10 月 5 日，美国公司 Reflection AI 放出自己的第一个开源权重模型 Beam。总参数 5010 亿，每个 token 只激活约 230 亿；纯文本、MoE 架构、100 万 token 上下文窗口；权重挂 Apache 2.0，官方说这个月晚些时候放出来。
它挑的对手不是 OpenAI，是中国的开源模型。官方口径是「与 GLM-5.2 同级，正在接近 Qwen 3.8-Max」，而推理算力只要三分之一到四分之一。
表面看是发了一个模型，实际上是同时发了三样东西：一份训练账单、一套还没被第三方验证过的跑分，和一句没说出口的话——开源权重这块场子，美国想抢回来。
一、先把基本盘摆出来
Beam 是一家 2024 年成立的布鲁克林公司做的，两位创始人 Misha Laskin 和 Ioannis Antonoglou 都来自谷歌 DeepMind，Laskin 任 CEO。这个背景解释了它为什么一出生就敢做 5000 亿参数的模型：它不差钱。
关键数字只有几个：
- 总参数 5010 亿，每个 token 激活约 230 亿，占比接近 4.6%
- 纯文本模型，不是多模态
- 上下文窗口 100 万 token
- 预训练用了 23.8 万亿 token，来源是公开网页加商业授权数据
- 定位很明确：编程、推理、Agent 任务
这里要解释一句 MoE。它把网络切成很多「专家」，每次只叫醒少数几个干活。所以模型可以存得很大、跑得却很轻——Beam 大约每 22 个参数里只有 1 个在单次计算中出力。这是它能喊出「便宜」的物理基础，也是目前主流开源模型的通用做法。
二、真正的看点在训练账本
参数和跑分都是发布会上的常规动作。这份训练账本才是这次值得记一笔的地方，因为它把后训练（强化学习）提到了和预训练几乎平级的位置。
预训练这一段：不到 4 周，跑在 6144 张 GB300 NVL72 上，按 GPU 时间粗算约 410 万 GPU 小时的上限。
后训练这一段：4 周，10500 张 GB300，产出了超过 1 亿次 rollout，约 13 亿次沙箱执行，拼了近 100 万个编程、Agent、STEM、终端、搜索和工具调用的环境，单轮上下文最长到 25.6 万 token。按 GPU 时间粗算约 710 万 GPU 小时。
这两个数字不能直接当算力账对比，预训练和强化学习用卡的方式不一样。但有一个结论是清楚的：这家公司把强化学习当成了独立的扩展轴，而不是训练流程里一个收尾环节。官方还说，算力往上加的时候跑分一直在涨，到本轮训练结束都没看到平台期。
对做技术选型的人来说，这句话比跑分表重要——它意味着现在这个成绩可能只是起点。
三、跑分怎么读：赢在哪，输在哪
官方表格里的亮点是这些：SWE-Bench Verified 80.9，SWE-Bench Multilingual 78.0，Terminal Bench v2.1 80.1，SWE Bench Pro v1 65.5，AIME 2026 97.8，GPQA Diamond 90.5。
但把同表里的中国模型拉到一起看，故事就完整了：
- 对 GLM-5.2：DeepSWE v1.1 是 44.4 对 44.0，SWE Bench Pro v1 是 65.5 对 62.1，Beam 小胜；换成 Terminal Bench v2.1 是 80.1 对 81.0，AIME 是 97.8 对 99.2，HLE 无工具是 36.2 对 40.5，Beam 落后
- 对 Kimi K3：Terminal Bench 88.3、DeepSWE 68.0，差距是两位数
- 对 DeepSeek V4.1 Flash：Terminal Bench 90.6、DeepSWE 74.2，差距更大
官方自己也没绕：Kimi K3 这类模型在原始能力上仍然领先，Beam 的卖点是推理时的效率。
口径上有四条边界必须记住：这是自家出的题、自家跑的；权重还没放，谁也复现不了；TechCrunch 说联系厂商要更多验证材料没得到回复；AIME 2026 这种数字在多个模型上已经逼近满分，区分度本来就有限。
三周前的德国 Kolibri 走的是另一条路——它把卖点放在合规和主权上（那篇拆得很细）。Beam 和它几乎是同一周、两种不同的「西方开源叙事」，拿来对照读会有意思。
四、「效率」到底是怎么算出来的
官方给的说法是：同等推理水平下，Beam 的算力消耗是 GLM-5.2 的三分之一到四分之一。
具体算法是，用大约两倍的激活参数乘以平均生成的 token 数，来估算生成阶段的算力。
这个算法没算进去的部分也很明确：prompt 预填充、随上下文长度变化的注意力运算、以及实际服务的调度开销。所以它成立的范围是「模型层面的近似对比」，不等于你在云上真正的账单和延迟。
不过在真实场景里，23B 激活这个数字确实有用。它意味着同一张卡能塞进更多并发请求。对同时跑一批 Agent 的团队来说，这比跑分高两分更值钱——你的瓶颈往往不是模型够不够聪明，而是排队的任务太多。
五、为什么美国公司现在急着开源
因为场子确实丢了。
按追踪开源模型生态的统计，中国模型在累计下载量上 2025 年 8 月就反超了美国；阿里 Qwen 家族到 2026 年 3 月拿到 9.42 亿次下载。在 OpenRouter 上，中国开源模型占开源模型推理 token 的份额，14 个月内就冲过了 70%。
而美国三大厂的最强模型，至今仍是闭源的。
所以 Beam 是美国的答案：不跟你比谁更强，跟你比谁更省。这条路我们前几天刚见过一次——Kimi K3 和 GLM-5.3 被接进 OpenAI 的企业采购账单，那是中国开源模型换了个打法出海；现在轮到美国用效率反打。
钱从哪来也值得看。公司累计融资约 47 亿美元，最新一轮估值 250 亿美元（投前），英伟达是最大股东。算力上签了两笔大单：与 SpaceX 签到 2029 年，用孟菲斯 Colossus 2 数据中心的 GB300，爬坡期之后每月支付 1.5 亿美元，总额最高约 63 亿美元；与 Nebius 的合作超过 10 亿美元。
但真正的生意不在模型。Reflection 卖的是「AI 工厂」：企业在自己的机房、用自己的数据，把基础模型训练成专属版本。韩国新世界集团已经签了 250 兆瓦主权 AI 工厂的合作备忘录——土地、电力、许可、融资由新世界负责，设备设计和运营归 Reflection。注意这只是意向，不是确定客户合同。
顺带一个有点反讽的结构：英伟达既是股东，又是间接的算力供应商。它同时在闭源那边押了 OpenAI，在开源这边押了 Reflection。
六、现在能用吗
三条实话。
第一，今天用不上。权重没放，只能排等待名单。官方说发布时会通过大厂云和 neocloud 分发，也会进开源库。
第二，如果效率的说法被第三方证实，受益最大的是自己托管开源模型、需要跑批处理的团队。省钱这件事在并发场景里是复利。
第三，别把它当成「美国最强开源」。它是「够用而且便宜」。这两句话在选型时的含义完全不同。同期开源模型里的开源第一类选手我们还是见过几个的，比如小米 MiMo-V2.6 那种把训练账单连 OOM 都公开的写法，以及H Company Holo4 那种能商用的那版只剩一半水平的教训——都提醒一件事：参数和跑分从来不是全部。
七、老达点评
第一，这次最值钱的不是 501B，是把强化学习当成独立扩展轴的思路。参数堆到一定程度，边际收益肉眼可见在下降，而顺着算力加 RL、跑分还在涨，这是条更值得跟的线。想系统跟这条线的，可以从AI 编程工具专题翻起，里面几篇把不同厂商的编程能力演进串起来了。
第二，「便宜三到四倍」这种话要跟「跑在哪」一起看。算法排除掉的预填充和注意力开销，恰恰是长上下文场景里的大头。对跑 Agent 的团队，这部分才是你的真账。想理解 Agent 成本结构的，AI 智能体与自动化专题里有几篇实测。
第三，开源在美国已经变成产业政策加商业模式。模型是诱饵，「AI 工厂」才是货。送出去一个免费的好模型，卖回来一整套私有基础设施——这笔账对卖卡的人是划算的。
第四，也是最重要的：等权重落地，等第三方复现。发布会上的跑分表可以看，但不能拿来做技术选型。三到六周之内，社区会给出第一个独立的答案。
