Reflection 发布首个开源模型 Beam，以更少算力匹配 GLM 5.2 并逼近 Qwen3.8-Max

AI 公司 Reflection 宣布了其首个免费模型 Beam。Beam 不追求极致性能，而是旨在以最少的算力提供出色的结果，这与 Deepseek 和 Qwen 的中国开放权重模型形成了直接竞争。

Reflection 为编程、逻辑推理和智能体任务打造了 Beam。这款混合专家模型每个 token 激活其 5010 亿总参数中的 230 亿，从而将算力成本保持在相对较低的水平。

据 Reflection 介绍，在要求严苛的推理任务中，Beam 的表现与 GLM 5.2 相当，而所用算力仅为后者的四分之一到三分之一。该公司将目标对准那些使用 AI 进行编程和自动化流程、但需要控制运营成本的企业。

在编程和智能体基准测试中，Beam 也接近规模大得多的 Qwen3.8-Max。该公司表示，Kimi K3 等更强的开放模型在绝对性能上仍然胜过它。 Reflection 表示，它已在训练继任模型，旨在缩小与顶级开放模型之间剩余的差距。

Three scatter plots for DeepSWE v1.1, HLE, and Terminal Bench 2.1 show benchmark scores for Beam, GLM-5.2, Qwen 3.8, Inkling, Nemotron 3 Ultra, and Muse Glimmer plotted against estimated compute cost in PFLOP per attempt. — 据 Reflection 介绍，在所有三项基准测试中，Beam 的得分与 GLM-5.2 和 Qwen 3.8 相当，但所用算力远低于后两者。 | 图片：Reflection

智能体编程基准测试	Beam	Inkling	Nemotron 3 Ultra	GLM 5.2	GLM 5.3	Kimi K3	Qwen 3.8 Max	DeepSeek V4.1 Flash
DeepSWE v1.1	44.4	NR	NR	44.0	61.0	68.0	51.0	74.2
SWE Bench Pro v2-Hard	77.2	56.9	NR	NR	84.3	88.2	NR	NR
SWE Bench Pro v1	65.5	54.3	46.4	62.1	NR	NR	67.7	NR
Terminal Bench v2.1	80.1	63.8	56.4	81.0	88.2	88.3	86.6	90.6
SWE Atlas Codebase QnA	34.6	NR	NR	NR	61.0	68.0	NR	NR
SWEBench Multilingual	78.0	NR	67.7	NR	NR	NR	NR	NR
SWEBench Verified	80.9	77.6	70.7	NR	NR	NR	NR	NR

大规模强化学习运行成就了 Beam 的能力

Beam 的能力来自标准的大规模预训练与一个计算量极高的强化学习阶段的结合。Reflection 表示，在该 RL 阶段，它运行了 10,500 块 Nvidia GB300 GPU，历时四周多，并称这是任何开放实验室所做过的最大规模训练运行之一。性能在运行结束前一直在提升，没有触及天花板。

Three line charts show Beam's scores on DeepSWE, HLE, and Terminal Bench 2.1 climbing steadily as the number of reinforcement learning rollouts increases to over 80 million. — 在整个强化学习过程中，Beam 的基准测试得分持续攀升，即使在超过 8000 万次 rollout 后也没有趋于平台期的迹象。 | 图片：Reflection

用户还可以控制 Beam 对问题的思考深度。一个可调参数可让你选择模型是快速作答，还是在更难的任务上花更多时间思考，从而在算力成本与输出质量之间进行权衡。

Three scatter plots for DeepSWE v1.1, HLE, and Terminal Bench 2.1 show benchmark scores for Beam and competing models plotted against the average number of generated tokens. — 以生成的 token 数量来衡量，在相近的性能水平下，Beam 的工作效率也高于 GLM-5.2 和 Qwen 3.8。 | 图片：Reflection

Reflection 在训练过程中观察到了它所称的“涌现能力”。在运行混合了推理、软件工程和终端任务的 RL 时，该公司注意到 Beam 在网页浏览方面变得更强，尽管该训练组合中并不包含浏览任务。借助网络访问能力，该模型自行学会了查询其他语言模型并从外部服务获取文档。

Reflection 分享了几个演示，包括一个实时更新的纽约市地铁图、一个小型 3D 游戏以及一个用于微调另一个 AI 模型的笔记本。Beam 仅支持文本，但 Reflection 表示，只要将其他媒体格式的内容以文本形式表示，它就能处理。

另一个模型负责安全与对齐

出于安全和一致性考虑，Reflection 训练了第二个模型，并将其与 Beam 合并。这些准则既包括模型绝不可违反的硬性规则，也涵盖事实准确性和承认不确定性等质量标准，以及直接、全面、主动的响应风格。公司计划在一份技术报告中公布其安全测试结果，并将其开发的评估方法开源。

该公司表示，技术报告、开发者文档以及采用开放 Apache 2.0 许可的模型权重将于“本月晚些时候”发布。Beam 仍在进行最终安全测试，目前仅向部分选定用户提供早期版本。

前 Deepmind 研究员获 20 亿美元融资

Reflection 于 2024 年由前 Google Deepmind 研究员 Misha Laskin 和 Ioannis Antonoglou 创立。Laskin 曾负责 Gemini 的奖励建模，Antonoglou 参与构建了 AlphaGo。这家初创公司于 2025 年 3 月启动，获得 1.3 亿美元种子轮融资，目标是通过自主编码实现超级智能。其愿景是语言模型能像 AlphaGo 下围棋一样独立行动，在计算机上运用强化学习。

2025 年夏，公司发布了 Asimov，一款用于分析大型代码库的智能体。随后 Reflection 于 2025 年 10 月以 80 亿美元估值完成 20 亿美元融资，Nvidia 是投资方之一，此后公司将自己定位为 Deepseek 和 Qwen 的西方对标者。公司公开模型权重，但将训练数据和流程保持专有。最近，Reflection 与 SpaceX 和云服务商 Nebius 签署了价值数十亿美元的计算协议。

没有炒作的 AI 新闻——由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 时事通讯、每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区的使用权限。