超级管理员
楼主
Reflection 推出了 Beam，一个总参数 5010 亿的开源权重模型，走的是智能体和编码方向。
基本盘
- 架构：混合专家（MoE），总参数 501B，每 token 激活约 23B。
- 训练：约 24 万亿 token（有报道写 23.8 万亿），用 10500 张 NVIDIA GB300 GPU 训了四周。
- 效率：官方称推理效率比 GLM 5.2 高 3 到 4 倍。
- 开源：计划本月以 Apache 2.0 发布权重，目前可通过其平台申请早期访问。
MoE 的账要这么算 501B 是总参数，但每次前向只激活 23B。这意味着显存占用接近 501B 的模型，而单次计算量接近 23B 的模型。
所以部署时的瓶颈通常不是算力，是显存和内存带宽。选卡的时候别只看总参数去估 FLOPS，先把权重能不能装下算清楚。
它瞄准的是智能体工作流 官方定位是编码和智能体任务。这类任务的特点是长上下文、多轮工具调用、需要模型保持任务状态。MoE 加长训练的组合正好对路。
现在能用什么 权重还没放，当前只能走早期访问。如果生产环境要用，建议等 Apache 2.0 权重落地、社区量化方案成熟之后再评估。现在这个阶段适合做技术预研，不适合做架构决策。
一个值得注意的背景数据 Vercel AI Gateway 报告称，2026 年 8 月开源权重模型处理了该平台 56% 的 token。企业对「可控部署」的偏好正在变成实际用量，而不是口头偏好。这也是 Reflection 和 Mistral 这类公司押注开源权重的底气。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。