Reflection 预告开源模型 Beam：501B 总参数、23B 激活，主打推理效率
拿了 20 亿美金的 Reflection 放出首个开源模型 Beam，501B 参数只激活 23B，直接对标 GLM 和 DeepSeek 的 Flash 系列，权重本月放出。
美国公司 Reflection 在获得超 20 亿美元融资、估值达 250 亿美元后，预告了首个开源模型 Beam。Beam 采用 MoE 架构，总参数 501B、激活参数仅 23B，对标 DeepSeek 4.1 Flash 和 GLM 5.3 Flash 等小激活模型路线。官方称其推理成本仅为 GLM 5.2 的三分之一到四分之一，效率比 GLM 5.2 高 3–4 倍。训练方面使用 10,500 块 GB300 GPU 进行了 4 周强化学习，并用 4 周完成 24T token 的从头端到端预训练。完整权重将于本月发布。
那个要打破中国开源模型垄断、做西方开源模型标杆的美国队长，哦，是 Reflection 在拿了 Nvidia 等半壁华尔街 + 硅谷超 20 亿美金、任何模型都还没推就估值 250 亿美金、跟 SpaceX 和 Nebius 签数十亿采购订单后，他们的第一个「西方开源模型」，终于「预告」了 沿着 DeepSeek 4.1 Flash 和 GLM 5.3 Flash 等一众 Flash 级模型的路线， Reflection 这次预告的「Beam」也是一个参数量级不到 1T 的模型：MoE 架构，总参数 501B、激活参数仅 23B，官方称其以 GLM 5.2 三分之一到四分之一的推理成本达到相当的能力水平。 看看官方提的几个亮点 · 效率：同类模型中推理效率领先，比 GLM 5.2 高效 3–4 倍，比“领先的西方开源模型”高效 4 倍以上； · RL 规模：使用了据称是公开记录中最大规模的强化学习运行，10,500 块 GB300 GPU 跑了 4 周； · 预训练：4 周内完成 24T（23.8 万亿）高质量 token 的预训练，从头端到端训练而非蒸馏； · 定位：面向企业、政府和开发者的“主力开源模型”（workhorse），是迈向开放前沿智能的第一步。 Reflection @reflection_ai Introducing Beam: a highly efficient agentic open model with 501B total parameters and 23B active. - Frontier reasoning efficiency - Advances the Western open frontier on coding & agentic tasks - Trained end-to-end from scratch Full weights release this month. Learn more about Beam: reflection.ai/beam 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 2 👀 275 📊 1 ⚡
