成立仅两年的Reflection AI，近日提交了其首个开放权重模型Beam，标志着这家公司在技术创新上的实践终于交出了一份重量级答卷。2023年10月5日，Reflection AI在美国时间正式发布了Beam，这一新模型专注于编程、推理及智能体任务。这个开放权重模型的创新之处在于允许用户直接下载和部署，同时依据不同的许可证条款，用户也可对其进行修改及商业用途。

美国的科技媒体和业界人士纷纷将Beam视为美国在人工智能领域对中国竞争的一次积极回应，这一点在公司的宣传中也得到了验证。根据Reflection AI官方资料，Beam在编程和智能体任务上的表现与智谱GLM 5.2可谓不相上下，甚至接近阿里巴巴的Qwen 3.8-Max，尽管在一些核心能力上仍然不及Kimi K3等领先模型。然而，Beam的意义绝不仅限于性能比较。Reflection AI明确瞄准那些不愿意或无法使用中国模型的企业及政府客户，意在为他们提供可控的AI解决方案。在美国市场上，这一用户群体相对较小，却具潜在巨大需求。Reflection AI不仅获得了数十亿美元的融资，还配备了顶级的GPU资源以及来自Nvidia的支持，此外还受益于美国政府及主权AI项目的资源整合。这也解释了为何即便其产品尚未完全傲视群雄，仍能引起广泛关注的原因。

那么Reflection AI究竟是一家什么样的公司？而Beam又取得了怎样的成绩呢？在一场播客采访中，Reflection AI的创始团队透露，Beam采用了MoE架构，总参数量接近5000亿，但在推理阶段仅激活230亿参数。与之对比，DeepSeek-V3的总参数为6710亿，激活370亿；而月之暗面Kimi K2则达到1万亿参数，激活320亿。智谱GLM-4.5的总参数为3550亿，激活同样为320亿。值得一提的是，Reflection AI强调Beam在推理效率上的优势，该模型在应对相似难度的推理任务时，其Token消耗和计算量仅为GLM 5.3和GPT-6 Luna等模型的约1/3到1/4。官方提供的数据也显示，Beam的预训练数据达到了惊人的23.8万亿Token，而DeepSeek-V3的预训练数据为14.8万亿，Kimi K2则约为15.5万亿Token。Beam还经历了一轮高强度的强化学习训练，依赖10500张Nvidia GB300 GPU的连续运行，生成了超过1亿次Rollout。这一系列操作表明，Reflection认为，前沿模型的扩展方式正在经历变革：不再单纯追求参数和训练数据的增多，而是将重心转向强化学习的规模化。 球友会官网

Reflection AI的成功，体现出其在技术上的大胆验证。对于一家新兴公司而言，是否能够通过大规模的强化学习，将一个只有部分激活参数的模型提升至接近中国头部开放模型的水平，实际上是公司勇敢试图打破界限的体现。

Reflection并非一夜之间崛起的模型公司。它由两位前Google DeepMind研究员Misha Laskin和Ioannis Antonoglou于2024年创立。Laskin和Antonoglou曾是Gemini 1和1.5项目的参与者，Antonoglou还是AlphaGo核心团队成员之一。然而，最初两位创始人并未打算从零开始构建基础模型。在一次节目中，Laskin回忆道，他们成立Reflection时的主要判断在于：强化学习将把大模型引向更具创新性的Coding和智能体任务，而西方将陆续出现强大的开放模型，因此无需重复训练基础模型，完全可以在现有的模型基础上进行强化学习和智能体的研究。然而，随着DeepSeek V3的推出，西方开放模型与中国开放模型之间的差距迅速拉大，期待的强大开放模型迟迟未见，Reflection决定自己下场争夺这一市场。

Beam的问世，正是Reflection在这一战略转型后的首个成果。尽管过去一年内，最强大的闭源模型依然位于美国公司手中，但开放模型市场正在逐渐向中国倾斜。DeepSeek、Qwen、智谱、Kimi等中国模型的频繁出现在全球开发者的关注名单中，OpenRouter的排名也显示，领先的开放模型大多来自DeepSeek、智谱、小米、腾讯等中国企业。Reflection及美国政府的目标，是重夺这一市场的控制权。 球友会官网