2026 年 10 月 16 日，Reflection AI 在 Hugging Face 发布了 Beam 的模型权重，许可证为 Apache 2.0。距离 10 月 5 日的预告只有十一天。这是这家公司第一个开放权重模型，目标场景写得很明确：编码、推理与长周期智能体任务。

参数规模是这条消息最抓眼球的部分——5010 亿总参数、每 token 激活 230 亿，稀疏混合专家（MoE）架构，上下文窗口 100 万 token。

5010 亿参数意味着什么门槛

MoE 模型的特点是：推理时每个 token 只走一小部分专家子网络，算力消耗接近 230 亿参数的稠密模型；但所有专家都必须常驻显存，显存占用仍按 5010 亿算。Hugging Face 的说明写得很直白：部署 Beam 需要 5010 亿参数模型的显存，换来的是 230 亿参数模型的运行速度。

具体数字（截至 2026-10-18 以 Hugging Face 模型卡为准）：BF16 全精度权重约 1TB；面向英伟达 Blackwell 架构的 NVFP4 版本把 1TB 压到约 280GB。Hugging Face 给出的建议是「按 4 张 B200（720GB）规划」——两张 B200 能勉强装下权重，但基本没有留给长上下文的空间。

换句话说，这不是一个能在工作站上跑着玩的东西。它瞄准的是有数据驻留要求、必须私有化部署的企业。

除了权重，还放了什么

Reflection 这次没有只扔一个 checkpoint。权重提供 BF16、FP8、NVFP4 三种精度，附带一个投机解码 drafter 模型；开源了训练时使用的 Mirror CLI（Python 前端 + Rust agent 核心）；发布了微调与强化学习配方；并宣布了 40 多家合作伙伴与集成，覆盖推理、量化、微调、评估与可观测性。日零支持的运行库包括 Transformers、vLLM、SGLang、Unsloth、Axolotl、TokenSpeed 与 NVIDIA Dynamo。

官方还拿出 1 万美元 Hugging Face Hub 额度奖励基于 Beam 的最佳项目。

跑分怎么读

Reflection 公布的 BF16 成绩（厂商自报，尚无独立复现）：SWE-bench Verified 80.9，SWE-bench Pro v2-Hard 77.2，SWE-bench Multilingual 78.0，Terminal-Bench v2.1 80.1，AIME 2026 约 97.8，GPQA Diamond 约 90.5。

Reflection 自己承认，在终端任务基准上 Kimi K3（88.3）与 DeepSeek V4.1 Flash（90.6）仍高于 Beam 的 80.1。它真正想打的牌是效率：官方称在推理类基准上取得与 GLM 5.2 相当的成绩，而推理算力只用三分之一到四分之一。

训练侧的工程数据更值得看：预训练在 6144 张 GB300 NVL72 上跑了不到四周，goodput 92.3%；后训练用了约 10500 张 GB300、四周时间、超过 1 亿次 rollout，覆盖约 100 万个精选环境。

对从业者的影响

做企业私有化部署的团队：Apache 2.0 意味着可商用、可修改、可再分发，这是目前开源权重里最宽松的一档。加上 Dell、HPE 提供的私有部署路径，Beam 给了「不能把代码发到公有 API」的行业一个合规选项。但 4 张 B200 的门槛把绝大多数中小团队挡在门外。

做模型选型的人：别只看总分。Beam 的取舍很清楚——牺牲一点绝对能力，换单位算力成本下降。如果你跑的是长周期、大批量的智能体任务，这笔账可能划算；如果你要的是单次任务的最强表现，它现在不是第一选择。

做开源生态观察的人：加上 Meta 的 Muse Spark Open，美国开放权重阵营在 10 月内多了两个重量级选手，与 DeepSeek、Qwen、GLM、Kimi 形成正面竞争。竞争点已经从「谁更强」转向「谁的部署栈更完整」。

站长观点

我的看法是：Beam 这次发布最有价值的不是模型，是「权重 + 运行栈 + 微调配方 + 部署伙伴」一起交付的做法。只放权重的开源，落地成本全在使用方身上；把配方和生态一起给出来，才真正降低了自托管的门槛。

但我对 5010 亿这个数字保持警惕。它换来的是跑分表上的位置，代价是绝大多数团队根本跑不起来。对普通开发者来说，NVFP4 版压到 280GB 也只是从「完全不可能」变成「需要四张数据中心卡」。真正能让你受益的，可能是社区接下来基于它蒸馏出的小模型，而不是 Beam 本身。

还有一句提醒：目前所有跑分都是 Reflection 自报，Hugging Face 的模型卡也标注了「由 Reflection 团队提供」。在独立评测跑出来之前，这些数字应当按厂商口径理解，不要直接写进采购决策。

来源清单

• Reflection AI 官方博客《Beam is now available》，2026-10-16
• Hugging Face 模型卡 reflection/Beam-1.0-501B-A23B，2026-10-16
• TSN Media《Reflection Releases Beam's Open Weights on Hugging Face Under Apache 2.0》，2026-10-16
• AlphaSignal《Reflection AI Drops Beam, a 501B Open-Weight Agent Model for Coding》，2026-10-16
• Get AI Book《Reflection AI's Beam Is Out: 501B Open Weights Under Apache 2.0》，2026-10-16
• HuggingNews《Reflection AI Releases 501B Beam Weights as First Open Model》，2026-10-16

参数、显存需求与跑分核查日期：2026-10-18，以 Hugging Face 模型卡与 reflection.ai 官方发布页为准；跑分为厂商自报数据。