Reflection AI 今日正式发布其首款开源模型 Beam 的权重，旨在以更高的 Token 效率对抗已被众多美国企业采用的中国开源模型。
Beam 拥有 5010 亿参数。Reflection 押注于该模型能以更少的 Token 完成同等任务，从而显著降低单次任务成本。这一发布紧随 Meta 之后，后者日前推出了拥有 8160 亿参数的 Muse Spark Open，并宣称其为迄今最强的美国开源权重模型。
在 Terminal-Bench 2.1 等命令行智能体测试中，Meta 和 Reflection 的模型表现均未超越顶级中国模型。但 Reflection 认为，企业在关注性能的同时，更看重完成每项任务所需的 Token 数量。该公司在 10 月 5 日的博客文章中指出，Beam 实现了“更低成本下的强大模型能力”。
强化学习驱动的效率优化
Beam 经过强化学习训练，模型在练习任务时会根据结果获得奖励，若使用不必要的 Token 则会受到惩罚。Reflection 联合创始人兼 CTO Ioannis Antonoglou 表示，这种惩罚机制难以把握：若应用过于“天真”，模型可能学会“放弃任务”以减少输出。为此，团队进行了大规模强化学习，使模型在解决任务的同时保持简洁。
据称，这是开源实验室有史以来最大规模的强化学习运行之一。在四周内，团队在由 10,500 个 Nvidia GB300 GPU 组成的集群上，运行了超过 1 亿次完整的试错迭代（rollout）。包括评估和实验在内，Reflection 运行了约 13 亿个沙箱环境，计算峰值触及 Google Cloud 和 AWS 上 23 个集群中的 883,006 个虚拟 CPU。
Antonoglou 声称，Beam 的表现优于 DeepSeek 最新的 V4.1 Flash 模型。独立基准测试公司 Artificial Analysis 的报告指出，早期迹象表明 Beam 是“同智力水平下最具 Token 效率的开源模型之一”。不过，在 Reflection 发布的对比图表中并未包含 DeepSeek，而是涵盖了 Z.ai 的 GLM-5.2、阿里 Qwen 3.8、Nvidia Nemotron 3 Ultra 等模型。
每任务成本 vs 每 Token 价格
AI 账单由“每 Token 价格”乘以“任务所需 Token 数量”决定。尽管多数比价仅显示前者，但后者对总成本影响巨大。例如，若模型 A 单价低但耗用 Token 多，其最终成本可能高于单价高但效率高的模型 B。
VentureBeat 9 月的调查显示，23% 的受访者将每百万 Token 成本列为选择 AI 基础设施的关键因素，较 8 月的 11% 显著上升。Antonoglou 指出，当模型生成大量 Token 时，最终客户需承担由此产生的高额费用。Beam 定位为编程和智能体工作的主力模型，总参数 5010 亿，每个 Token 激活 230 亿参数。
相比之下，Meta 的 Muse Spark Open 每个 Token 激活 420 亿参数。Reflection 估算，Muse Spark Open 每个 Token 的计算量约为 Beam 的 1.8 倍。目前，OpenRouter 上 Muse Spark Open 的输入 Token 定价为每百万 1.25 美元，输出为 4.25 美元；而 Beam 尚未公布官方定价，公共 Beta 期间免费，合作伙伴如 Baseten 自行定价。
许可方面，Beam 采用 Apache 2.0 许可证。Meta 的 Muse 许可证则要求衍生产品显示“Built with Muse Spark Open”，且年营收超 2000 万美元的服务商需签署单独协议。
美国企业的“中国模型”依赖与风险
Pinterest、DoorDash、Coinbase 等美国科技巨头已公开承认利用中国开源模型降低成本。Pinterest 基于阿里 Qwen 构建的 Navigator 1 使成本降低 90%；Coinbase 采用 Z.ai GLM 和 Moonshot Kimi 后，AI 支出几乎减半。
然而，Antonoglou 指出了潜在风险：法规变化、责任归属不明以及供应链依赖。他警告，广泛使用中国模型可能导致“美国经济的核心部分”依赖中国技术。此外，智能体模型可能访问敏感数据，存在被训练出特定条件下触发隐藏行为的风险。调查显示，在运行开源模型的受访者中，56% 无法确认其模型堆栈中是否包含中国实验室的产品。
Reflection 强调，Beam 从头开始训练，未使用其他模型的输出数据进行学习，其合成数据仅用于构建强化学习环境。
生态部署与硬件需求
曾任 Meta Llama 产品负责人的 Joe Spisak 指出，Llama 4 的问题在于过度关注基准测试而忽视开发者社区。为此，Reflection 联合 33 家合作伙伴构建了“开放操作系统”，涵盖 Beam 的运行、定制和部署，支持通过一条命令在 Kubernetes 上快速拉起服务。
Beam 适合在配备八个 GPU（如 Nvidia H100/H200/GB300）的服务器上运行 8 位或 4 位版本。全精度版本则需“数十个 GPU”。vLLM 也将发布博文展示 Beam 在 MXFP4 格式下的运行情况。
早期用户 Oura 反馈，Beam 上下文泄漏较少，回答更具依据。韩国零售集团 Shinsegae 正与 Reflection 合作开发购物智能体。Dell 和 HPE 将在自有硬件上安装 Beam，并提供现场部署支持。
其他动态
针对《金融时报》关于 Nvidia 拟收购或增资 Reflection 的报道，Antonoglou 予以否认，称其为“毫无根据的谣言”，但确认 Nvidia 是公司的重要投资者和合作伙伴。
安全性方面，Reflection 发布了安全报告，并由 Gray Swan、Irregular 等外部机构进行测试。Antonoglou 表示，只要赋予模型明确任务和正确工具，企业部署风险可控，但这需要专业知识。
VentureBeat 正在对 Beam、Muse Spark Open、DeepSeek V4.1 Flash 和 GLM-5.2 进行实际任务成本测试，结果将于后续公布。