Beam推理基准持平GLM-5.2，计算量仅四分之一至三分之一

Reflection AI 正式发布 Beam，这是它的第一款前沿开放权重模型。公司成立两年，总部在布鲁克林，两位创始人都来自 Google DeepMind。

技术底子

Beam 是纯文本的混合专家（MoE）模型。混合专家的意思是，参数总量很大，但单个请求只激活其中一小部分，其余参数不参与计算。Beam 总参数 5010 亿，每次激活 230 亿。预训练用了 23.8 万亿 token，上下文窗口 100 万 token。这个长度相当于几十万字，一本书或好几份长文档装得下。

Reflection 用高计算强化学习训练 Beam，让模型在推理中反复试错、根据结果调整策略。这个训练方向主攻推理、编码和智能体任务。所谓智能体任务，就是模型自己规划步骤、调用外部工具来完成任务，而不是只生成一段回复。

成本怎么降下来

Reflection 的核心卖点是性价比。它给出的数据是：Beam 在高级推理基准上与 Z.ai 的 GLM-5.2 持平。GLM-5.2 来自中国公司 Z.ai，总参数约 7440 亿，激活参数 400 亿。Beam 总参数 5010 亿、激活参数 230 亿，小一号。按 Reflection 的说法，它的推理计算量只有对方的四分之一到三分之一。token 成本和推理时间也一样，都只有一小部分。

参数规模差异已经暗示成本差的来源：激活参数越少，每次请求消耗的算力越少。Reflection 自家基准显示，Beam 在四个编码测试上超过了 Inkling。Inkling 是 Mira Murati 的 Thinking Machines Lab 发布的模型，也是开源阵营里与 Beam 最接近的美国对手。关键差别：Inkling 是多模态模型，能处理图像；Beam 纯文本。拿掉多模态，换纯文本任务的性价比，是这条路线明确的取舍。

卖给谁

Beam 的定位是“主力模型”，目标客户是企业、公共部门和开发者。它要面对的竞争很长一串。闭源一边是 Anthropic 和 OpenAI，开源一边有中国开发者，西方还有 Mistral、Meta、Cohere。最直接的美国对手，应该要算 Inkling。

让 Reflection 区别于这些对手的是“AI 工厂”计划。机构拿 Reflection 的模型做底座，喂自己的专有数据，训练一个本地运行的定制 AI 系统。敏感数据不用离开自己的服务器。Nvidia CEO 黄仁勋长期推动“AI 工厂”概念，而 Nvidia 正是 Reflection 的投资方。Axios 报道说，对冲基金和交易公司是这类系统最积极的潜在客户。Reflection 已经开始和韩国新世界集团测试“主权 AI 工厂”合作。主权在这里的意思是，把 AI 能力放在境内，不依赖境外云服务。

这不是轻资产生意。Reflection 从 Nvidia、红杉资本和 Lightspeed Venture Partners 等处筹了约 47 亿美元。最近一轮投前估值 250 亿美元。今年夏天又和 SpaceX、Nebius 签下总价值超过 70 亿美元的协议。这些协议确保 2029 年前拿到 Nvidia GB300 芯片。

何时能用上

Beam 的权重和完整技术细节计划本月公开，通过超大规模云厂商和 neocloud 分发。发布时会集成进常用开源库，开发者拿到权重后可以自己部署，也可以在此基础上继续训练。

目前这些测试结果都来自 Reflection 自己，独立第三方验证还没出现。“少用 3-4 倍推理计算”的衡量口径没有公布，实际部署中能省多少钱，要等模型跑起来才知道。开放权重许可的具体条款——能否商用、能否修改——同样没有说明。权重本月公开后，开发者会拿到验证这些说法的机会。