Reflection公布Beam：5010億總參數，開放權重仍待本月交付

輝達支持的美國人工智慧公司Reflection AI於10月5日公布首款模型Beam，面向程式設計、推理和智慧代理任務。模型採用稀疏混合專家架構，總參數為5010億，每個詞元啟用約230億參數。公司將其定位為中國開放權重模型之外的新選擇，路透社報導也把此次發布放在DeepSeek、Kimi等模型的競爭背景中。¹²

AI生成示意圖：深藍模組圍繞明亮核心，表現模型運算與開放主題。

權重尚待發布

Reflection將本次發布定位為預覽，Beam仍在完成紅隊測試與評估。公司計畫先向部分使用者開放，並在10月發布權重、技術報告、模型卡及開發工具，權重擬採用Apache 2.0授權。這意味著權重尚未開放下載，預覽本身也不能證明模型已適合全面正式部署。¹

效率與成績要分開看

Reflection稱，Beam在部分推理測試上接近GLM-5.2，所需推理計算量約為後者的三分之一至四分之一。但這是按啟用參數和生成詞元數估算的結果，沒有計入輸入預處理、隨上下文變化的注意力計算或服務開銷，不能直接換算成使用者帳單。¹

公司列出的Terminal-Bench 2.1成績為Beam 80.1、GLM-5.2 81.0。效率和最高任務得分是不同維度，發布方的評測彙整也不能替代外部複測。企業需要核對測試條件與自身任務是否相符，再判斷分數差距是否具有實際意義，而非僅憑一個總分選擇模型。¹

API仍處測試階段

串接方面，官方開發文件顯示，Reflection API處於測試階段，採用候補名單逐步開放，行為和限制仍可能調整。介面提供與OpenAI相容的Chat Completions和Models功能，意味著已有相關呼叫程式碼的開發者可以沿用部分工具鏈，但相容介面不代表服務能力、可用性和費用完全相同。³ 官方Models頁面目前標示，模型上下文視窗為256K，最大輸出為128K詞元，並提醒測試期間上下文限制可能變化。上下文額度同時計入輸入和生成輸出，超限請求會被拒絕，而非自動截斷。長文件加上多輪工具呼叫時，開發者因此需要預留輸出和推理空間。⁴

開發文件還說明，Beam始終進行推理，支援五檔推理強度，預設採用中檔。提高強度通常意味著投入更多詞元和等待時間；推理詞元也計入輸出預算。若輸出額度過低，模型可能在推理階段耗盡額度，最終答案為空。對需要連續呼叫工具的應用而言，這類邊界與總參數規模一樣，都會影響工程體驗。⁵

從預覽走向實際交付

從企業評估角度看，Beam增加了值得測試的候選項，但採購判斷仍應回到具體工作負載。開放權重承諾最終兌現後，團隊才能更完整地驗證部署需求、授權條件、任務成功率與成本。現階段最有價值的訊號是一個新的模型供應者進入賽場；它能否持續提供穩定、經濟的服務，還需要實際交付來回答。

來源與說明

1. 2026-10-05 · 介紹Beam：Reflection的5010億參數開放權重模型 · Reflection · 原題：Introducing Beam: Reflection’s 501B open-weight model ↩ ↩² ↩³ ↩⁴

2. 2026-10-05 · 輝達支持的Reflection推出首款AI模型，挑戰中國開放模型 · Reuters / Investing.com · 原題：Nvidia-backed Reflection unveils first AI model to take on Chinese open models ↩

3. 未註明發布日期，瀏覽於2026-10-06 · 開發文件導言 · Reflection Developer Docs · 原題：Introduction ↩

4. 未註明發布日期，瀏覽於2026-10-06 · 模型 · Reflection Developer Docs · 原題：Models ↩

5. 未註明發布日期，瀏覽於2026-10-06 · 推理 · Reflection Developer Docs · 原題：Reasoning ↩