Reflection 在 2026 年 10 月 5 日通过官方博客发布 Beam，这是这家美国公司的首款开放权重模型：总参数 501B，每个 token 只激活约 23B，定位是给企业、公共部门和开发者干活的主力模型，主攻编码、推理和智能体任务。它目前还在做最后的红队测试与评测，只开放早期访问登记，权重、技术报告和模型卡要到本月晚些时候才会放出，所以现在能评价的是它的设计和厂商自测，还不是一个能下载实测的成品。
效率是主要卖点：成绩贴近更大的模型，推理算力只要零头
Beam 是稀疏混合专家（MoE）架构，预训练用了 23.8 万亿 token。Reflection 给出的对比是：在高级推理基准上，Beam 的分数与智谱 GLM-5.2 相当，用的推理算力却只有对方的约三分之一到四分之一；具体到单项，它的 SWE-Bench Pro v1 得分 65.5，略高于 GLM-5.2 的 62.1，Terminal-Bench 2.1 得分 80.1，接近 GLM-5.2 的 81.0。但要泼一点冷水：这些都是厂商自测、未经独立验证，而且官方图表的口径排除了提示预填充和服务开销，只是近似的算力比较；同一张表里，GLM-5.3 和 Kimi K3 在多项测试上仍明显领先，Beam 赢的是每份算力换来的成绩，不是绝对能力。
训练重心压在强化学习上：1.05 万块 GB300 跑了四周
这款模型的训练方式比参数更值得看。Reflection 称其高算力强化学习用了 1.05 万块 NVIDIA GB300，连续跑四周，生成超过 1 亿次 rollout，动用约 13 亿个沙箱环境和近 100 万个任务环境。它还给模型加了可控的长度惩罚：解题成功的前提下，回答越短奖励越高，用户侧则能用推理强度参数在成本和效果之间自己调档。这种把强化学习当成主要扩展轴的做法，解释了它为什么敢用相对小的激活参数去对标更大的模型。
谁该关注，什么时候能做决定
Reflection 的目标客户不是普通聊天用户，而是想把模型部署在自己环境里的企业、政府机构和开发者，也就是它所说的共建本地化 AI 系统。对这批人来说，真正的决策点在本月晚些时候权重放出之后：先看许可证条款和模型卡，再用自己的编码与智能体任务做对照实测，尤其要核对厂商那套效率口径在真实服务成本上还剩多少。权重未出、独立评测未到之前，把 Beam 当成值得排进评测清单的候选即可，不必提前调整现有选型。
