Reflection AI 开源 Beam 模型：主打更少Token完成任务，以推理效率对标国内开源大模型

Reflection AI 正式开放其首款开源模型 Beam 的权重，定位为面向编程、智能体任务的主力模型。不同于Meta Muse Spark Open靠超大参数堆能力的路线，Reflection的核心思路不是压低单Token单价，而是减少完成任务所需的总Token数量，以此降低企业实际业务成本，用来应对当下大量美国企业选用中国开源模型的现状。

• 模型：https://huggingface.co/collections/reflection/beam-10

模型基础信息

Beam总参数5010亿，MoE架构，每次推理激活230亿参数；Meta Muse Spark Open每次激活420亿参数，Beam单Token计算量大约只有前者一半。许可证为Apache 2.0，相比Muse的专用许可证对商业使用限制更少。

• 硬件部署：4bit/8bit量化版本可在8卡服务器（H100/H200/GB300）部署；FP16全精度版本需要数十张GPU；vLLM同步支持MXFP4量化格式。
• 训练工程：四周大规模强化学习训练，完成超1亿次rollout试错，依托10500块NVIDIA GB300集群，跨谷歌云、AWS共23个集群，峰值88万+虚拟CPU，总计约13亿沙盒环境训练。
• 训练特色：强化学习阶段对模型生成多余Token施加惩罚，同时大量训练防止模型为了缩短输出而放弃解决任务；模型原生不支持图像输入，遇到图片文本会主动调用OCR、搜索甚至外部模型辅助。

核心效率理念：总成本=单Token价格 × 任务总Token

大部分企业选型只关注报价表里的单Token单价，但真实账单由两个变量共同决定。

举例：模型A $1/百万token，完成bug修复需要30000 token，成本0.03美元；模型B $2/百万token，但仅需10000 token，成本0.02美元。

即使单Token更贵，只要任务总Token足够少，整体开销更低。

Reflection测试数据显示，在Terminal-Bench 2.2基准上，Beam得分约80.1%，仅需要约25000 token；GLM-5.2分数略低，但生成约80000 token，Beam推理Token用量仅为后者1/3；DeepSeek V4.1-Flash同基准得分90.6%，高于Beam；Muse Spark Open为76.4%。

Reflection强调，独立评测机构Artificial Analysis早期评估认为Beam属于同智能水平下Token效率顶尖的开源模型之一。但官方对比图表没有纳入DeepSeek。

配套生态：开放操作系统，降低部署门槛

Reflection不只发布模型权重，同步推出整套开源部署工具栈（同Apache2.0），称之为AI代理开放操作系统，联合33家合作伙伴开发。

• 内置容器，一条命令即可在Kubernetes拉起Beam；
• Mirror CLI：Rust+Python编写的开源编程智能体，可本地运行、代码审查；
• 支持气隙离线部署；Dell、HPE可在客户本地硬件预装；
• 早期客户：智能戒指厂商Oura；韩国新世界集团正在落地购物代理。

行业背景：美国企业大量采用中国开源模型

多家美国企业公开表示依靠国内开源模型大幅削减AI预算：

• Pinterest基于通义千问Qwen构建购物助手，AI成本下降90%；
• DoorDash 使用Kimi做代码审查，兼顾质量与成本；
• Coinbase接入GLM、Kimi，AI支出减少近一半；
• Vercel平台上DeepSeek的Token流量占比最高达到17%，但费用占比仅约1%。

Reflection CTO提出企业顾虑：监管政策变动、供应链依赖、代理模型接入企业敏感数据带来的隐性风险；同时他强调并非评判中国模型本身质量差。调研显示，很多企业甚至无法确认自己技术栈内是否包含来自中国实验室的开源模型。Reflection声明Beam为从零训练，没有使用其他模型输出来做训练。

其他相关信息

1. 定价：目前托管服务公测免费；Baseten、OpenRouter等合作伙伴自主定价，官方暂未公布标准价格。
2. 安全评估：发布配套安全报告，外部机构Gray Swan、SecureBio等完成红队测试。
3. 英伟达收购传闻：针对《金融时报》收购/投资Reflection报道，CTO回应是毫无根据的谣言，承认英伟达是投资方与合作伙伴，公司将保持独立。
4. 产品定位：不是用来全面替代GPT、Claude这类顶级闭源模型，目标承接企业消耗Token最多的编程、代理类工作负载。