Reflection AI 开源 Beam：23B 活跃参数的 MoE 编程模型

Reflection AI 刚刚发布了 Beam，首个开源权重模型。标题数字是 5010 亿参数。开发者真正应该关注的是 230 亿。

发布内容（2026 年 10 月 5 日）

架构：稀疏混合专家（MoE）模型，总参数 5010 亿，每个 token 活跃参数约 230 亿，专为编程、推理和 Agent 工作流构建。

预训练：23.8 万亿精挑细选的 token，在 GB300 NVL72 集群上不到四周完成训练。

大规模强化学习：10.5K 块 NVIDIA GB300 GPU 运行四周，超过 1 亿次 rollout，约 13 亿个沙盒环境，以及近百万个编程、Agent 和 STEM 环境。

上下文：中期训练将有效上下文扩展至 100 万 token。

许可证和时间：现已开放早期访问。Reflection 表示，本月晚些时候将发布权重、技术报告、模型卡和微调工具，采用 Apache 2.0 许可证。

预期 vs 实际

预期：更大的开源模型意味着每次回答都要消耗更多硬件和更高账单。

实际：在 MoE 模型中，每个 token 只激活部分网络。Reflection 报告 Beam 在高级推理基准测试中得分与 GLM-5.2 相当，同时推理计算量减少约 3 到 4 倍，并表示在编程和 Agent 任务上接近 Qwen 3.8-Max。（这些是公司自测基准，在根据这些结果规划路线之前，最好等待独立评估。）

一个直观类比

想象一家有 500 名专科医生的医院。你不会因为发烧就看全部 500 名医生。分诊台会把你转介给适合的两三位医生。员工总数告诉你医院有多少知识储备，实际在场的医生告诉你这次就诊花多少钱。MoE 也是如此：总参数是知识，活跃参数是账单。

作为开发者值得关注的三个点

"每 token 智能"是新的规格表。 Beam 有推理 effort 设置，训练时带有长度惩罚，因此你可以在答案深度和每次请求的 token 数量之间做权衡。这是 Agent 循环的直接成本杠杆。

RL 现在是扩展轴，不是收尾步骤。 Reflection 表示，能力随着更多 RL 计算投入持续提升，"没有出现 plateau 的迹象"，而且即使浏览不在 RL 组合中，浏览能力也有所改善。

开源权重加上 Apache 2.0 改变了 build-vs-buy 的算法。 如果发布如承诺的那样，团队能从美国实验室获得一个许可友好、可自托管的编程和 Agent 模型——而目前大多数顶级开源模型都来自中国实验室。

我本月会做的事

如果你的工作流涉及编程 Agent 或大量 MCP，加入早期访问列表。

权重发布后，在你的代码库任务上对 Beam 做基准测试，而不仅仅看公开排行榜。

追踪每个任务成本，而不是每 token 成本。即使单价相近，能用更少 token 解决任务的模型才是赢家。

Reflection AI，"Introducing Beam: Reflection's 501B open-weight model"（2026 年 10 月 5 日）：https://reflection.ai/blog/introducing-beam

SiliconANGLE，"Reflection AI debuts open-source Beam model with 501B parameters"（2026 年 10 月 5 日）：https://siliconangle.com/2026/10/05/reflection-ai-debuts-open-source-beam-model-with-501b-parameters/

Wang et al.（DeepSeek-AI），"Auxiliary-Loss-Free Load Balancing Strategy for Mixture-of-Experts"（Reflection 引用）：https://arxiv.org/abs/2408.15664

上述基准测试 claims 均为 Reflection AI 自己报告的数据。