Reflection AI开源501B编码模型:激活230亿,推理成本仅1/4

流云 2026-10-06 2793 0条评论
摘要: 10月5日,Reflection AI推出Beam,一款501B开放权重编码与推理模型。它的卖点不是榜单登顶,而是稀疏架构带来的推理效率:总参数5010亿,每次前向只激活230亿,...

10月5日,Reflection AI推出Beam,一款501B开放权重编码与推理模型。它的卖点不是榜单登顶,而是稀疏架构带来的推理效率:总参数5010亿,每次前向只激活230亿,官方称高级推理表现与GLM-5.2相当,推理算力只需后者的三分之一到四分之一。

架构与训练规模

Beam采用稀疏MoE结构,预训练用了23.8万亿tokens,来源包括公开网页与授权高质量数据集。强化学习阶段在10500块NVIDIA GB300上完成超过1亿次rollout,训练周期4周。对部署方而言,同等能力下的算力占用直接决定单位请求成本与并发上限,这也是它把稀疏结构作为设计核心的原因。

编码与终端:真实仓库任务

官方数据显示,Beam在SWEBench Verified得80.9分、SWE Bench Pro v2-Hard得77.2分、SWEBench Multilingual得78.0分,Terminal Bench v2.1得80.1分。这组结果覆盖真实仓库修错、硬难度补丁与终端命令执行,反映的是多文件代码库中定位与改动代码的能力。对以自动化方式跑持续集成、批量修复缺陷的团队,终端任务的稳定性通常比单点分数更关键。

推理与STEM

推理类基准上,Beam取得AIME 2026 97.8分、GPQA Diamond 90.5分、HLE无工具36.2分、SciCode 49.7分。AIME与GPQA分别对应竞赛数学与研究生级科学问答,SciCode则以实际科研代码编写为评测内容。官方结论是,Beam在高级推理任务上可以用更少算力达到与更大规模开放权重模型接近的水平。

智能体与工具调用

MCP Atlas得78.7分,AutomationBench public得37.0分,tau3 banking得38.0分,BrowseComp得77.4分,DeepSearchQA得80.1分。这组评测覆盖工具调用、多步任务编排与检索式问答,对应开放权重模型在智能体场景中的落地能力。模型以编码与智能体为主攻方向,因此在需要调用外部接口、读写文件或串联多步操作的流程中,其表现更能反映实际可用度。

与同规模模型的对比

官方对比表显示,Beam的Terminal Bench v2.1为80.1,低于GLM 5.3的88.2与Kimi K3的88.3;GPQA Diamond为90.5,接近GLM 5.3的91.7与Qwen 3.8-Max的92.6;HLE为36.2,落后于Kimi K3的46.9;MCP Atlas为78.7,低于Qwen 3.8-Max的84.5;SciCode为49.7,与Qwen 3.8-Max的52.1接近。官方表述是:Beam推进了开放权重的编码与智能体能力边界,在原始能力上Kimi K3仍然领先,而Beam的优势在推理阶段的效率。这组数值更适合与效率结论结合看:如果部署方更在意单位算力承载的请求量,Beam的稀疏结构值得纳入评估;如果任务对极限分数敏感,则应同时比较表中得分更高的对象。

在AI工具导航的开放权重分类中,Beam代表了一种务实路线:不追求单项登顶,而是把推理成本压到同规模模型的三分之一到四分之一。对于关注AI办公软件推荐的团队,如果日常负载以自动化代码维护、终端脚本生成和智能体任务编排为主,这种效率优势可能比几分的榜单差距更有价值。

获取方式

Beam目前尚未开放权重与公开API,官方给出的路径是先申请早期访问。权重、技术报告、模型卡与开发者资源计划在本月晚些时候一并释出。模型仍在进行最终红队测试与评估,因此“开放权重”目前指既定路线,而非可下载的现状。定价也未公布,预算敏感的团队建议等官方定价明确后再评估规模化使用。


文章版权及转载声明:

作者:流云本文地址:https://www.sanwenge.com/post/1478.html发布于 2026-10-06
文章转载或复制请以超链接形式并注明出处三文阁