Reflection 发布首个开源权重模型 Beam：501B MoE（23B 激活），主打编码与 Agent，SWE-bench Verified 80.9%，本月以 Apache 2.0 放出权重

核心背景与行业痛点

过去一年开源权重前沿几乎被 DeepSeek、Qwen、智谱 GLM、Kimi 等中国模型包揽，西方能拿来私有部署、可商用改造的大模型选择有限。成立两年的 Reflection AI 在 10 月 5 日的 官方博客 中发布首个开源权重模型 Beam，定位为企业编码与 Agent 场景的「主力工作模型」，核心卖点不是绝对最强，而是同等能力下更省推理算力。

架构亮点与底层机制

Beam 是稀疏 MoE：总参 501B、每 token 激活 23B，52 层，采用局部/全局交错注意力、细粒度路由专家，在 DeepSeek 无辅助损失负载均衡 基础上加入专家偏置的余弦衰减与序列级均衡，最忙专家负载仅 1.04 倍。预训练 23.8T token，6,144 张 GB300 NVL72 不到 4 周完成；中期训练把上下文扩到 1M。后训练是重头戏：10.5K 张 GB300 跑 4 周全异步 RL，超 1 亿条 rollout，权重落到推理集群中位数约 12 秒，即使落后 107 个版本（约一天）的样本也能稳定学习。安全侧单独训练对齐教师，再用多教师在线蒸馏（MOPD）合并，并采用 deliberative alignment。

权威 Benchmark 与实测跑分对比

以下均为 Reflection 自报、尚无独立复现：SWE-bench Verified 80.9、SWE-bench Multilingual 78.0、Terminal Bench v2.1 80.1（GLM 5.2 为 81.0、Kimi K3 为 88.3）、MCP Atlas 78.7、GPQA Diamond 90.5、AIME 2026 97.8、HLE 无工具 36.2（Kimi K3 为 46.9）。官方坦言 Kimi K3 等更大模型在原始能力上仍领先，Beam 的优势在于推理类任务达到 GLM-5.2 水平却少用 3–4 倍推理算力。

开发者实战落地与开箱指南

目前 Beam 仍在最终红队与评测阶段，只能通过 Reflection 平台 申请早期访问；官方承诺本月以 Apache 2.0 放出权重、技术报告、模型卡以及运行/评测/微调全栈，并与主流开源推理库和 Agent harness 集成。博客演示中 Beam 接入 OpenCode 自主调研 Unsloth 文档，为 Gemma-4 写出 Text2SQL 微调 notebook。text-only 模型，可用 reasoning effort 参数在成本与效果间切换；想自托管的团队可先评估 23B 激活参数所需的显存与多卡切分方案。