Reflection 推出了其首款開放權重模型 Beam，這是一個擁有 5010 億總參數、230 億活躍參數的稀疏混合專家（MoE）模型，專為編碼、推理和代理工作負載設計。該模型在 23.8 兆個經過精選的高品質 token 上進行預訓練，並結合了大規模強化學習（RL）訓練。RL 階段使用了 1.05 萬張 NVIDIA GB300 GPU，在 4 週內生成了超過 1 億次 rollout，並使用了約 13 億個沙盒環境進行訓練與評分。Reflection 聲稱這是迄今為止任何開放實驗室進行的最大規模 RL 訓練之一。

在能力方面，Beam 在編碼和代理任務上推進了西方開放權重模型的前沿，與 GLM 5.2 等大型開放模型相當，並接近 Qwen 3.8-Max 的水平。雖然在原始能力上仍落後於 Kimi K3 等前沿開放模型，但 Beam 的優勢在於推理時的高效率。數據顯示，在高級推理基準測試中，Beam 達到與 GLM-5.2 相當的分數，但推理計算量僅為其 3-4 分之一；與參數規模超過 2 兆的模型（如 Qwen 3.8-Max）相比，效率優勢更為顯著。這意味著每 token 能提供更強的智能，從而以更低成本提供強大的模型能力。

技術細節上，Beam 採用了非同步策略梯度訓練，並開發了新演算法以解決高策略陳舊度（policy staleness）帶來的不穩定性，即使在訓練與推理引擎數值不匹配的情況下也能保持穩定。模型還引入了可控制的長度懲罰機制，允許用戶通過調整推理努力參數來平衡回應長度與性能。此外，Beam 展現了跨領域的泛化能力，例如在未經瀏覽任務訓練的情況下，仍能學會使用網路搜尋和 OCR API。

目前，Beam 正在進行最終的紅隊測試和評估。Reflection 表示將於本月晚些時候發布模型權重、技術報告、模型卡和開發者工件。用戶可註冊以獲得早期訪問權限。

事件背景

Reflection 是一家專注於編碼和強化學習的 AI 實驗室。社群觀察者指出，Beam 被視為美國開放源碼模型的一個小勝利，因為它是從頭開始在美國訓練的。然而，也有評論指出，儘管 Reflection 已作為一個功能性的新實驗室出現，但其模型在某些基準測試上仍落後於中國的前沿模型（如 GLM 5.3, Kimi K3, Qwen 3.8 Max, DeepSeek V4.1 Flash）。

社群觀察

社群對 Reflection 推出開放權重模型表示歡迎，認為這增加了市場選擇。部分用戶對 Reflection 作為組織的長期生存能力和可信度表示擔憂，強調了解模型背後的主體比僅看基準測試更重要。有用戶將 Beam 的架構細節與 DeepSeek V4.1 Flash 進行了比較，指出兩者參數規模相近但活躍參數不同。另有用戶批評西方開放模型在性能上仍遠落後於中國模型，儘管中國公司公開了大量研究成果。社群也對模型在「陸地或水域」謎題測試中的泛化能力表示興趣，該測試顯示 Beam 的準確率介於 Opus 5 和 Fable 5 之間。