Reflection 的 Beam 成为中国以外能力最强的开放权重模型

Reflection 发布了其首个开放权重模型 Beam。该模型为混合专家架构，每次 token 仅激活 5010 亿参数中的 230 亿，目标是在编程与推理上对标 GLM 5.2，同时算力消耗降低三到四倍。其对抗 Deepseek、Qwen 等中国开放权重对手的策略是以效率而非绝对性能取胜，被称为中国以外能力最强的开放权重模型。

此前开放权重模型的竞争主要由中国团队主导，非中国阵营少有能对标主流编程与推理水平的开放权重产品。Beam 若兑现对标 GLM 5.2 且算力更低，意味着开放权重赛道出现新的非中国竞争者，竞争焦点从参数规模转向单位算力效率。

Beam 采用混合专家架构，每个 token 只激活约 230 亿参数，从而在保留 5010 亿总参数容量的同时压低单次推理的计算量。Reflection 据此把竞争维度从堆叠原始性能转为提升算力效率，以更少算力换取接近对手的编程与推理表现。

若其效率优势成立，团队在同等编程与推理质量下可采用更低的推理算力与成本，混合专家架构的激活比例设计也将成为模型选型的新参考。对依赖开放权重自部署的产品，这意味着在预算内可获得更高能力上限，但需验证实际部署下的延迟与吞吐。

• 在代码生成与推理类场景中，用 Beam 与 GLM 5.2 做同任务对照评测，量化单位算力下的质量差异。
• 针对自部署客户，测算激活 230 亿参数下的显存与推理成本，形成可对标的成本方案。
• 跟进 Reflection 是否开源权重与许可证条款，评估其能否作为现有开放权重模型的替代选项。

• Beam 的对标结论是否有第三方独立评测支持？
• 模型的权重是否真正公开、采用何种许可证？
• 三到四倍算力节省是在何种硬件与任务下测得？
• Reflection 是否公布训练数据与训练成本细节？