模型本身
Reflection 是 2024 年由两位前 Google DeepMind 研究员创办的美国公司，此前融资约 47 亿美元。10 月 5 日，它发布了首个开放权重模型 Beam：稀疏混合专家架构，总参数 5010 亿，每次激活 230 亿；在 23.8 万亿 token 上预训练，训练上下文 256K，有效长度扩展到 100 万 token。官方披露的训练算力是：预训练用 6144 块英伟达 GB300、不到四周；强化学习用约 1.05 万块 GB300、四周，生成超过 1 亿条 rollout。
但现在还下载不到。权重计划本月晚些时候以 Apache 2.0 许可证发布，附技术报告、模型卡和微调工具；目前仍在做最终红队测试和评估，只开放提前体验报名。训练数据和完整训练流程不在开放范围内。
成绩要看全
Reflection 公布的成绩里，SWE-Bench Verified 80.9%、AIME 2026 97.8%。但在同一张表上，它并不领先：DeepSWE v1.1 是 44.4%，Kimi K3 是 68.0%、Qwen 3.8 Max 是 51.0%；Terminal Bench v2.1 是 80.1%，低于 Kimi K3 的 88.3%；GPQA Diamond 90.5%，也是表中最低。Reflection 自己也承认，Kimi K3 这样的前沿开放模型在原始能力上仍然领先，Beam 的卖点是推理效率：在高级推理基准上与 GLM 5.2 相当，推理计算量少 3–4 倍。这个估算不含预填充、与上下文相关的注意力计算和服务开销，只是近似比较，不是实测成本。
影响判断
开放权重的第一梯队目前由中国团队的模型占据，Beam 是美国公司少有的同量级 Apache 2.0 选项，对有数据合规或供应商来源要求的企业有现实意义。不过在权重真正放出、第三方复现之前，所有数字都是厂商自测。打算用它做代码 agent 的团队要特别留意 DeepSWE 上的差距，到时用自己的任务实测再定。