Reflection 于 2026 年 10 月 5 日发布首个开源权重模型 Beam：稀疏混合专家结构，总参数 5010 亿，每个 token 激活 230 亿，纯文本，上下文 100 万，许可证计划为 Apache 2.0。

训练规模给出两组数字：预训练用了 23.8 万亿 token，在 6144 张 GB300 上不到 4 周完成；强化学习阶段在 10500 张 GB300 上运行 4 周，产出超过 1 亿次 rollout，官方称样本落后一天以上时训练仍保持稳定。

官方自述的成绩是 SWE-bench Verified 80.9、Terminal-Bench 2.1 80.1、SWE-bench Pro v2-Hard 77.2，并称达到同等推理效果所需算力约为对比开源模型的三分之一到四分之一。

发布与可取用要分开看：截至发布当天权重未开放，官方称完成红队与评测后于本月晚些时候放出权重、技术报告与模型卡，目前只接受早期访问登记。

第三方视角给了一致但有保留的读数：独立评测机构有早期访问，判断其token 效率可能位于开源模型前列；也有分析认为其实际位置接近 GLM-5.2 一档，低于部分同期模型。

对普通职场人来说，能否用上取决于权重与技术报告落地的时间；在这之前，公告里的跑分与算力对比均属厂商自述，尚无第三方复现结果可查。

—
综合 ★★★★☆
阅读门槛 ★★☆☆☆ 混合专家、激活参数、rollout 需要先知道含义
适合人群 评估开源模型替代方案的研发与技术选型岗
专业性　 ★★★☆☆ 结构与训练规模具体，跑分仍为厂商口径
信息量级 ★★★★☆ 结构、训练、成绩、开放时间四组事实齐全
来源：Reflection 发布公告（2026-10-05）、MarkTechPost（2026-10-05）
#大模型 #开源模型 #推理成本