西方实验室要交一份「能跟中国开源模型掰手腕」的答卷，Beam把重点押在「同样分数更省算」。
10月5日，Reflection正式介绍Beam：稀疏混合专家模型，总参数约5010亿，每token激活约230亿，上下文窗口约100万token；预训练约23.8万亿token，并开展大规模强化学习（公开材料称约4周、逾1亿次rollout）。公司称其在编码与Agent任务上可对标更大开源模型如GLM 5.2，并接近Qwen 3.8-Max；在部分高阶推理评测上与GLM-5.2相近，同时自报推理算力消耗约为对照的约三分之一到四分之一。Kimi K3等在原始能力上仍可能领先——Beam的卖点是单位算力效率。
开放节奏： 模型仍在最终红队与评测中；目前提供候补名单早期访问，权重、技术报告、模型卡与微调工具「本月晚些时候」以Apache 2.0发布。也就是说，今天能谈的是API形态的beta与自评榜，还不是可复现的自托管权重。
产业位置： Reflection被定位为西方开放权重阵营的新玩家，对标中国开源旗舰的同时，也与Nemotron、Inkling等美欧路线并存。独立第三方榜单尚未完整收录前，所有对比数字应视为实验室自报。对企业，真正检验点在权重落地后的量化、微调成本与合规部署路径。
事实以Reflection官方博客与随后发布的模型卡为准。