Reflection Beam：501B 开放权重模型究竟是什么，以及还缺少什么

Reflection Beam是 Reflection 推出的首个语言模型。这家位于纽约的实验室由两位前 DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 于 2024 年创立，其公开宣称的使命是"让智能对所有人开放、人人可用"。Beam 是一个稀疏混合专家模型，总参数量达 5010 亿，每个 token 激活其中 230 亿个参数，于 2026 年 10 月 5 日发布，主打编程、推理与智能体任务。而截至 2026 年 10 月 13 日，它只算得上"半发布"：公告称其为开放权重模型，承诺提供 Apache 2.0 权重，但权重至今没有放出。

如果你是从搜索这个模型的名字来到这里的，并且想知道自己能不能拿它做点什么，那么这道缺口就是你要抓住的关键。简短的回答是：不能通过权重，至少现在还不行，也不在任何价目表上。长一点的回答就是本页余下的内容——Beam 是什么，Reflection 承诺了什么，流传中的 501B 这个数字实际指什么，以及公开记录支持什么、不支持什么。下文中的每一个数字都注明来源，且其中没有任何一项已被独立复现。

简短版本

• 它是什么——一个稀疏混合专家文本模型，总参数量 501B，每个 token 激活 23B，专为编程、推理和智能体工作负载而打造。

• 由谁发布——Reflection，由 Misha Laskin 和 Ioannis Antonoglou 于 2024 年创立，总部位于纽约。Beam 是它的第一个模型。

• 公布 — 2026年10月5日。公告中的基准数据表已于2026年10月8日修订。

• 权重 — 尚未发布。Reflection 表示，其"将依据 Apache 2.0 许可证发布权重"，并且权重、技术报告、模型卡和开发者资料将于"本月晚些时候"推出。截至 2026 年 10 月 13 日，二者均未发布。

• 今日开放访问 —— 面向“有限数量的用户”的预览版，需通过 platform.reflection.ai 上的等候名单申请。无自助渠道，未公布价格，无下载。

• 独立评估——无。没有任何第三方评测框架对 Beam 进行过评分，Artificial Analysis 排行榜上也没有它的收录条目。

Reflection所说的Beam是什么

Beam 的形态是最引人注目的头条。Reflection 将其描述为“一个稀疏混合专家模型，总参数 5010 亿，激活参数 230 亿”——激活比例约为 4.6%，即便以当前开放权重领域的标准来看也相当激进。发布文章中的架构说明列出了交错的局部与全局注意力、细粒度路由专家、受控残差流、SandwichNorm、逐元素注意力门控和 FP32 残差累积，并采用无辅助损失的负载均衡以及专家偏置更新的余弦衰减。

这些单独来看都不稀奇。它们合起来构成的是一种服务配置：230 亿活跃参数意味着一个模型可以在相对少量的 GPU 上以交互级延迟运行，这与 5010 亿参数的稠密模型是不同的产品，尽管模型卡上的数字相同。这就是为什么 Reflection 可以谈论接近前沿的推理，而不必谈论数据中心规模的部署——也是为什么最终权重发布比 beta 密钥更重要。

“501B”是正确的编号吗？是的——而且它没有变动。

这值得明确说明，因为这个数字在几个地方流传，读者有理由怀疑它是否是最新的。501B 总量 / 23B 激活的拆分正是 Reflection 自己的发布帖中所说的，也正是 reflection.ai 首页标题中所说的，并且截至 2026 年 10 月 13 日仍未改变。自发布以来，Reflection 唯一发布的一次更新是一条说明：“更新于 10/8/26：我们更新了 Beam 的结果，上表反映了最新数字”——这是对基准测试表格的修订，而不是对架构或参数数量的修订。

参数数量所不具备的，是背后的模型卡。Reflection 表示模型卡即将发布；除了“本月晚些时候”之外，并未说明具体时间，而且截至今天，Reflection 在 Hugging Face 上的组织下没有任何公开仓库（组织页面上写的是“None public yet”）。因此，501B 是厂商声明的数字，就目前任何人所能核实的范围而言是正确的，但尚无法对照权重进行核实。

上下文、模态和最大输出

这里供应商提供的材料比基准表更薄，值得精确说明哪个数字对应哪个含义，因为流传的这两个背景数字含义不同。

• 有效上下文 —— 中训练“将 Beam 的有效上下文长度扩展至 1M tokens”。这是在说明模型被训练来处理什么。

• RL rollout 上下文 —— 强化学习阶段使用了“256K tokens 的最大上下文长度”。这是关于训练配置的一项陈述。

• 服务上限 — 未公布。 发布帖未给出 API 上下文窗口，且该端点位于候补名单之后，因此没有第二份文档可供核对。如今想要获取 API 上下文数据的读者无从获得。

• 最大输出 — 未发布。反思中未作说明。

• 模态 — 文本输入，文本输出。发布文章明确表示：“尽管 Beam 仅支持文本，”但当其他模态以文本形式表示时，该模型也能处理它们。它没有图像、音频或视频输入，而且这个名称也没有理由让人期待有其他输入。

1M 训练数字与未公开的服务上限之间的区别，正是那种会在二手报道中被抹平的东西，而这很重要：训练时的能力并不承诺某个端点实际会接受什么。

权重、许可证和“首个开放模型”的说法

Reflection 的定位是，Beam 是一个真正开放的模型，而不是一个附带了营销形容词的 API。承诺很具体：“我们将以 Apache 2.0 许可证发布权重”，以及“用于运行、评估和微调该模型的文档和完整技术栈”。同一篇博文中的另一句话称，权重、技术报告、模型卡和开发者制品将在“本月晚些时候”发布。

这里同时有两件事是成立的。Apache 2.0 是一个真实的、宽松的、可商用的许可证——如果按所描述的方式发布，那将是一个比仅限研究或自定义社区许可证明显更有力的立场。而许可证的承诺并不等于许可证本身。截至 2026 年 10 月 13 日，权重尚未发布，因此存在的只是一种声明的意图，而非现实状态。发布帖还将当前版本描述为面向有限用户的预览版，并称该模型正处于"最终红队测试和评估"阶段。

这个页面背后的需求信号值得用一句话说明，因为它解释了为什么这个问题不断被提起：人们在把这个模型的名字与其他实验室的模型名字放在一起搜索——Beam 加上一家中国开放权重公司，Beam 加上一个中国大型开放权重模型——这是在猜测 Beam 源自什么。Reflection 没有记录任何基座模型。发布帖描述的是从零开始进行的预训练：在不到四周内，使用 6,144 块 GB300 NVL72 GPU 处理了 23.8 万亿个 token，随后是使用 10,500 块 GB300 进行为期四周的 RL 阶段，超过 1 亿次 rollout，以及大约 13 亿个沙盒。其中没有任何地方提到过一个基础检查点的名字。如果你读到过 Beam 是某个其他模型的微调版本，那么厂商自己的材料并不支持这一点。

Reflection 所声称的，以及其他任何人所测量到的结果

本节所有内容均由厂商提供。发布文章的基准测试表格已于2026年10月8日修订，且没有任何第三方复现过其中的任何一个数据。

• 智能体编程 — SWE-Bench Verified 80.9，SWE-Bench Pro v2-Hard 77.2，SWE-Bench Pro v1 65.5，Terminal-Bench v2.1 80.1，DeepSWE v1.1 44.4，SWE-Bench Multilingual 78.0，SWE Atlas Codebase QnA 34.6。

• 推理 — AIME 2026 97.8，GPQA Diamond 90.5，无工具 HLE 36.2，SciCode 49.7，CriPT AA 16.3。

• 工具使用与搜索 — MCP Atlas 78.7，BrowseComp 77.4，DeepSearchQA 80.1，AutomationBench 37.0，tau3 banking 38.0。

• 通用与长上下文 — AA-LCR 79.3、LongBench v2 65.5、IFBench 79.7、AA Omniscience 13.0。

Reflection 自身对这些数字的表述很审慎，值得原样重复，而不是加以拔高：它将 Beam 定位为“可与 GLM 5.2 等更大的开放模型竞争，并正在接近 Qwen 3.8-Max”，称 Beam 在推理方面与 GLM-5.2 相当，同时使用“少 3–4 倍的推理算力”，并承认 Kimi K3 在原始能力上仍然领先。这一效率主张在文中得到一张图表的支持，该图表将推理得分与估计的推理 FLOPs 进行对照，其中 FLOPs 近似为活跃参数数量的约两倍乘以生成的 token 数。图注也如此说明，而且该近似刻意排除了预填充、注意力和服务开销。Reflection 将这一结果称为“近似算力比较，而非实测推理成本”。

独立来看：没有。对于 Beam，没有 Artificial Analysis 条目，没有 arena 排名，也没有我们能找到的第三方评测框架结果。在 Beam 及其对比组尚未以匹配的推理努力和匹配的评测框架进行过正面基准测试的情况下——每一对都是如此——本页不暗示任何排名。上面的表格是一个实验室关于其自身模型的数据。

你能使用它吗，费用会是多少？

并非按已公布的条款提供。访问方式是等候名单：Reflection 的帖子称，早期访问仅面向有限数量的用户，而平台控制台则被挡在注册墙之后。在 Reflection 自己的各个渠道上，任何地方都没有公布价格——无论是发布帖、主页，还是读者在不注册账号的情况下能触及的任何内容。你现在看到的任何与 Reflection Beam 挂钩的美元数字，都是别人的估算，而非标价。

Reflection 确实在高层次上描述了该端点的表面：一个兼容 OpenAI、带有 reasoning effort 参数的 API，其中“较低的设置偏向更短的响应，而较高的设置则允许更长的推理”。该参数接受哪些取值并未在发布材料中公布，而且由于模型卡尚未发布，也没有第二个来源可供对照核查。

如果读者来到这里，是因为想在本周调用一个高效的推理模型，那么务实的做法，是选择那种不依赖 Beam 交付任何东西的方案。作为 Beam 对标对象的那些模型——GLM 5.2、Kimi K3 和 Qwen 3.8-Max——如今都已上线 OrcaRouter，只需一个 OpenAI 兼容的密钥，并按 0% 加价率直接沿用供应商的标价：GLM 5.2 为每百万输入 token 1.40 美元、每百万输出 4.40 美元（$1.40/$4.40，摘自我们自己的模型页面，2026 年 10 月 13 日），Qwen 3.8-Max 为 $2.00/$6.00，Kimi K3 为 $3.00/$15.00。由于没有加价，供应商降价在宣布当天就会反映到你的账单上，而不必等到下一次合同续签。如果你关注 Beam 的理由是效率方面的宣称而非权重本身，那么最诚实的立场是：你今天就能实测替代方案，却完全无法实测 Beam。

值得关注什么，以及这些数字何时变得可核查

有三件事会改变这个页面，而这三件事一旦发生都能确定日期。权重按所述许可证登陆 Hugging Face 是第一件——正是这一事件把 501B 的说法变成你可以自行下载、量化、微调和基准测试的东西。技术报告和模型卡是第二件，因为服务上下文窗口、最大输出和推理努力值通常会在其中记录；它们缺席，正是上面规格中三行写着“未发布”而不是给出数字的原因。独立评估是第三件，而且是唯一能让 Reflection 外部的人判断 23B 活跃参数是否真的换来了发布帖所声称的推理分数的一件事。

在那之前，准确的总结很短。Reflection Beam 是一个 501B 参数的稀疏 MoE，激活参数为 23B，于 2026 年 10 月 5 日宣布，仅支持文本，预览版需排队等候，未公布价格，未公布服务限制，没有独立评分，并且承诺会在“本月晚些时候”以 Apache 2.0 发布权重，但至今尚未兑现。这并不是对该模型的批评——而是对这次发布实际进展到何种程度的描述。