Reflection 在 Hugging Face 以 Apache 2.0 釋出首個開放權重模型 Beam，501B 總參數的稀疏 MoE、支援 100 萬詞元上下文，主打軟體工程與長程代理任務，權重可自由商用。
Beam 是什麼：501B 開放權重模型
Reflection 在 10 月 16 日於 Hugging Face 發布旗下第一個開放權重模型 Beam，採用 Apache 2.0 授權。這代表任何團隊都能下載權重、自行調整，甚至用在商業產品上，不需要另外談授權。
Beam 是稀疏混合專家（MoE，一種只讓部分網路區塊參與每次運算的架構）模型。總參數量約 501B，但每個詞元（token）只激活約 23B 參數。這種設計的意義在於：模型知識量大，但實際跑起來的推論成本比總參數量暗示的低。它的上下文窗口支援 100 萬詞元，官方定位在軟體工程與長程代理（需要連續執行多步任務的 AI 代理）場景。
三種精度與工具鏈支援
Reflection 同步釋出指令微調後的 BF16、FP8、NVFP4 三種精度權重，另外附上一個投機解碼用的 draft 模型、模型卡與安全技術報告。多精度選項讓不同硬體環境的團隊都能找到合適的版本，NVFP4 這類低精度格式特別適合想在有限算力上跑大模型的場景。
工具鏈方面，主流推論框架當日就提供支援，想自己部署的團隊不必等太久。
訓練規模與 40 多家夥伴
Reflection 說 Beam 的預訓練用了 23.8 兆詞元。強化學習階段則在 10,500 張 NVIDIA GB300 上跑，四週內產生超過一億次 rollout（模型與環境互動產生的訓練軌跡）。
發布時 Reflection 聯合了 40 多家夥伴，涵蓋 AWS、Cloudflare、CoreWeave、Databricks、Google Cloud、Azure、NVIDIA NIMs、Ollama、OpenRouter、Together、Vercel 等雲端與部署平台。Dell 與 HPE 則提供本地與隔離環境的部署方案。Beam 最早在 10 月 5 日預告，當時採限量候補制。獨立評測機構 Artificial Analysis 已經收錄這款模型。
對開發者的意義：多了一個可自行掌控的選項
開放權重模型的價值，在於團隊能把模型放進自己的環境，資料不必離開內部網路。對於有隱私或合規顧慮、又不能接受閉源 API 的組織，Beam 這種可自架的 501B 模型等於多了一個選項。
不過有幾點要提醒。Beam 的能力數據目前是 Reflection 自己的口徑，第三方驗證還很有限。模型卡自報的成績，讀的時候要多留一分保留。另外，501B 這個規模即使只激活 23B，要自己架設仍有硬體門檻，不是一般筆電能跑的等級。真正適合的是有算力資源的團隊。
接下來看什麼
值得追蹤的是 Hugging Face 上的實際下載與社群採用狀況，以及第三方在不同任務上的獨立評測結果。開放權重能不能真正被用起來，靠的不是發布當天的夥伴名單，而是幾個月後有多少團隊把 Beam 放進正式環境。在那之前，先把官方口徑與獨立驗證分開看，會比較踏實。
