Beam 相关问题，一一解答

Beam 是 Reflection AI 推出的一个大型语言模型，于 October 5, 2026 发布。这是一款稀疏混合专家模型，总参数量为 5010 亿，每个 token 激活 230 亿个参数，专为编程、推理和智能体任务打造。这是 Reflection 的首个开放权重模型。

Reflection AI 是一家位于纽约的实验室，成立于 2024 年，由 Misha Laskin（CEO）和 Ioannis Antonoglou 创立，两人此前都在 Google DeepMind 从事研究工作。投资方包括 Nvidia、Sequoia 和 Citigroup。

Beam 是开放权重模型。Reflection 表示将以 Apache 2.0 许可发布权重，该许可允许商业使用、修改和再分发。但训练数据并未开放，其中一部分来自专有授权数据集。

Reflection 表示权重将于“本月晚些时候”发布，也就是 October 2026，并同时发布技术报告、模型卡，以及用于运行、评估和微调的工具。目前尚未公布确切日期。我们的发布追踪器会显示最新状态。

加入 Reflection 的 beta API 等候名单。获批用户可使用兼容 OpenAI 的端点 https://api.reflection.ai/openai/v1，模型 ID 为 Beam-501B-A23B。权重发布后，你也可以自行运行模型，或通过托管服务商使用。

权重可在 Apache 2.0 许可下免费获取和使用。但运行一个 501B 模型并非免费：你需要为 GPU 或托管服务付费。Reflection 尚未公布其 API 价格。

目前还没有官方硬件要求。根据我们的估算，仅权重在 BF16 格式下约需 1 TB，在 FP8 格式下约需 500 GB，在 4-bit 格式下约需 250 GB，此外还需要为 KV cache 预留内存。这意味着需要多 GPU 服务器；普通笔记本电脑或单张消费级 GPU 无法运行。

从大多数已公布的数据来看并非如此。与 DeepSeek V4.1 Flash 相比，Beam 在 CritPt 和 AA Omniscience 指数上领先，但在另外七项共同基准测试中落后，包括 Terminal-Bench、DeepSWE、HLE 和 AutomationBench。Reflection 强调的是效率和美国本土开发的开放模型，而非全面胜出。

不是。Reflection 自己的表格显示，在两款模型都公布成绩的 14 项基准测试中，Kimi K3 有 13 项领先；Beam 仅在 τ³ banking 上领先（38.0 vs 37.1）。Reflection 表示，Beam 相较于 Kimi K3 等模型的优势在于推理效率。

软件工程和智能体编程。它在 SWE-Bench Verified 上得分 80.9，在 SWE-Bench Multilingual 上得分 78.0，在 Terminal-Bench v2.1 上得分 80.1；它还能在耗时较长、包含多个步骤的任务中使用工具、浏览网页并调用其他服务。

不是。Beam 仅支持文本。只有将其他类型的数据转换为文本后（例如通过 OCR），它才能处理这些数据。

Beta API 标注了 256K 个 token 的上下文长度，最多支持 128K 个输出 token；Reflection 提醒，这些数值在 beta 期间可能会有变化。发布公告称，中期训练将有效上下文长度扩展到了 100 万个 token。

The Wall Street Journal 于 2026 年 3 月报道称，一些投资者使用过这个说法。与 DeepSeek 一样，Reflection 专注于高效、开放发布的模型；不同之处在于，Reflection 是一家美国公司，这对偏好不依赖中国模型的买家来说很重要。

截至我们发布追踪页面顶部所示的日期，尚未上线。Reflection 计划通过分发合作伙伴和开源库集成发布开放权重。

不是。ReflectionBeam 是一份独立指南。我们与 Reflection AI 没有关联。我们为发布的每个数字都附上官方来源链接。