Beam 是 Reflection AI 的第一个开放权重模型。2026 年 10 月 5 日，这家成立两年的美国初创公司正式公布 Beam：总参数 501B，每次推理只激活其中 23B，预训练用了 23.8 万亿 token，上下文窗口 100 万 token，定位直接对标智谱 GLM-5.2、DeepSeek、通义千问这一批中国开源模型。权重和完整技术细节将在本月内放出，先通过云厂商和开源库分发。
卖点不是参数量，是每 token 的账
Beam 是纯文本的混合专家模型，训练里压了很重的强化学习，瞄准推理、编程和智能体任务。Reflection 给出的自测口径是：在高级推理评测上与 GLM-5.2 大致同档，超过目前西方的开放模型，而推理算力只要对手的三分之一到四分之一。对照参数也能看出这条路线：GLM-5.2 总参数约 744B、激活约 40B，Beam 用更小的激活量去追同样的分数，赌的是企业真正付钱时看的是单次任务成本，不是参数表。这些数字目前都来自公司自测，没有第三方复核，实际差距要等权重放出、社区跑完评测才算数。
为什么一家美国公司要靠开放权重赚钱
Reflection 由两位前 Google DeepMind 研究者创办，投资方包括 NVIDIA、红杉和光速创投，按 PitchBook 口径累计融资约 47 亿美元，最近一轮估值约 250 亿美元。今年夏天它又签下合计超过 70 亿美元的算力协议，从 SpaceX 和 Nebius 锁定 NVIDIA GB300 芯片一直到 2029 年。商业模式也和卖 API 不同：它想给企业和主权国家做本地化的"AI 工厂"，让客户拿开放权重在自己的数据上训自己的系统，韩国新世界集团的主权 AI 合作已经在试。这种打法的前提，是先有一个能打的开放模型把生态聚起来——这正是 Beam 要干的事。站内此前介绍过的 Kolibri 开放权重模型 走的也是同一条逻辑：权重开放，部署和定制收费。
现在能下什么结论
能确认的只有三点：西方阵营终于有一个参数规模和定位都正面迎战中国开源第一梯队的选手；它的效率叙事如果被独立评测证实，会直接压低同档任务的推理报价；它暂时只有文本能力，和多模态的西方同行相比少一块。不能确认的是自测分数——在权重和评测细节公开之前，选型团队最稳妥的做法是把 Beam 放进观察名单，用自己现成的评测集等它落地，而不是提前为它改架构。
