AI 工具多語對照

Reflection AI Beam 評價：501B 開放權重模型，官方數字 vs 英中日社群

更新:2026-10-09|搜尋範圍:2026-09-25 ~ 2026-10-09|查了 en, zh-CN, ja, zh-TW|來源 9 條

一句話結論

Beam 是美國新創 Reflection AI 的第一個開放權重模型，501B 總參數、每個 token 啟用 23B，主打程式碼與代理任務，官方預計 Apache 2.0、10 月內放出權重，目前只能候補早期存取。所有成績都是官方自報，官方也承認 Kimi K3 的原始能力仍領先；社群熱議的焦點是「權重還沒放」與它輸給部分中國模型。

官方說法

Reflection 官方文章把 Beam 定位為稀疏 MoE：501B 總參數、23B 活躍，純文字，中期訓練把有效上下文拉到 100 萬 token，強化學習最長用到 256K。預訓練用 23.8 兆 token，在 6,144 張 GB300 NVL72 GPU 上不到四週完成；強化學習用 10,500 張 GB300 跑四週。[1]

官方自報成績（頁面標示 10/8 更新）：SWE-bench Verified 80.9、SWE Bench Pro v1 65.5、Terminal Bench v2.1 80.1、DeepSWE v1.1 44.4、AIME 2026 97.8、GPQA Diamond 90.5、HLE（不用工具）36.2。效率上，官方稱在進階推理基準上與 GLM-5.2 相當，但推理算力少三到四倍；算力是以活躍參數乘生成 token 估算，不含 prefill、注意力與服務開銷。[1]

官方自己承認：Kimi K3 的原始能力仍領先；Terminal Bench 與 DeepSWE 都落後 GLM 5.3、Kimi K3、DeepSeek V4.1 Flash；部分欄位寫「未報告」；最終紅隊測試與評估還在進行，安全評估留待技術報告。授權寫 Apache 2.0，權重、技術報告、模型卡預計 10 月內釋出；價格與硬體需求官方頁沒寫。[1]

各語言圈怎麼討論

語言圈找到幾則主要聲音代表來源
en3沒有權重就無法驗證；落後部分中國開放模型；融資規模與估值引人注目[2][3][4]
zh-CN1轉述官方，強調對標中國模型，指出全是自報[7]
ja2規格與開放時程的報導；一篇警告「西方的 DeepSeek」是行銷式說法[8][9]
zh-TW2以「美國反攻中國開放模型」為主軸，未載獨立評測[5][6]

英文圈：TechCrunch 指出效能與效率說法未經獨立驗證，與 Inkling 的比較並非同條件（Inkling 是多模態、Beam 只有文字），並報導 Reflection 累計募資約 47 億美元、最近一輪估值 250 億美元（pre-money）、與 SpaceX、Nebius 簽了合計超過 70 億美元的算力合約，Reflection 沒回應該報的詢問。[2] Trending Topics 的整理更直接：Beam 在多項測試落後 Kimi K3、GLM-5.3 與 DeepSeek V4.1 Flash，並指出它挑的是強勢中國模型沒有成績的測試來報最好的數字，且 Beam 尚未列入 Artificial Analysis 智慧指數。[3] Hacker News 發布串有 552 分、174 則留言：有人質疑「看不到權重的模型沒有意義」，有人指出基準圖的說明把一個「幾天前才出現」的謎題寫錯（該題至少 2025 年 8 月就存在，團隊已更正說明），也有人估計用 Q4 跑需要兩台 128GB 統一記憶體機器、約一萬美元，這是留言者的推估。[4]

TechCrunch 還提到 Reflection 的策略是替企業與主權國家建「AI 工廠」，讓機構用自己的專有資料訓練 Reflection 的模型，正與韓國新世界集團測試合作；報導也點出 Nvidia 是投資人，也會因 AI 工廠模式而受惠。[2] 官方文章則補充強化學習規模：超過 1 億次 rollout、約 100 萬個環境、約 13 億個沙盒，平均同時 11 萬個 rollout。[1]

簡中圈：IT之家經鳳凰網轉載，只轉述 501B/23B 與對標 GLM-5.2、接近 Qwen3.8-Max，並指出沒有獨立評測、授權與價格未提。[7] 簡中搜尋沒有找到個人實測。

日文圈：Impress Watch（10/6）寫明早期存取開放、權重預計 10 月內公開，並說 Beam 的原始能力不及 Kimi K3、主打推理效率，沒有授權資訊與詳細分數。[8] Business Insider Japan（10/7）指出「西方的 DeepSeek」是行銷式比喻而非技術比較，熱度多來自投資人與社群貼文；同文提到 Reflection 在 2026 年 6 月確認一輪 250 億美元 pre-money 估值的募資，投資人包含 Nvidia、Sequoia 與 Citigroup，並指出 Beam 進入的是 Meta、Mistral、Nvidia、Thinking Machines Lab 與多家中國公司已很擁擠的開放模型市場。[9]

繁中圈：中央社（10/6）轉譯路透稿，沒有分數也沒寫授權。[5] INSIDE 轉載鉅亨網，列出自報分數，但把預訓練寫成「約 2.38 兆 token」，與官方的 23.8 兆差十倍，應是筆誤。[6]

官方 vs 實際

項目官方說社群/第三方看到來源
效率與 GLM-5.2 相當，算力少 3–4 倍官方註明算力為估算、不含 prefill 等；TechCrunch 稱未獨立驗證[1][2]
對手比較近 Qwen3.8-Max；Kimi K3 較強Terminal Bench 80.1，對 GLM 5.3 的 88.2、DeepSeek V4.1 Flash 的 90.6 有差距；DeepSWE 44.4 對 74.2[1][3]
取得方式候補早期存取，權重 10 月內HN 留言要求先放權重再談；日文報導強調只是「予定」[1][4][8]
授權Apache 2.0（計畫）留言指出要權重放出後才有意義[1][4]
模態純文字Trending Topics 注意到它只收文字輸入[1][3]

適合誰、不適合誰

時間線

還沒查到的

來源

  1. Reflection AI 官方 — Introducing Beam — https://reflection.ai/blog/introducing-beam — en
  2. TechCrunch — Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost — https://techcrunch.com/?p=3173994 — en
  3. Trending Topics — Beam: Reflection AI Takes Aim at China's Lead in Open A.I. Models — https://www.trendingtopics.eu/reflection-ai-beam-open-weight-model/ — en
  4. Hacker News — Beam: Reflection's 501B open-weight model（552 分，174 則留言） — https://news.ycombinator.com/item?id=49969183 — en
  5. 中央社 — Reflection推出首款AI模型 挑戰中國開放模型對手 — https://cna.com.tw/news/aopl/202610060286.aspx — zh-TW
  6. INSIDE（轉載鉅亨網） — 美國 AI 反攻中國開放模型！Reflection AI 背靠輝達 推首款模型 Beam 迎戰 DeepSeek、Kimi — https://www.inside.com.tw/article/42573-reflection-ai-beam-open-weight-model — zh-TW
  7. 鳳凰網（轉載 IT之家） — 对标中国AI模型：英伟达投资的Reflection AI发布旗下首款开放权重模型Beam — https://tech.ifeng.com/c/8wzmoqIYoJA — zh-CN
  8. Impress Watch — Reflection、米国発のオープンウェイトモデル「Beam」 — https://www.watch.impress.co.jp/docs/news/2145917.html — ja
  9. Business Insider Japan — 「西側のDeepSeek」とは？Beam — https://www.businessinsider.jp/article/2610-what-is-beam-american-ai-model-deepseek-of-the-west/ — ja