反射光束成为中国以外开发的最强大的 open-weight model

超级描述: Reflection Beam激活了5010亿个参数中的23十亿个,并使用 10,500Nvidia GB300 GPU 与开放重量 AI模型在低计算速度竞争.

标签: Reflection Beam,开放权重 AI,专家混合,强化学习,AI编码

首选图片:抽象技术风格的神经网络图,数据流和聚焦光束,没有人,标志或文本.

Reflection Beam Reflection公司的首个免费可用的模型,是围绕一个与峰值排行榜性能不同的问题构建的:每个计算单元可以购买多少推理.它的专家混合架构每令牌激活了5010亿个参数中的23亿个,使其与Deepseek和Qwen的中国开放权重模型相比较.

从深度思维的根源到 2024 创业公司

拉斯金领导了双子座的奖励建模,安东诺格卢帮助建立AlphaGo.该公司于3月10日以1100万美元的种子资助推出,其目标是通过自主编码来构建超级智能.它的早期论文是语言模型可以学习在计算机上像阿尔法戈玩围棋一样独立行动,如果通过基于电脑的任务反得到加强.

该路线图随后通过了可见的产品步骤.在夏天2025,Reflection发布了分析大型代码库的代理商Asimov.10月,它以13亿美元的估值筹集了12亿美元,Nvidia是投资者之一.从那时起,Reflektion已将自己作为Deepseek和Qwen的西方对手:它释放模型权重,同时保持训练数据和管道专有.最近,它与SpaceX和云提供商Nebius签署了一项价值数十亿元的计算协议.

10,500 GPU强化学习运行

Beam是为编码,逻辑推理和代理任务而构建的,其专家设计混合激活每令牌5010亿个参数中的23亿个以保持计算成本相对较低.Reflection表示Beam与GLM 5.2在使用3到4倍更少计算时要求推理任务方面匹配. 在编码和代理基准上,它也接近更大的Qwen3.8-Max. 该公司承认像 Kimi K3这样更强大的开放模型仍然在原始性能上击败了它,并说已经在培训一个旨在缩小剩余差距的后继者.

模型的能力来自于大规模的预训练加上一个强化学习阶段,该阶段使用了Nvidia GB300 GPU超过四周.反射称这是任何开放实验室所做的最大的培训运行之一.基准分数在运行结束时不断升,即使在超过8000万次推出中也没有停滞不前. Beam还暴露了一个可调用的参数用于推理深度:用户可以要求它快速回答或花费更多代币对任务进行更严格的思考,将计算成本与输出的质量交易.通过生成的代码来衡量,Reflection说Beam在类似性能水平下比GLM-5.2和Qwen3.8更加高效.

在训练期间,Reflection观察到新兴能力.通过推理,软件工程和终端任务的强化学习组合,Beam在浏览网页上得到了改进,尽管没有包含浏览任务.当网络访问时,模型自行学习查询其他语言模型并从外部服务中提取文档. Reflection共享的演示包括一个实时更新的 New York City 地铁地图,一款小型 3D 游戏以及微调另一个 AI 模型的笔记本. Beam仅以文字为主,但Reflex说它可以处理来自其他媒体格式的内容,只要它们被表示为文本.

安全模型,Apache 2.0权重和早期访问

一个单独的模型处理安全和对齐.反射训练了它,然后将其与Beam合并.规则涵盖严格的禁令,该模型绝不能打破,质量标准如事实准确性和承认不确定性以及直接,彻底和主动的响应风格.公司计划在技术报告中发布安全测试结果并开源开发的评估方法.

根据Reflection的说法,在本月晚些时候将发布一个技术报告,开发人员文档和开放Apache 2.0许可证下的模型权重.Beam仍处于最终安全测试阶段,而早期版本目前可供选择用户使用.因此,当前阶段是向公众发行迈进的开放权重声明.接下来要关注的是Apache 2.0,安全报告和继任者模型权衡.