Reflection AI 於 2026 年 10 月 5 日公布首款開放權重模型 Beam，主攻編程、推理同 AI Agent 工作。公司將它定位為可與中國及西方領先開放模型競爭的選擇。不過，Beam 的效能同運算效率比較目前仍屬公司公布的結果；模型權重未公開，外界暫時未能自行重測。 3713

架構、訓練規模與上下文長度

Beam 採用稀疏混合專家（Mixture-of-Experts，MoE）架構，總參數為 5010 億，但每個 token 約有 230 億個參數參與運算。Reflection 表示，模型以 23.8 兆個 token 預訓練，之後再進行高運算量強化學習；公司公布的訓練資料指，該輪強化學習產生超過 1 億次 rollout。 14

Reflection 公布 Beam 的上下文長度最高可達 100 萬個 token。不過，第三方對早期測試版介面的報道指，當時可用上限為 25.6 萬個 token。模型公布的上下文規格，與特定服務介面實際提供的上限可能不同；現有資料未能證明測試版的限制適用於所有部署方式。 371718

基準測試：成績亮眼，不等於全面勝出

Reflection 公布 Beam 在 SWE-bench Verified 得分 80.9%。至於另一項測試 Terminal-Bench v2.1，有報道列出 Beam 得分 80.1，低於 GLM-5.2 的 81.0、Kimi K3 的 88.3，以及 DeepSeek V4.1 Flash 的 90.6。這些數字顯示 Beam 在部分任務上可能具競爭力，但不足以證明它整體勝過中國或西方的領先開放模型。 1220

Reflection 亦稱，Beam 在部分指定測試的推理表現可媲美 GLM-5.2。公司估算，Beam 生成內容所需的運算量約比 GLM-5.2 低三至四倍，亦比其比較中的西方領先開放模型低逾四倍。這些是公司提供的估算，並非獨立測量結果；不能據此推斷所有用戶在實際部署時都會獲得相同比例的成本或延遲改善。 1316

由於權重尚未公開，外界暫時無法獨立重現這些基準測試及運算量比較，相關結果宜視為初步資料。測試設定及服務運行條件都可能影響模型比較；現有數字亦未能說明 Beam 在其他任務或部署環境下的表現。 713

幾時發布？目前點樣試用？

Reflection 計劃於 2026 年 10 月稍後，以 Apache 2.0 授權發布 Beam 權重，但現有資料未有列明確實日期。用戶現時可透過候補名單申請搶先使用。報道亦提到，公司計劃提供技術報告、模型卡等配套資料；在相關材料正式發布前，實際會包括甚麼仍未完全清楚。 2321

開放權重代表開發者日後可下載模型參數，並自行運行或調整模型；但這不等於模型已經在任何機構的環境中完成驗證、可以即時部署。Beam 的目標用戶包括開發者、企業及公共部門；目前的發布報道並未證實已有特定政府部門部署，亦未證實模型已用任何機構的私人數據作客製化。 1531

大額算力投資，唔等於效能已獲證明

Beam 的發布亦配合 Reflection 大舉投資運算基建的計劃。報道提及，公司與 SpaceX 達成涉及 63 億美元、使用 Nvidia GB300 系統的協議，亦另有與 Nebius 的運算合作協議。這些交易反映 Reflection 投入的基建規模，但本身不能獨立證明 Beam 的效能，亦無法驗證公司估算的推理運算節省。 48

現階段，較穩妥的做法是分開看已公布規格與尚待驗證的比較：Beam 的架構、訓練規模及目標用途已經公開；至於它相對其他模型的基準測試表現，以及實際部署時能否更省算力，仍要等權重及更完整的評測資料面世後再判斷。 71314

Reflection AI 於 2026 年 10 月 5 日公布首款開放權重模型 Beam，主攻編程、推理同 AI Agent 工作。公司將它定位為可與中國及西方領先開放模型競爭的選擇。不過，Beam 的效能同運算效率比較目前仍屬公司公布的結果；模型權重未公開，外界暫時未能自行重測。 3713

架構、訓練規模與上下文長度

Beam 採用稀疏混合專家（Mixture-of-Experts，MoE）架構，總參數為 5010 億，但每個 token 約有 230 億個參數參與運算。Reflection 表示，模型以 23.8 兆個 token 預訓練，之後再進行高運算量強化學習；公司公布的訓練資料指，該輪強化學習產生超過 1 億次 rollout。 14

Reflection 公布 Beam 的上下文長度最高可達 100 萬個 token。不過，第三方對早期測試版介面的報道指，當時可用上限為 25.6 萬個 token。模型公布的上下文規格，與特定服務介面實際提供的上限可能不同；現有資料未能證明測試版的限制適用於所有部署方式。 371718

基準測試：成績亮眼，不等於全面勝出

Reflection 公布 Beam 在 SWE-bench Verified 得分 80.9%。至於另一項測試 Terminal-Bench v2.1，有報道列出 Beam 得分 80.1，低於 GLM-5.2 的 81.0、Kimi K3 的 88.3，以及 DeepSeek V4.1 Flash 的 90.6。這些數字顯示 Beam 在部分任務上可能具競爭力，但不足以證明它整體勝過中國或西方的領先開放模型。 1220

Reflection 亦稱，Beam 在部分指定測試的推理表現可媲美 GLM-5.2。公司估算，Beam 生成內容所需的運算量約比 GLM-5.2 低三至四倍，亦比其比較中的西方領先開放模型低逾四倍。這些是公司提供的估算，並非獨立測量結果；不能據此推斷所有用戶在實際部署時都會獲得相同比例的成本或延遲改善。 1316

由於權重尚未公開，外界暫時無法獨立重現這些基準測試及運算量比較，相關結果宜視為初步資料。測試設定及服務運行條件都可能影響模型比較；現有數字亦未能說明 Beam 在其他任務或部署環境下的表現。 713

幾時發布？目前點樣試用？

Reflection 計劃於 2026 年 10 月稍後，以 Apache 2.0 授權發布 Beam 權重，但現有資料未有列明確實日期。用戶現時可透過候補名單申請搶先使用。報道亦提到，公司計劃提供技術報告、模型卡等配套資料；在相關材料正式發布前，實際會包括甚麼仍未完全清楚。 2321

開放權重代表開發者日後可下載模型參數，並自行運行或調整模型；但這不等於模型已經在任何機構的環境中完成驗證、可以即時部署。Beam 的目標用戶包括開發者、企業及公共部門；目前的發布報道並未證實已有特定政府部門部署，亦未證實模型已用任何機構的私人數據作客製化。 1531

大額算力投資，唔等於效能已獲證明

Beam 的發布亦配合 Reflection 大舉投資運算基建的計劃。報道提及，公司與 SpaceX 達成涉及 63 億美元、使用 Nvidia GB300 系統的協議，亦另有與 Nebius 的運算合作協議。這些交易反映 Reflection 投入的基建規模，但本身不能獨立證明 Beam 的效能，亦無法驗證公司估算的推理運算節省。 48

現階段，較穩妥的做法是分開看已公布規格與尚待驗證的比較：Beam 的架構、訓練規模及目標用途已經公開；至於它相對其他模型的基準測試表現，以及實際部署時能否更省算力，仍要等權重及更完整的評測資料面世後再判斷。 71314