辉达(NVDA-US)支持的美国人工智能新创Reflection AI周一(5日)正式推出首款开放权重模型Beam，瞄准中国目前在开放权重人工智能模型领域的领先地位，直接挑战DeepSeek、Kimi等低成本模型，主攻编程、推理及代理型AI(agentic AI)任务。

Reflection表示，Beam在编程及代理型任务上的表现已可与中国AI新创Z.ai的GLM-5.2竞争，并逐步逼近Qwen3.8-Max。公司强调，Beam最大的优势并非单纯追求最高模型能力，而是在维持竞争力的同时，大幅降低推理所需的运算资源，让企业能以更低成本部署。

Beam采用稀疏混合专家模型(Mixture-of-Experts, MoE)架构，总参数达5010亿个，但运行每项任务时只激活230亿个参数，因此不需要让整个模型网络同时运作，有助于降低运算需求并提高运行速度。相较之下，Z.ai的GLM-5.2约有7440亿个总参数，每项任务激活约400亿个参数。

Reflection指出，Beam在部分先进推理测试中的表现与GLM-5.2相当，但推理运算量仅约为后者的三分之一至四分之一；若与超过2兆参数的Qwen3.8-Max相比，Beam的推理效率优势更加明显。公司因此将Beam定位为适合企业程序开发及代理型工作负载的高效率模型。

Reflection的测试结果显示，Beam在Terminal Bench v2.1取得80.1分，SWE Bench Pro v2-Hard为77.2分，SWE Bench Pro v1为65.5分，SWEBench Verified则达80.9分。在AIME 2026数学测试中，Beam取得97.8分；GPQA Diamond则为90.5分。

在工具调用与搜索能力方面，Beam在AutomationBench public取得37.0分，MCP Atlas为78.7分，BrowseComp搭配内容管理为77.4分，DeepSearchQA搭配内容管理则为80.1分。

不过，Beam并非所有项目都领先中国模型。Reflection也承认，在纯粹能力表现上，部分前沿开放模型例如Kimi K3仍高于Beam，因此公司目前的主要竞争策略，是以更高的推理效率及较低的每Token成本创建市场优势。

Beam的训练规模同样相当庞大。Reflection表示，模型预训练使用了2.38兆个经整理的网络及授权数据Token，并进行大规模强化学习(RL)。强化学习阶段使用1.05万张NVIDIA GB300 GPU，持续训练4周，产生超过1亿次rollout，训练及评分过程则使用约13亿个sandbox。

在强化学习期间，Reflection创建接近100万个训练环境，涵盖软件工程、终端机操作、竞赛编程、STEM、网络搜索、工具使用及一般知识工作等任务。公司表示，Beam训练期间平均维持约11万个并行rollout，并能在模型能力持续提升的情况下维持训练稳定性。

Beam的基础模型则在6144张NVIDIA GB300 NVL72 GPU组成的集群上完成预训练，整个端到端预训练时间不到4周。Reflection表示，公司为了支撑大规模训练，自行创建大部分基础设施。

Beam目前仍处于最终红队测试及评估阶段，Reflection预计在10月稍后正式发布模型权重、技术报告、模型卡及开发者工具，并计划采用Apache 2.0授权。公司希望通过合作伙伴及开放原代码工具生态系，让开发者能将Beam导入现有AI工作流程。

这次发布也凸显美国AI产业正加速追赶中国在开放权重模型上的优势。与OpenAI及Anthropic等主要业者以封闭模型及API为主不同，开放权重模型允许企业下载模型、在自有硬件或云端基础设施上运行，并进行微调与客制化，因此在数据控制、部署弹性及成本方面具有吸引力。

Reflection成立于2024年，由前Google DeepMind研究人员Misha Laskin及Ioannis Antonoglou创办，主要开发自动化软件开发工具。公司今年稍早也与SpaceX签署运算能力合作协议，可取得马斯克旗下SpaceX位于Colossus 2数据中心的额外运算资源。

辉达对Reflection的支持则进一步凸显其在AI基础设施之外，积极扶植AI模型及开放生态系的策略。随着中国开放权重模型在成本、客制化能力及编程表现上快速进步，美国业者推出Beam等模型，可能进一步加剧全球AI模型市场的价格及性能竞争。

目前Beam仍是Reflection模型系列的第一款产品，公司表示已开始训练下一款更大型模型。Reflection希望通过持续扩大强化学习及推理效率，缩小美国与中国在开放权重AI模型领域的差距。