Reflection AI开源501B MoE模型Beam，专攻代码生成

Reflection AI 推出了 Beam，这是其首款开放权重模型。Beam 是一个稀疏的混合专家（MoE）模型，总参数规模为 501B，每个 token 活跃参数为 23B，专为代码、推理和 Agent 工作负载构建。据 Reflection AI 团队称，Beam 在推理计算量减少 3 到 4 倍的情况下，直接与 GLM 5.2 等更大的开放模型竞争。

现在能部署吗？暂时还不行。Beam 正在进行最后的红队测试，早期访问通过 Reflection 平台的等待列表开放。

Reflection Beam 是什么？

Beam 是 Reflection AI 从头训练的一个通用 Agent 模型，面向企业代码和 Agent 工作负载。Reflection 将 Beam 定位于推进西方开放权重模型的前沿。研发团队坦诚地承认差距——Kimi K3 在原始能力上仍处于领先地位，所以 Beam 的卖点是推理时的高效率。

用户可以调节一个「推理 effort」参数：低设置倾向于简短回答，高设置允许在困难任务上进行更长的推理。团队可以根据任务难度和计算预算来匹配推理投入。

Beam 的预训练方式

Beam 在 23.8 万亿个 token 上进行了预训练，来源包括网页、公共数据集和专有授权数据集。Reflection 团队表示，其筛选流程过滤掉了约 95% 的原始互联网 token，同时也保留了大约 1.8 万亿个传统过滤器会丢弃的高质量 token。

架构上采用了局部注意力与全局注意力交错，辅以细粒度路由的专家模块。负载均衡基于 DeepSeek-V3 的无辅助损失均衡，并添加了专家偏置更新的余弦衰减。预训练结束时，最繁忙的专家负载仅为平均负载的 1.04 倍。在全部 52 层中，通过基于深度的缩放 SandwichNorm、注意力门控和 FP32 残差累积，残差范数保持在有界范围内。

预训练在 6,144 块 NVIDIA GB300 NVL72 GPU 上于不到 4 周内完成。末期良好率达到了 92.3%，期间有 9 次半自动回滚。中训练阶段将有效上下文扩展到了 100 万 token。

高算力强化学习

RL 是 Beam 的核心扩展方向。本次运行动用了 10,500 块 NVIDIA GB300 GPU，持续 4 周，生成了超过 1 亿个 rollout，最大 rollout 上下文为 256K token。训练和评分消耗了约 13 亿个沙盒环境，涵盖近 100 万个代码、Agent 和 STEM 场景。

Reflection 采用全异步策略梯度进行训练。每个 token 都带有产出它的策略版本标签。新算法即便在一天陈旧度、落后当前策略 107 个权重版本的情况下，仍能保持学习稳定。团队报告称，随着 RL 算力增加，没有出现 plateau。

基础设施数字值得关注。系统平均维持了 11 万个并发 rollout。新权重到达推理集群的中位时间约 12 秒。71 次推理事故均在训练未停止的情况下得到处理。

一个可控制的生成长度惩罚机制教会 Beam 用更少的 token 解决问题。在 RL 混合中没有加入浏览任务的情况下，浏览技能也有所提升，这表明在 Agent 领域之间存在正向迁移。

Reflection 从预训练检查点开始训练了一个独立的安全和对齐教师模型，并使用多教师 on-policy 蒸馏将其与 RL 教师合并。安全训练采用了 deliberative alignment，安全评估结果将在技术报告中公布。

基准测试（Reflection 官方数据）

在 SWE-bench Verified 上，Beam 得分为 80.9，Nemotron 3 Ultra 为 70.7。在 Terminal Bench v2.1 上，Beam 得分为 80.1，接近 GLM 5.2 的 81.0。DeepSeek V4.1 Flash（90.6）和 Kimi K3（88.3）在该项上领先。这些数据来自 Reflection 的表格，其中竞品分数来源于 Artificial Analysis 和 DataCurve。

Beam 与最接近的开放权重竞品对比

特性	Reflection Beam	GLM-5.2	Nemotron 3 Ultra	DeepSeek V4.1 Flash	Kimi K3
开发商	Reflection AI（美国）	Z.ai（中国）	NVIDIA（美国）	DeepSeek（中国）	Moonshot AI（中国）
总参数	501B	~753B	550B	552B backbone + 196B Engram	2.8T
活跃参数	23B	~40B	55B	8B prefill / 16B decode	104B
上下文	1M（有效）	1M	最高 1M	1M	1M
输入	文本	文本	文本	文本	文本 + 图片
许可证	Apache 2.0（计划中）	MIT	OpenMDW-1.1	MIT	Kimi K3 License
权重	2026 年 10 月下旬	已开放	已开放	已开放	已开放
Terminal Bench v2.1*	80.1	81.0	56.4	90.6	88.3
来源	Reflection	Hugging Face	NVIDIA	Hugging Face	Hugging Face

*分数来自 Reflection Beam 公告中的表格，2026 年 10 月 5 日验证的规格。

Beam 是这组中总参数最小的模型，23B 的活跃参数低于 GLM-5.2、Nemotron 3 Ultra 和 Kimi K3。Apache 2.0 和 MIT 是标准的宽松许可证。Kimi K3 的定制许可证对超大规模产品有署名要求。

• Beam 是一个 501B MoE 模型，活跃参数 23B，仅支持文本，上下文有效长度 100 万 token
• 预训练使用 23.8T token，在 6,144 块 NVIDIA GB300 GPU 上于不到 4 周完成
• RL 在 10,500 块 GB300 GPU 上运行 4 周，生成了超过 1 亿个 rollout
• Reflection 报告 SWE-bench Verified 得分为 80.9，Terminal Bench v2.1 得分为 80.1
• Apache 2.0 权重计划于本月晚些时候开放

访问 Technical details 和 Early Access 了解更多。

Asif Razzaq 是 Marktechpost AI Media Inc. 的首席执行官。作为一位有远见的企业家和工程师，Asif 致力于将人工智能的潜力用于社会公益。他最新的事业是推出了一个人工智能媒体平台 Marktechpost，该平台以深度报道机器学习和深度学习新闻著称，兼顾技术深度与通俗易懂，吸引了广泛读者。该平台月浏览量超过 200 万次，彰显了其在上层受众中的受欢迎程度。