Reflection AI 发布 Beam 开放权重模型,挑战中国模型并主打低成本推理

Reflection AI 推出 Beam：低成本推理的开放权重模型来了

纽约布鲁克林的 Reflection AI 刚满两岁，就放了个大招——推出首个开放权重模型 Beam。这家由两位前 Google DeepMind 研究员创立的公司放话：Beam 在高级推理测试中不输中国顶尖开源模型（比如智谱 GLM-5.2、阿里 Qwen、DeepSeek），但推理成本直接砍掉 3-4 倍。如果这话不虚，西方开源 AI 追赶中国模型的节奏怕是要加快了。

技术规格：混合专家架构 + 超大上下文窗口

Reflection 周一的博客透露，Beam 用的是混合专家(Mixture-of-Experts, MoE)架构，总参数量高达 5010 亿，但激活参数只有 230 亿。模型在 23.8 万亿 token 的数据上完成预训练，支持 100 万 token 上下文窗口，目前仅处理文本输入（多模态还没上线）。

对比来看，智谱 AI 的 GLM-5.2 总参数约 7440 亿，激活参数 400 亿。虽然 Beam 参数规模不占优，但 Reflection 强调，通过高算力强化学习训练，Beam 在推理、编码和智能体(Agentic)任务上实现了"更低 token 成本与推理时间"的效率优势。

不过要注意，Reflection 公布的性能数据还没经过独立第三方验证。内部测试显示，Beam 在四项编码测试中完胜美国竞品 Inkling（Mira Murati 的 Thinking Machines Lab 7 月发布），但 Inkling 已经支持多模态，而 Beam 目前还只能处理文本。

竞争定位：对标中国模型，挑战闭源巨头

Reflection 的战略相当激进：既要跟 Anthropic、OpenAI 等闭源实验室掰手腕，又要在开源赛道上对抗中国热门模型，还得面对 Mistral、Meta、Cohere 等西方开源玩家。Beam 被定义为面向企业、公共部门和开发者的"工作马模型"(workhorse model)，主打实用性与成本效益。

在美国市场，Beam 直接对标 Inkling。但 Reflection 的杀手锏是**"AI 工厂"(AI Factory)战略**——允许机构用自有专有数据训练定制化本地 AI 系统。这一理念与 Nvidia CEO 黄仁勋的"开放 AI 生态"愿景高度契合（Nvidia 也是 Reflection 投资方）。据 Axios 报道，对冲基金和交易公司对这种系统兴趣浓厚。Reflection 已经在韩国与新世界集团(Shinsegae Group)展开主权 AI 工厂合作测试。

资本与算力：47 亿美元融资 + 70 亿美元算力锁定

PitchBook 数据显示，Reflection 从 Nvidia、红杉资本(Sequoia Capital)、光速创投(Lightspeed Venture Partners) 等机构累计融资约 47 亿美元，最新一轮融资的投前估值达 250 亿美元。

更关键的是算力储备：今年夏天，Reflection 和 SpaceX、Nebius 签署了总价值超 70 亿美元的合同，锁定 Nvidia GB300 芯片的使用权至 2029 年。这一手确保了训练前沿模型所需的计算资源，为与 Anthropic、OpenAI 闭源模型及中国低成本开源模型的竞争提供了技术迭代保障。

发布计划与生态整合

Reflection 表示，本月内将放出 Beam 的权重文件和完整技术文档，并通过超大规模云服务商(Hyperscalers)和新兴云平台(Neoclouds)分发，同时完成与主流开源库的集成。

对中国开发者的启示：如果 Beam 的"低成本推理"属实，国内开源模型可能在推理效率优化上加码；其"主权 AI 工厂"模式也与国内"专有模型私有化部署"需求不谋而合，但能否在中国市场落地，还得看数据合规和本地化支持能力。

本文基于 TechCrunch 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://techcrunch.com/2026/10/05/reflection-debuts-beam-a-open-weight-ai-model-to-rival-chinese-models-at-lower-compute-cost/