TechCrunch AI● 精選
Reflection 發布開源權重模型 Beam，對標中國開源模型
美國初創公司 Reflection AI 發布首個前沿開源權重模型 Beam，稱其在高階推理基準上以更低推理成本對標中國領先開源模型。Beam 是純文字混合專家模型，總引數 5010 億、啟用 230 億，預訓練用了 23.8 萬億 token，上下文視窗 100 萬 token；對比 Z.ai 的 GLM-5.2 總引數約 7440 億、啟用 400 億。
熱點事件 · 持續更新
10/5 20:50最高 2.010/5 23:20
Reflection 發布首個開放權重模型 Beam：501B 引數、23B 啟用新
2 則報導2 個報導來源10/5 20:33 更新
先了解這件事AI 綜述
2026 年 10 月 5 日，美國初創公司 Reflection 發布其首個開放權重模型 Beam。Beam 是純文字稀疏混合專家（MoE）模型，總引數 5010 億、啟用 230 億，面向程式設計、推理與 agentic 負載，預訓練使用 23.8 萬億 token，上下文視窗 100 萬 token。其強化學習階段動用 1.05 萬塊 NVIDIA GB300 GPU、訓練 4 周，生成超過 1 億條 rollout 與約 13 億個沙箱，官方稱這是開放實驗室中規模最大的 RL 訓練之一。Reflection 稱 Beam 在高階推理基準上與 Z.ai 的 GLM-5.2 相當，且推理算力只需其 3 至 4 分之一，並超過現有西方開源模型、接近 Qwen 3.8-Max，但在原始能力上仍落後 Kimi K3；據 TechCrunch 報導，GLM-5.2 總引數約 7440 億、啟用 400 億，而 Reflection 的效能宣告尚未經獨立驗證。公司把 Beam 定位為企業、公共部門與開發者的「主力模型」，並稱權重、技術報告、模型卡與開發者配套件將於本月晚些時候發布，模型目前仍在做最終紅隊測試與評估，現已開放早期訪問申請。對使用開源模型的開發者來說，Beam 的實際能力與可獲得性要等本月權重與報告釋出、並經獨立驗證後才能判斷。
AI 根據 2 則報導生成 · 10/5 21:11 更新
報導時間線
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
10月5日星期一 · 2 則
- Hacker News front page● 精選
Reflection 發布首個開放權重模型 Beam：501B 總引數、23B 啟用
Reflection 發布首個開放權重模型 Beam：稀疏 MoE，總引數 501B、啟用 23B，面向程式設計、推理與 agentic 負載。預訓練使用 23.8 萬億 token，RL 階段動用 10.5K 塊 NVIDIA GB300 訓練 4 周、生成超 1 億條 rollout、約 13 億個沙箱，官方稱是開放實驗室中規模最大的 RL 訓練之一。評測中其與 GLM 5.2 相當但推理算力少 3–4 倍，接近 Qwen 3.8-Max，原始能力仍落後 Kimi K3；
本事件熱度走勢
為什麼熱
過去 48 小時，有 2 個獨立來源報導，最近 6 小時新增 2 個。熱度 1.8，熱門榜第 4 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
事件紀錄
- 最早報導
- 10/5 20:16
- 最近更新
- 10/5 20:33
同一事件的報導集中在這裡，新的進展會繼續補充。