发生了什么
Reflection 是一家成立不久的美国实验室，Beam 是其首个对外模型。10 月 16 日，权重以 Apache 2.0 许可上架 Hugging Face，同时提供 BF16、FP8 与 NVFP4 三种精度，以及一个投机解码草稿模型。官方称同步接入 40 余家生态伙伴，覆盖推理、量化、微调、强化学习与部署，把这次发布定义为「智能体的开放操作系统」。
架构与部署成本
Beam 是稀疏混合专家模型，总参数 5010 亿，每 token 激活约 230 亿。52 层中前 3 层为稠密前馈，其余 49 层各含 256 个专家、每 token 路由 8 个，路由沿用 DeepSeek-V3 的分组受限方案但去掉共享专家。注意力为混合设计：43 层只在前 512 个 token 内做滑窗，9 层处理全上下文，官方称每 token 的 KV 缓存约 36 KiB，约为全全局设计的六分之一。
- BF16 权重约 1TB；FP8 面向 Hopper 与 Ampere；NVFP4 约 280GB，面向 Blackwell。
- Hugging Face 建议 NVFP4 部署使用 4 张 B200，为长上下文与并发留出余量。
- 自带 Rust 编写的 Mirror CLI harness，支持并行工作树、可恢复会话与 MCP 连接。
- Day-0 支持 transformers、vLLM、SGLang，并提供监督微调与全参数强化学习配方。
为什么重要
这一批开源模型的差异不在分数，而在许可。Meta 的 Muse Spark Open 采用带条件的社区许可，微软的 MAI-Base-2 只提供给可信伙伴，Beam 则直接使用 Apache 2.0——没有用户上限、没有署名附加条款、没有下游训练限制。对需要过法务评审的企业，这意味着评估周期从数周缩短到数天；对希望把模型嵌进自有产品的厂商，这是可直接商用的授权基础。
不确定之处
81.6% 的 SWE-bench Verified、80.1% 的 Terminal-Bench 2.1 与 66.1% 的 SWE-bench Pro 均为厂商自报，评测 harness 与提示词未完全公开，尚无第三方复现。1TB 的 BF16 权重意味着「自托管」并不等于「低成本」：八卡级显存、机房功耗与运维能力仍是硬门槛。官方未披露训练数据构成与完整安全评估细节，Beam 安全技术报告的独立审阅情况也待观察。