10 月 5 日，Nvidia 参投的 Reflection AI 发布了首个开源模型 Beam：501B 参数、每任务只激活 23B，主打代码和智能体任务，公开对标国产开源模型。消息一出，“西方 DeepSeek"的标题就满天飞。

先说最重要的结论，免得你被标题误导：截至 10 月 10 日，Beam 的权重还没有发布（10 月 9–10 日多家媒体确认：模型仍在做最后的安全红队测试，权重承诺 10 月内以 Apache 2.0 协议放出）。现在能拿到的只有一个候补名单制的 beta API，下载、量化、微调一概没有。所以这篇是解析篇——把已经核实的关键事实一次讲透；等权重正式放出，本博客会再出一篇实测篇。

下面 8 件事，是你现在最需要知道的。

1. Beam 到底是什么

一句话：Reflection AI（创始人是两位 Google DeepMind 前研究员：Misha Laskin，曾负责 Gemini 项目的奖励建模；Ioannis Antonoglou，AlphaGo 联创之一）的第一个大模型，稀疏混合专家架构（MoE），总参数 501B，每次推理实际激活 23B，纯文本模型，主攻代码、推理和智能体任务。

模型 ID 叫 Beam-501B-A23B。训练规模不小：预训练用了 6144 块 GB300，不到 4 周，吃了 23.8T tokens；强化学习阶段用了 10500 块 GB300 跑了 4 周，做了 1 亿多次 rollouts。

2. 权重什么时候发？还没

官方口径：权重将在 10 月内以 Apache 2.0 协议放出，同时附带技术报告、model card、文档，以及运行、评测、微调的全套工具链。目前模型还在做最后的安全红队测试（final red-teaming），只有候补名单能提前用 beta API。

3. beta API 现在是什么状态

根据 Reflection 官方博客和文档（10 月 6 日读取）：

  • 接口地址是 api.reflection.ai/openai/v1，兼容 OpenAI 接口格式，现有代码迁移成本低；
  • 上下文长度 256k——注意，这里和宣传的"1M 上下文"有出入：1M 是训练中期达到过的指标，当前 beta API 给的是 256k，官方脚注还写了 beta 期间可能变动；
  • 有一个 reasoning_effort 参数，五档可调（low / medium / high / xhigh / max），默认 medium，没有关闭推理的开关；
  • 价格还没公布，控制台在注册墙后面。

想尝鲜只能去官网排 waitlist。

4. 官方跑分怎么看：效率叙事，不是榜首叙事

先划重点：以下全是官方自报成绩，未经独立验证，TechCrunch 已经点名说过这一点。看的时候打个折。

官方公布的：AIME 2026 97.8、GPQA Diamond 90.5。共享榜单上有意思的几组：Terminal Bench v2.1 得 80.1、DeepSWE v1.1 得 44.4——而 Kimi K3 是 88.3 / 68.0，GLM-5.3 是 88.2 / 61.0。也就是说，在自家放出来的榜单上，Beam 并没有赢过 Kimi K3 和 GLM-5.3，大致和 GLM-5.2 一个水平。

Beam 真正的卖点是效率：官方说法是，用大约 1/3 到 1/4 的推理算力，达到 GLM-5.2 级别的效果。编码类对比里，SWE Bench Pro v2-Hard 上 Beam 77.2，对 Thinking Machines Lab 的 Inkling（56.9）优势明显——但 Inkling 是多模态模型，Beam 是纯文本，赛道不完全一样。

一句话总结：别冲着"最强"去，冲着"便宜好用"去理解它。

5. “开源"不等于你能跑

501B 参数，8-bit 量化大约需要 500GB 显存，4-bit 减半也要 250GB。这不是工作站能碰的体量。在社区量化版出来之前，“开源"二字对个人用户更多是象征意义——别被"开源"误导，现在就去规划下载。

6. 为什么叫"西方 DeepSeek”

这个外号不是官方起的，是投资人在今年 3 月接受《华尔街日报》采访时叫出来的，指的是"用 DeepSeek 式的高效+开放路线，但由美国公司来做”。

数据上确实有这个趋势：Vercel 网关统计，2026 年 8 月开源权重模型占其平台处理 token 量的 56%，而 2025 年 12 月只有 7%。头部基本是 DeepSeek、Kimi、GLM、Qwen 等中国实验室——这正是"西方需要一个自己的 DeepSeek"叙事的由来。

Reflection 的真实目标客户也很直白：那些因为合规原因不能用中国模型的企业和主权机构。它正在向这类客户推销"AI factory"概念，而且已经在训练下一代更强的模型。

7. 现在你能做什么

  • 想尝鲜：去 Reflection 官网排 beta API 的 waitlist，注意价格未定、控制台要注册；
  • 想部署：什么都不用做，等权重。社区量化版出来之前，个人硬件基本没戏；
  • 想追踪：盯住 10 月内权重发布 + 技术报告，这是验证官方宣传的唯一机会。

8. 还有三件事不知道

写这篇时，以下信息官方还没给，看到有人言之凿凿可以直接无视：

  1. API 定价（未公布）；
  2. 权重确切发布日期（只说了 10 月内）；
  3. 1M 上下文会不会随权重发布一起兑现。

结尾

Beam 的故事线很清晰：效率优先的开源大模型 + 吃"非中国"红利的商业叙事。技术上有没有真东西，要等权重和技术报告放出、独立评测跑完才知道。

另外 10 月 6 日 Mistral 发布了万亿参数的 Mistral Large 4（内部代号 “Le Chonk”，原生多模态），API 预览已上线、权重承诺 10 月底放出——“西方开源"一下从独角戏变成了双雄会。权重一发布，本博客会第一时间出实测篇：两家放一起，能跑多快、代码能力到底什么水平、和 GLM、Kimi、Qwen 再比一比。先收藏这篇，实测见。