Reflection AI发布开源MoE模型Beam：501B参数、23B激活参数

Beam：面向企业级编码与智能体任务的开源MoE模型

Reflection AI正式发布其首个开源权重大模型Beam。该模型为稀疏型混合专家（MoE）架构，总参数量达5010亿（501B），但每token仅激活230亿（23B）参数，专为编程、复杂推理及AI智能体（agentic）工作负载设计。团队明确表示，Beam并非以绝对能力对标头部闭源模型，而是聚焦推理效率——在多项推理基准上，其计算开销仅为GLM-5.2的1/3至1/4。

目前Beam尚未开放自托管部署。模型正处于最终红队安全评估阶段，早期访问需通过Reflection官网等待列表申请，仅限平台内运行。

架构与预训练：高吞吐、低冗余、强稳定性

Beam从零开始训练，数据来自网络、公开资源及授权私有语料，总预训练token量为23.8万亿。团队强调数据筛选极为严格：原始互联网语料经清洗后剔除约95%，同时保留了约1.8万亿条常规过滤器会误删的高质量token。

模型架构融合局部与全局注意力机制，并采用细粒度专家路由策略。负载均衡借鉴DeepSeek-V3的无辅助损失平衡法，并引入专家偏置更新的余弦衰减机制；预训练末期，最繁忙专家负载仅为平均值的1.04倍。全52层网络中，残差范数通过深度自适应缩放（depth-based scaling）、SandwichNorm、注意力门控及FP32残差累加等技术保持稳定。

预训练在6144块NVIDIA GB300 NVL72 GPU上完成，耗时不足4周，最终有效吞吐率达92.3%，期间执行9次半自动重训（rewind）。训练中期即实现100万token的有效上下文长度扩展。

强化学习：超大规模异步RL驱动智能体能力跃升

强化学习（RL）是Beam能力扩展的核心路径。RL训练持续4周，动用10,500块GB300 GPU，生成超1亿次rollout，单次最大上下文达256K token。训练与评分环节共消耗近100万个沙盒环境，覆盖编程、智能体交互及STEM多类任务，总计调用约13亿沙盒实例。

训练采用完全异步策略梯度（asynchronous policy gradients）：每个token均标记生成时对应的策略版本；新算法保障即使策略权重滞后一天（达107个版本）、仍能维持学习稳定性，且未观察到随RL算力增加而出现性能平台期。

基础设施表现突出：系统平均支撑11万并发rollout；新权重同步至推理集群的中位延迟仅约12秒；训练全程共处理71起推理异常事件，均未中断训练流程。此外，通过可控长度惩罚机制，模型学会以更少token完成任务；浏览类技能亦在未显式训练浏览任务的情况下显著提升，表明智能体能力存在跨领域迁移现象。

安全对齐与基准表现

安全与对齐模块独立于预训练检查点构建，再通过多教师在线蒸馏（multi-teacher on-policy distillation）与RL教师融合。安全训练采用“审慎对齐”（deliberative alignment）范式，详细评估结果将随技术报告一并发布。

在SWE-bench Verified基准上，Beam得分为80.9，显著高于Nemotron 3 Ultra的70.7；在Terminal Bench v2.1上得分为80.1，略低于GLM-5.2（81.0），但大幅领先Nemotron 3 Ultra（56.4），落后于DeepSeek V4.1 Flash（90.6）与Kimi K3（88.3）。所有对比数据均引自Reflection官方公告所列来源（Artificial Analysis、DataCurve及Hugging Face等），参数规格经2026年10月5日验证。

值得注意的是，Beam是当前同梯队开源模型中总参数量最小者，其23B激活参数亦低于GLM-5.2（~40B）、Nemotron 3 Ultra（55B）与Kimi K3（104B）。许可证方面，Beam计划采用Apache 2.0许可，属标准宽松开源协议；而Kimi K3采用定制许可，对超大规模商用产品附加署名要求。

编者观点

中国企业在推进大模型开源时，可借鉴Beam对‘效率优先’路线的系统性工程实践——在算力受限前提下，通过数据精筛、稀疏架构、异步RL与轻量对齐等组合策略，实现推理成本与智能体能力的最优平衡。