Reflection AI推出首个开放权重AI模型Beam。该模型采用稀疏混合专家（MoE）架构，总参数达5010亿，但每token仅激活2300万参数，专为编码、推理及智能体任务设计。
Beam基于包含网络内容及授权专有数据的23.8万亿token进行预训练，支持100万token上下文窗口。此外，公司重点投入高算力强化学习以进一步提升模型能力。
在强化学习阶段，Beam使用10500块Nvidia GB300 GPU运行四周，生成超1亿次rollout，并在训练评估中执行约13亿次沙盒环境测试。
Reflection AI指出Beam的推理成本优势
Reflection AI致力于提升Beam推理效率。测试显示，其在高级推理基准上表现与Z.ai GLM-5.2相当，但推理计算资源消耗减少3至4倍（注：结果尚未独立验证）。
在编码和智能体任务中，Beam可与大开源模型抗衡。例如在SWE Bench Pro v2-Hard得分为77.2，Terminal Bench v2.1为80.1，SWE Bench Verified为80.9。
Beam能与GLM-5.2竞争，部分任务接近更大Qwen模型，但并非全基准领先。公司承认Kimi K3等更大规模开源模型在原始性能上仍占优。
Beam核心优势在于单位算力的性能产出。其提供“推理努力”（reasoning effort）参数，允许用户调节推理时长：低级别侧重短响应与低成本，高级别则支持复杂任务的深度思考。
Beam目前仅支持文本
Beam非多模态模型，仅基于文本运行。但启用工具使用和网页访问后，可搜索外部信息并利用工具数据完成任务。
训练中赋予网页访问权限时，模型自动学会搜索其他大语言模型并使用OCR API阅读文档。Beam定位为企业、开发者及政府机构的“主力模型”。
Reflection AI推行“AI工厂”战略，支持企业在自有数据上定制并本地部署AI系统。该公司由两位前Google DeepMind研究员于2024年创立，已筹集约47亿美元，投资方包括Nvidia、Sequoia Capital、Lightspeed Venture Partners等，最近一轮投前估值约250亿美元。
Reflection AI计划本月内发布Beam模型权重、技术报告、模型卡片及开发者工具，目前模型正进行最终安全测试与评估。