Reflection AI 釋出開源模型 Beam：501B 引數，推理消耗少 3 倍

Beam 是 Reflection AI 推出的首個開源權重模型，專攻程式設計、複雜推理和智慧體任務。

它採用稀疏混合專家（MoE）架構，總引數量達到 501B，但每次只啟用 23B 引數。它的上下文視窗支援最高 100 萬 token，預訓練階段吃進了 23.8 萬億高質量 token。說白了，它走的是典型的以小博大路線：用龐大的引數池儲備知識，實際運算時只調用一小部分，把推理開銷壓到極低。

它是怎麼做到的

Beam 效能的核心來源，是超大規模的高算力強化學習（RL）。

團隊動用了 1.05 萬塊 NVIDIA GB300 GPU，進行了整整 4 周的集中強化學習，跑出了超過 1 億次 rollout，訓練與打分階段呼叫了約 13 億個沙盒。為了支撐這個體量的訓練，他們構建了包含近 100 萬個環境的高難度任務池，覆蓋軟體工程、終端操作和競賽程式設計等領域。

面對這種規模下策略網路脫節的技術難題，他們開發了全非同步策略梯度演算法，即使模型直接吸收一天前舊版本生成的互動資料，也能保持訓練穩定。同時，團隊還設計了多層級權重分發機制，把新模型更新推送到整個推理叢集的用時壓縮到了中位數約 12 秒，跨機架流量降低了 75%。

在底層架構上，Beam 結合了交錯區域性與全域性注意力、無輔助損失的專家負載均衡以及深度縮放策略，保證所有專家在訓練中幾乎完全均勻地發揮作用，為強化學習打下了底子。

實際效果與可調控推理

根據官方測試，Beam 在程式設計和高階推理基準上追平了 Z.ai 的 GLM 5.2，並且逼近了 2T+ 引數級別的 Qwen 3.8-Max。它的最大亮點在於極高的推理價效比：在達到與 GLM 5.2 相當分數的同時，推斷算力消耗少了 3 到 4 倍；相比超大引數模型，每輸出一個 token 所需的計算量大幅縮減。

在功能上，Beam 雖然是純文本模型，但展現出了很強的跨領域泛化能力。在完全沒有提供網頁瀏覽訓練任務的情況下，模型在掌握終端和編碼後，自發學會了如何呼叫外部 API、搜尋網路甚至使用 OCR 介面識別文件。

值得一提的是，Beam 還提供了一個推理努力程度（reasoning effort）引數。你可以根據任務複雜度和自己的算力預算，主動調節輸出長度。低檔位會讓回答更精簡直接，高檔位則允許模型展開多步深度推理以解決難題。

怎麼用上它

Beam 目前處於最終的安全紅隊演練和評測階段。Reflection 已經在官網開放了早期訪問申請，官方計劃在本月晚些時候正式放出完整的模型權重、技術報告、Model Card 以及配套開發工具，屆時還會同步接入各大雲服務商和開源社群庫。

為什麼重要

對於打算自建程式碼助手或本地智慧體系統的團隊來說，Beam 非常值得關注。它總引數 501B，部署門檻顯然不算低，但 23B 的啟用引數意味著執行時的視訊記憶體吞吐和每 token 算力成本會比傳統稠密模型友好得多，特別適合吞吐量要求高的高併發場景。

它真正的價值，在於用紮實的工程化強化學習，證明了開源陣營不僅能在純能力上追趕領先的閉源與開源巨頭，還能把推理效率做成差異化長板。如果本月開源的權重能夠復現這些效率資料，企業在私有化部署編碼工作流時，就多了一個省算力且不妥協智商的高性價比選擇。