Reflection AI · announced October 5, 2026

Beam：一款以更少算力实现更多能力的开放权重模型

Beam 是 Reflection AI 的首款开放权重模型：一款拥有 5010 亿参数的混合专家模型，每个 token 仅激活 230 亿参数。它面向编程、推理和智能体任务。Reflection 表示，在高难度推理方面，Beam 的表现可与 GLM 5.2 相当，同时推理算力消耗减少三到四倍。

查看基准测试 Beam 发布了吗？

501B

总参数量

23B

每个 token 激活的参数量

256K

测试版 API 的上下文长度

Apache 2.0

承诺采用的权重许可证

当前发布状态

Beam 发布时开放了候补名单。以下介绍你现在可以和不可以用它做什么。

有限

Beta API（候补名单）

面向获选早期访问用户的 OpenAI 兼容 Chat Completions 端点。

尚未推出

Hugging Face 上的开放权重

承诺于 2026 年 10 月晚些时候以 Apache 2.0 许可开放。目前尚无公开仓库。

尚未推出

OpenRouter

尚未收录在 OpenRouter 目录中。

尚未推出

Ollama / LM Studio

不可用。即使使用 4 位量化权重，也需要约 250 GB 内存，因此本地使用仅限大型工作站。

查看完整发布追踪

一分钟了解

Beam 是什么，为什么有人称它为“西方的 DeepSeek”

Reflection AI 是一家位于纽约的实验室，由两位前 Google DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 于 2024 年创立。Beam 是该公司的首款前沿模型，也是计划推出的系列模型中的第一款。

它主打效率。Beam 是一款稀疏混合专家模型：在 5010 亿个参数中，每个 token 只有约 230 亿个参数参与计算。这样一来，它的服务成本接近中型模型，同时又能利用超大型模型的知识。

它采用“开放权重”模式：Reflection 表示，将于 2026 年 10 月晚些时候以 Apache 2.0 许可证发布权重，届时任何人都可以下载、运行、微调，并在自己的硬件上部署。在此之前，用户需通过候补名单申请测试版 API 的访问权限。

投资者和媒体将 Beam 描述为美国对中国实验室强大开放模型的回应，例如 DeepSeek、Alibaba（Qwen）、Z.ai（GLM）和 Moonshot AI（Kimi）。Reflection 则谨慎得多：其自有图表显示，Kimi K3 在原始能力方面仍然领先。

基准测试

Beam 与顶尖开放模型的表现对比

以下是 Reflection 公告中公布的部分结果。在公布了相关分数的项目中，柱状图展示 Beam 与 GLM 5.2 和 Kimi K3 的对比。

SWE-Bench Pro v1

Beam65.5

GLM 5.262.1

Terminal-Bench v2.1

Beam80.1

GLM 5.281.0

Kimi K388.3

τ³ banking

Beam38.0

GLM 5.237.1

Kimi K337.1

MCP Atlas

Beam78.7

GLM 5.277.8

Kimi K382.3

GPQA Diamond

Beam90.5

GLM 5.291.2

Kimi K393.5

Humanity's Last Exam (no tools)

Beam36.2

GLM 5.240.5

Kimi K346.9

厂商公布的分数。尚未经过独立验证。

全部 21 项基准测试

效率主张

高难度推理的推理算力比 GLM 5.2 少 3–4 倍

Reflection 按照 2 × 激活参数量 × 生成 token 数估算算力。Beam 每个 token 激活 230 亿参数，而且强化学习训练中加入了长度惩罚，因此每个答案消耗的 FLOPs 少于更大型的开放模型。这是该公司根据 Artificial Analysis 和 DataCurve 数据作出的估算；未计入提示词预填充和服务开销，也尚未经过独立复现。