从"谁的参数更大"转向"谁的同能力推理更便宜"。501B 总参、23B 激活,把"旗舰能力、中型成本"走成明牌——对自托管企业,每 token 成本比榜单第一重要得多。权重真落地、第三方复现跑分那天,才是给这家隐身公司打分的日子。