Reflection AI 端出第一款開放權重模型 Beam，帳面 5010 億參數，卻只讓其中一小塊動起來。它打得進編碼前段班，而且官方說跑起來比同級模型更省算力。權重這個月才會放出來。
Reflection Beam 是什麼
Reflection AI 是美國的實驗室，10 月 5 日發表 Beam。它是一款稀疏的混合專家模型（Mixture-of-Experts，只有一部分參數會對每個詞元動手，所以實際運算量比帳面參數小得多），總參數 5010 億，每個詞元只啟動 230 億。
這個設計的用意不難懂。模型在紙面上很龐大，但每次生字只叫醒一部分，跑起來的花費遠低於那個嚇人的參數數字。
訓練重點放在編碼、推理，以及智慧代理（能自己規劃步驟、動用工具、把一整件事做完的 AI）。它只吃文字，不處理圖片或音訊。
想下載的人得再等等。Reflection 說 Beam 還在最後的紅隊測試與評測，已開放早鳥註冊。權重、技術報告、模型卡與開發者資源，本月稍晚會以 Apache 2.0 授權釋出。這個授權對企業很關鍵，Apache 2.0 允許商業使用與修改，不必背上某些開放模型的附加使用條款。
Beam 的訓練：23.8 兆詞元與一億次嘗試
Reflection 用 23.8 兆個詞元預訓練 Beam，來源涵蓋網路與授權資料集，數字和同量級的開放基礎模型差不多。這是它累積通用知識的底子。
真正特別的是強化學習那一關。Reflection 用了 1.05 萬張 NVIDIA GB300 顯示卡，跑四週，產生超過一億次嘗試（rollout），最大上下文長度 25.6 萬詞元。公司說，這是目前開放實驗室裡規模數一數二大的強化學習訓練。強化學習就是讓模型反覆解題、被打分、再修正的階段，練得越久，通常多步驟推理就越穩。
為什麼這件事值得一般讀者在意？著重強化學習的訓練，效果會落在必須「試了再改」的任務上，例如除錯，或是在好幾個檔案之間追一個問題。Reflection 說，隨著強化學習的算力往上加，分數也一直往上爬。
官方自測的 Beam 編碼成績
這一段的數字全部來自 Reflection 自己，沒有經過獨立驗證。在衡量能否修好真實 GitHub 問題的 SWE-bench Verified，Beam 拿到 80.9。在測試命令列與多步驟終端任務的 Terminal Bench v2.1，拿到 80.1。
成績不弱，但排在一些中國開放模型後面。Kimi K3 在 Terminal Bench 是 88.3，DeepSeek V4.1 Flash 是 90.6，Qwen 3.8-Max 是 86.6，GLM 5.3 是 88.2。Beam 跟 GLM 5.2 咬得很近，80.1 對上 81.0。
Reflection 沒有粉飾差距。公司說 Beam 在編碼與代理任務上跟 GLM 5.2 有得比、也逼近 Qwen 3.8-Max，但像 Kimi K3 這種在原始能力上還是領先。
模型 | Terminal Bench v2.1 | SWE-bench Verified |
|---|---|---|
Reflection Beam | 80.1 | 80.9 |
GLM 5.2 | 81.0 | 未公布 |
GLM 5.3 | 88.2 | 未公布 |
Kimi K3 | 88.3 | 未公布 |
Qwen 3.8-Max | 86.6 | 未公布 |
Beam 的賣點不是搶排行榜第一，而是接近領先群，同時又跑得比較省。
真正的賣點：推理效率
Beam 到底贏在哪？贏在推理時的效率，也就是模型回答請求的那一刻。Reflection 說，Beam 達到跟 GLM 5.2 相當的推理分數，用的推理算力只要對方的三分之一到四分之一，對上 Qwen 3.8-Max 這類參數兩兆以上的家族，差距還會拉大。
這個說法要小心看。它不是量到的實際費用，而是 Reflection 用近似公式估的：以每次啟用的參數乘上生成詞元數，推出前向運算量，資料引自 Artificial Analysis 與 DataCurve。估算排除了提示處理、注意力運算與服務端的額外開銷，公司自己也承認這只是粗略比較，不等於真實成本。
不過背後的邏輯站得住。一款每個詞元只啟動 230 億參數的稀疏模型，本來就該比同實力的密集模型少吃算力。對照詞元計費的團隊來說，這在高量的編碼與代理工作流上有機會換成較低的帳單。
權重釋出前該注意什麼
最大的問號是驗證。目前所有分數都出自 Reflection 自家的評測，外界還沒真正跑過 Beam。釋出後的獨立測試，才會決定效率的說法在實際環境裡是否成立。
現在給的是承諾，不是證據。
可用性是另一個變數。權重可望在幾週內、以寬鬆授權釋出，正在權衡開放模型與純 API 服務的團隊，有理由先別急著簽長約，等能自己測過 Beam 再說。如果效率數字禁得起檢視，一款跑起來像小模型、帳面卻有 5010 億參數的模型，會是企業編碼工作上真正實用的選項。
