答案已發布18 來源
Reflection AI 推出 Beam：5,010 億參數開放權重模型，挑戰中國 AI 勁敵
Reflection AI 於 2026 年 10 月 5 日公布首個開放權重模型 Beam，總計 5,010 億參數，每個 token 約啟動 230 億參數，針對寫程式、推理同 AI 代理任務。 公司表示 Beam 以 23.8 萬億個 token 預訓練，支援最多 100 萬 token 上下文；Apache 2.0 授權權重原定於 10 月稍後推出，當時仍在最後一輪安全測試。
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點
- Reflection AI 於 2026 年 10 月 5 日公布首個開放權重模型 Beam，總計 5,010 億參數，每個 token 約啟動 230 億參數，針對寫程式、推理同 AI 代理任務。
- 公司表示 Beam 以 23.8 萬億個 token 預訓練，支援最多 100 萬 token 上下文；Apache 2.0 授權權重原定於 10 月稍後推出，當時仍在最後一輪安全測試。
- Beam 被定位為美國開放權重 AI 的新競爭者，但與中國模型的比較及「少用三至四倍推理運算」說法都未經獨立核實，暫不能當成已證實的整體領先或成本優勢。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Reflection AI—the two-year-old, Nvidia-backed startup founded by two former Google DeepMind researchers—announce with the October 5. Article summary: On October 5, Reflection AI announced Beam, its first open-weight model, as a U.S.-developed option for organizations that want to run and adapt advanced AI themselves. The two-year-old, Nvidia-backed company founded by . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Reflection AI 於 2026 年 10 月 5 日公布首個開放權重模型 Beam，瞄準寫程式、複雜推理同 AI 代理任務。公司將它定位為一款讓企業及公共機構更能自行部署、調整 AI 的選擇，並希望與中國 DeepSeek、阿里巴巴 Qwen 團隊及 Z.ai 等公司的模型競爭。不過，現階段的效能比較主要來自 Reflection 自己公布的數據，未有獨立測試結果作證。 4
7
18
Beam 想處理甚麼工作？
Beam 面向寫程式、推理，以及需要使用工具、分多個步驟完成工作的 AI 代理任務。Reflection 表示，這款模型是為想自行運行和調整 AI 系統的機構而設。 4
5
18
架構方面，Beam 採用稀疏混合專家（Mixture of Experts，MoE）設計，總共有 5,010 億個參數，但每個 token 約有 230 億個參數參與運算。Reflection 表示，模型以 23.8 萬億個 token 預訓練，上下文視窗最長可達 100 萬個 token。 7
18
Reflection 亦稱，Beam 曾接受為期四星期的強化學習訓練，期間使用 10,500 張 Nvidia GB300 GPU，產生超過 1 億次 rollout——即模型嘗試完成任務的訓練回合。以上訓練數字均由公司公布。 18
與中國模型相比，現時可以講到幾多？
Reflection 表示，Beam 在進階推理基準測試上的表現與 Z.ai 的 GLM-5.2 相若，並公布三項分數：Terminal Bench v2.1 為 80.1、SWE-Bench Verified 為 80.9、GPQA Diamond 為 90.5。公司亦將 Beam 與阿里巴巴 Qwen 3.8-Max、Kimi K3 及西方主要開放模型作比較。要留意，這些分數及比較屬 Reflection 的說法，並非經獨立測試確認的排名。 3
7
13
最受注目的說法，是 Beam 在效能相若的情況下，推理所需運算量可減少三至四倍。不過，這只是約略估算，而且不包括 prompt prefill（處理輸入提示詞）及 serving overhead（模型服務運作開支）。TechCrunch 指相關效能說法尚未經獨立驗證；在缺乏獨立測試及一致部署條件下，這個運算量差距未能直接當成實際成本節省。 7
13
所以，Beam 的發布確實為美國開放權重 AI 增添一名新競爭者，但目前的比較並未證明它已全面超越中國對手。 13
權重何時公開？還有哪些未知數？
Beam 公布時仍在進行最後一輪紅隊測試及評估。Reflection 表示，部分用戶可透過候補名單申請提早使用；公司計劃於 10 月稍後以 Apache 2.0 授權公開模型權重，並提供技術報告、模型卡及開發者資料。換言之，當時公開權重仍是計劃，尚未正式推出。 18
25
28
待權重和相關資料公開後，開發者才可更直接測試模型。現階段 Beam 的實際表現、部署成本，以及相對其他模型的競爭力，仍有待觀察。
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「Reflection AI 推出 Beam：5,010 億參數開放權重模型，挑戰中國 AI 勁敵」的簡短答案是什麼？
Reflection AI 於 2026 年 10 月 5 日公布首個開放權重模型 Beam，總計 5,010 億參數，每個 token 約啟動 230 億參數，針對寫程式、推理同 AI 代理任務。
首先要驗證的關鍵點是什麼？
Reflection AI 於 2026 年 10 月 5 日公布首個開放權重模型 Beam，總計 5,010 億參數，每個 token 約啟動 230 億參數，針對寫程式、推理同 AI 代理任務。 公司表示 Beam 以 23.8 萬億個 token 預訓練，支援最多 100 萬 token 上下文；Apache 2.0 授權權重原定於 10 月稍後推出，當時仍在最後一輪安全測試。
接下來在實務上我該做什麼？
Beam 被定位為美國開放權重 AI 的新競爭者，但與中國模型的比較及「少用三至四倍推理運算」說法都未經獨立核實，暫不能當成已證實的整體領先或成本優勢。