Reflection AI发布Beam：501B开放权重MoE模型，23B激活参数面向编程与智能体

据MarkTechPost报道，Reflection AI于2026年10月5日发布其首个开放权重模型Beam。该模型为稀疏MoE架构，总参数501B、每token激活23B，面向编程、推理和智能体工作负载，计划以Apache 2.0许可证在本月晚些时候开放权重。

Beam尚未开放自托管，正进行最终红队测试，早期访问通过Reflection平台等待名单。Reflection AI将其定位为从零训练的通用智能体模型，目标企业编程与智能体任务，并称其推进西方开放权重前沿。团队承认Kimi K3在原始能力上仍领先，因此Beam主打推理效率，称在推理基准上比GLM 5.2等更大开放模型少用3至4倍推理算力。模型提供推理努力参数，较低设置偏向简短回答，较高设置允许困难任务进行更长推理。

预训练使用23.8万亿token，来自网络、公开来源和专有授权数据。Reflection称，数据整理移除约95%原始互联网token，并保留约1.8万亿高质量token，这些token通常会被常规过滤器丢弃。架构交替使用局部与全局注意力，并采用细粒度路由专家；负载均衡基于DeepSeek-V3的无辅助损失均衡，增加专家偏置更新的余弦衰减。预训练在6144块NVIDIA GB300 NVL72 GPU上不到4周完成，临近结束时吞吐效率92.3%，进行9次半自动回退。中期训练将有效上下文扩展至100万token。

强化学习是Beam核心扩展轴。该轮训练使用10500块NVIDIA GB300 GPU，持续4周，生成超1亿次rollout，最大rollout上下文25.6万token。训练和评分在近100万个编程、智能体和STEM环境中消耗约13亿个沙箱。Reflection采用完全异步策略梯度，每个token标记生成时的策略版本；新算法在落后当前策略107个权重版本、延迟一天时仍保持学习稳定，团队称随RL算力增加未见平台期。系统平均维持11万并发rollout，新权重到达推理集群中位约12秒，期间处理71起推理事故而未停止训练。可控长度惩罚使Beam用更少token解决任务，RL混合中无浏览任务但浏览技能仍提升。

安全与对齐方面，Reflection从预训练检查点训练单独的安全与对齐教师，并用多教师同策略蒸馏与RL教师合并。安全训练采用审慎对齐，评估结果将出现在技术报告中。

基准测试中，Reflection报告Beam在SWE-bench Verified得80.9，Nemotron 3 Ultra为70.7；在Terminal Bench v2.1得80.1，接近GLM 5.2的81.0，但低于DeepSeek V4.1 Flash的90.6和Kimi K3的88.3。这些数字来自Reflection表格，竞争模型分数取自Artificial Analysis和DataCurve。对比中，Beam总参数最小，23B激活参数低于GLM-5.2、Nemotron 3 Ultra和Kimi K3；其计划采用Apache 2.0许可证，权重本月晚些时候发布。