Reflection 推出 Beam：一款宣稱在計算成本上優於中國替代方案的開放權重 AI 模型

目錄

• 您可能想知道
• 主要議題
• 重點摘要表
• 後續…

您可能想知道

• Beam 是否真能在使用顯著較少計算資源的情況下，與領先的中國開放模型在進階推理上匹敵？

• Reflection 銷售模型並確保大規模算力承諾的策略，將如何影響與封閉實驗室和中國開放權重產品的競爭？

主要議題

Reflection AI 宣布推出 Beam，其首款前沿、開放權重的 AI 模型。這家位於布魯克林的新創公司由兩位前 Google DeepMind 研究員於 2024 年創立，將 Beam 定位為一款高效能、僅文字的 mixture-of-experts 模型，著重於高效推理與進階推理能力。Reflection 的宣布緊隨 Axios 於週末報導公司接近推出的消息，並且該新創發表了一篇詳盡的部落格文章，提供技術與策略細節。

根據 Reflection 的說法，Beam 是一個 501 億參數 的模型，具有 230 億活躍參數。其預訓練資料集涵蓋 23.8 兆代幣，模型支援的上下文視窗為 100 萬代幣。Reflection 將 Beam 與競爭系統比較，例如指出 Z.ai 的 GLM-5.2 大約有 7440 億總參數，其中 400 億為活躍參數。公司聲稱在進階推理基準上，Beam 的表現可與 GLM-5.2 相當，同時使用 3-4 倍較少的推理計算。

這些性能與效率宣稱目前仍為公司報告，尚未獲得獨立驗證。儘管如此，結合大型總參數量、較小的活躍參數佔比，以及所報告的計算效率，將 Beam 定位為 Reflection 所稱的「勞動型模型」，目標用戶為企業、公共部門與開發者。Reflection 強調的使用情境包括推理、程式碼撰寫與代理任務，並表示模型以高計算的強化學習技術訓練，旨在提升這些領域的能力。

Reflection 將 Beam 放在包含 Anthropic 與 OpenAI 等封閉實驗室、中國的開放模型如 DeepSeek、Qwen 及 Z.ai，以及西方開放模型開發者（包括 Mistral、Meta 與 Cohere）等競爭格局中。在美國本土的直接同業中，Reflection 強調 Mira Murati 的 Thinking Machines Lab 在七月發布的開放模型 Inkling 作為一個值得比較的例子。Reflection 報告的基準顯示 Beam 在兩者均報告成績的四項程式碼測試中分數高於 Inkling；然而兩家公司在模態聚焦上有所不同：Inkling 為多模態，Beam 為僅文字。

在財務與營運上，Reflection 已獲得大量支持與算力承諾。公司引用的 PitchBook 記錄顯示，Reflection 已從包括 Nvidia、Sequoia Capital 與 Lightspeed Venture Partners 在內的投資者那裡募得約 47 億美元。Reflection 的最後一輪資金據報使公司在資金到位前估值為 250 億美元。為支持訓練前沿模型所需的大量算力，該新創今年夏天與 SpaceX 與 Nebius 簽署的合約總額超過 70 億美元，以確保透過 2029 年可取得 Nvidia 的 GB300 晶片。這些協議反映了刻意鎖定 GPU 容量的努力，目的是使其能訓練出與 Anthropic 與 OpenAI 的封閉產品競爭，並與中國研究機構較便宜的開放權重模型相抗衡。

Reflection 正向企業客戶與主權國家行銷 Beam 及未來模型，提出一個他們稱為「AI 工廠」的產品概念。這個想法是允許機構透過在專有資料上微調或訓練 Reflection 的模型，來建立客製化且本地託管的 AI 系統。Nvidia 執行長黃仁勳 —— 其公司為 Reflection 的投資者 —— 已公開支持「AI 工廠」願景，這與 Nvidia 銷售 GPU 以驅動此類系統的商業利益相契合。Axios 報導對沖基金與交易公司是有意建立專有系統的組織之一。Reflection 已在南韓與新世界（Shinsegae Group）進行主權 AI 工廠的試點合作。

在透明度與分發方面，Reflection 表示將在一個月內釋出 Beam 的權重與完整技術細節，並計畫透過超大雲端業者與新型雲端供應商分發，且在推出時整合到開源函式庫中。此分發方式旨在使 Beam 廣泛可供開發者與組織取得，同時保有開放權重模型的定位。Reflection 未在 TechCrunch 的期限內回應進一步置評請求。

技術與策略立場總結：Beam 試圖在一款宣稱具有顯著效率優勢的模型中提供前沿級能力。該模型的參數化策略 —— 大量總參數搭配較少活躍參數 —— 以及其所報的訓練規模（23.8 兆代幣）與上下文長度（100 萬代幣），旨在支援進階推理與長上下文應用。如果獨立評估證實 Reflection 的主張，Beam 可能改變人們對開放權重模型成本-效能折衝的預期，並加劇西方與中國開發者之間的競爭。

然而仍有警告與未解問題。公司報告的與特定競爭者在基準上的勢均力敵，以及所宣稱的降低推理計算，均需獨立驗證。基準選擇、評估方法與任務涵蓋範圍的差異，可能會實質影響比較結果。此外，Beam 為僅文字模態，在需要視覺、音頻或其他模態的使用情境上將難以直接與多模態競爭者比較。更廣泛的市場影響將取決於 Reflection 表現主張的準確性、企業對 AI 工廠產品的採納，以及公司至 2029 年算力供應協議的穩定性。

簡言之，Reflection 的 Beam 被呈現為一款面向企業與主權應用的高容量、高效率開放權重模型，並以積極鎖定算力與分發計畫來加速採用並與封閉與開放競爭對手區隔。

重點摘要表

後續…

展望未來，業界將關注對 Beam 的獨立基準評估以及來自企業與主權試點的早期採用者回饋。如果 Reflection 關於效率與推理相當的主張成立，Beam 可能影響組織在封閉專有系統與開放權重替代方案之間權衡取捨的方式 —— 特別是在成本、本地控制與長上下文能力重要的部署情境中。Reflection 至 2029 年的算力承諾持久性以及 AI 工廠產品模式的成功，亦將是公司能否從既有封閉模型中搶下客戶的關鍵。

仍存在主要不確定性：性能是否能被獨立驗證、僅文字模型相較於多模態系統的實用性，以及市場是否會在大規模上優先考量開放權重分發。儘管如此，Beam 代表了在開放權重前沿競賽中的一個重要且有意圖的切入，背後有龐大的資金與算力承諾，並以面向企業與主權機構的策略作為支撐。