Reflection AI 发布开源模型 Beam：501B 参数，推理消耗少 3 倍

Beam 是 Reflection AI 推出的首个开源权重模型，专攻编程、复杂推理和智能体任务。

它采用稀疏混合专家（MoE）架构，总参数量达到 501B，但每次只激活 23B 参数。它的上下文窗口支持最高 100 万 token，预训练阶段吃进了 23.8 万亿高质量 token。说白了，它走的是典型的以小博大路线：用庞大的参数池储备知识，实际运算时只调用一小部分，把推理开销压到极低。

它是怎么做到的

Beam 性能的核心来源，是超大规模的高算力强化学习（RL）。

团队动用了 1.05 万块 NVIDIA GB300 GPU，进行了整整 4 周的集中强化学习，跑出了超过 1 亿次 rollout，训练与打分阶段调用了约 13 亿个沙盒。为了支撑这个体量的训练，他们构建了包含近 100 万个环境的高难度任务池，覆盖软件工程、终端操作和竞赛编程等领域。

面对这种规模下策略网络脱节的技术难题，他们开发了全异步策略梯度算法，即使模型直接吸收一天前旧版本生成的交互数据，也能保持训练稳定。同时，团队还设计了多层级权重分发机制，把新模型更新推送到整个推理集群的用时压缩到了中位数约 12 秒，跨机架流量降低了 75%。

在底层架构上，Beam 结合了交错局部与全局注意力、无辅助损失的专家负载均衡以及深度缩放策略，保证所有专家在训练中几乎完全均匀地发挥作用，为强化学习打下了底子。

实际效果与可调控推理

根据官方测试，Beam 在编程和高级推理基准上追平了 Z.ai 的 GLM 5.2，并且逼近了 2T+ 参数级别的 Qwen 3.8-Max。它的最大亮点在于极高的推理性价比：在达到与 GLM 5.2 相当分数的同时，推断算力消耗少了 3 到 4 倍；相比超大参数模型，每输出一个 token 所需的计算量大幅缩减。

在功能上，Beam 虽然是纯文本模型，但展现出了很强的跨领域泛化能力。在完全没有提供网页浏览训练任务的情况下，模型在掌握终端和编码后，自发学会了如何调用外部 API、搜索网络甚至使用 OCR 接口识别文档。

值得一提的是，Beam 还提供了一个推理努力程度（reasoning effort）参数。你可以根据任务复杂度和自己的算力预算，主动调节输出长度。低档位会让回答更精简直接，高档位则允许模型展开多步深度推理以解决难题。

怎么用上它

Beam 目前处于最终的安全红队演练和评测阶段。Reflection 已经在官网开放了早期访问申请，官方计划在本月晚些时候正式放出完整的模型权重、技术报告、Model Card 以及配套开发工具，届时还会同步接入各大云服务商和开源社区库。

为什么重要

对于打算自建代码助手或本地智能体系统的团队来说，Beam 非常值得关注。它总参数 501B，部署门槛显然不算低，但 23B 的激活参数意味着运行时的显存吞吐和每 token 算力成本会比传统稠密模型友好得多，特别适合吞吐量要求高的高并发场景。

它真正的价值，在于用扎实的工程化强化学习，证明了开源阵营不仅能在纯能力上追赶领先的闭源与开源巨头，还能把推理效率做成差异化长板。如果本月开源的权重能够复现这些效率数据，企业在私有化部署编码工作流时，就多了一个省算力且不妥协智商的高性价比选择。