模型与研究英国

Reflection AI 推出 Beam：5010 亿参数开源模型，仅激活 230 亿参数，推算成本降低三至四倍，性能媲美中文大模型

2026年10月5日，Reflection AI 在线上发布会中推出 Beam，这是一款拥有5010 亿参数的混合专家模型，但每次请求仅激活230 亿参数，可将推算计算量降低三至四倍，同时保持与领先中文模型相当的性能。

nullbot 编辑部发布于 2026年10月6日阅读约 3 分钟信息来源 (2)

2026年10月5日，Reflection AI 在一次线上发布会上正式推出了新模型 Beam。该模型属于混合专家（Mixture‑of‑Experts）系列，整体参数规模高达5010亿，但每次查询仅激活约230亿参数，旨在在不牺牲模型能力的前提下显著降低推算成本。

Beam 的设计重点聚焦于三大核心场景：复杂推理、代码生成以及规划、工具使用等代理任务。公司声称模型支持高达一百万 token 的上下文窗口，这一数字远超当前主流大型语言模型普遍的8千至32千 token 限制。

性能声明与对比

Reflection AI 表示，Beam 的整体性能可以与中文领域的 GLM‑5.2 模型相匹敌，同时在推算时所需的计算量仅为后者的三至四分之一。虽然公司尚未公布独立的基准测试数据，但该说法已引起业界研究者的广泛关注与质疑。

在不到四周的时间里，Beam 完成了对23.8万亿 token 的预训练，训练过程中使用了 6 144 台 Nvidia GB300 GPU 组成的算力集群。如此快速的训练进度凸显了 MoE 架构在分配工作负载至众多专家子网络方面的效率优势。

预训练结束后，Reflection AI 随即开展了一轮基于人类反馈的强化学习（RLHF）阶段，动用了 10 500 台 GB300 GPU，历时四周。该阶段共生成约1亿条轨迹，用于微调 Beam 在推理和代理任务上的表现。

公司计划在2026年10月底以 Apache 2.0 许可证公开发布 Beam 的权重文件，届时将同步完成内部的安全评估和对抗性测试。开源的目标是鼓励社区进行审查并推动下游创新。

Reflection AI 由前 DeepMind 研究员于2024年创立，迄今已累计募集约47亿美元。公司还披露了与 SpaceX 与 Nebius 的战略基础设施合作协议，预计到2029年可提供高达70亿美元的算力资源支持。

计算效率的提升使 Beam 对于那些预算受限但仍需高质量语言能力的企业具有极大吸引力。通过只激活部分参数，组织可以在现有硬件上运行更大的模型，或显著降低云服务支出。

如果 Beam 能够真正达到与 GLM‑5.2 相当的水平，它还可能为多语言和代码密集型工作负载提供非中文的替代方案，进一步丰富英语市场开发者的选择空间。

以中国企业为例，使用 Beam 替代自研的 1750 亿参数模型，可在保持相似推理效果的同时，将 GPU 推算时长削减至原来的 25%。这一改进直接转化为运营成本下降、响应速度提升，以及在相同算力预算下处理更多请求的能力。

Beam 的发布也标志着开源大模型生态的进一步成熟。随着更多企业采用类似的 MoE 结构，行业有望形成更高效、成本可控的模型供应链，推动人工智能技术在各行业的落地。

从长远来看，Reflection AI 计划继续扩大模型规模并探索更高效的专家路由机制，以保持在全球大模型竞争中的领先地位。

本报道基于北京时间2026年10月6日的最新信息撰写，所有数据均来源于官方发布和公开报道。