Beam 运营中

Beam 是 Reflection AI 推出的首款开源大语言模型，采用 501B 参数的稀疏 MoE 架构，每 token 仅激活 23B，支持 100 万 token 上下文，预训练消耗 23.8T token。Beam 的训练过程堪称重工业级别的算力展示，预训练用 6,144 张 GB300 不到四周跑完，用 10,500 张 GB300 进行为期四周、超 1 亿次 rollout 的大规模强化学习。

编程开发：在软件工程任务上达到 GLM-5.2 同级水平，是面向企业编码负载的主力模型。
Agent 执行：具备工具调用、终端操作、网页搜索等能力，可自主完成多步任务，甚至学会调用其他大模型和 OCR API。
长文本处理：支持 100 万 token 上下文，能从超长代码库和文档中定位并关联关键信息。
可调推理强度：用户通过 reasoning effort 参数在短回复与长推理之间灵活切换，匹配不同任务和算力预算。

微信关注回复“开源”，加入AI开源项目交流群
稀疏 MoE 架构：模型总参数 501B，但每次只激活 23B，通过细粒度路由专家配合辅助损失无关的负载均衡实现近均匀的专家利用率，最忙专家负载仅 1.04×，是 Beam 推理高效的硬件级基础。
两阶段大规模训练：预训练在 6,144 张 GB300 上用不到四周消化 23.8T token，配合拓扑感知调度器和静默数据损坏检测，goodput 达 92.3%；之后用 10.5K 张 GB300 做四周强化学习，产生超 1 亿次 rollout，期间平均维持 11 万并发 rollout 和 17 万并发沙盒。
全异步 RL 系统：采用异步 policy gradients，支持 rollout 与训练并行，通过给每个 token 标记生成它的模型版本处理策略陈旧问题，即使样本落后当前策略一天（107 个版本）数值依然稳定；新权重经 RoCE 分层分发到推理集群仅需中位数 12 秒。
长度可控的推理学习：在 RL 中加入长度惩罚项，让模型先学会用更少 token 解题、再在 agentic 能力增强后自然扩展推理长度，形成能力-token 消耗的最优权衡，由用户按需调节。

当前阶段权重未放出，仅向部分用户提供预览版，访问 https://platform.reflection.ai/ 可申请早期体验。

推理效率极高：用 3–4 倍低于 GLM-5.2 的推理算力达到同级推理水平，比 Qwen 3.8-Max 等 2T+ 模型节省更多，智能密度突出。
激活参数极小：501B 总参中每 token 仅激活 23B，稀疏 MoE 设计大幅压低部署和推理成本。
RL 规模业界罕见：10.5K 张 GB300 连续四周、超 1 亿次 rollout，是开放实验室中迄今最大规模的 RL 训练之一。
训练稳定性强：预训练全程仅 9 次半自动回滚、goodput 达 92.3%，训练曲线无失稳，工程成熟度极高。
推理长度可控：用户可通过 reasoning effort 参数自由调节推理深度，在性能与成本间按需权衡。

项目官网：https://reflection.ai/blog/introducing-beam

企业私有编码助手：企业可完全自托管构建低成本、数据不出内网的 AI 编程助手。
代码库级重构与审计：凭借 100 万 token 上下文窗口，Beam 能一次性载入整个中型代码库，跨文件理解依赖关系执行大规模重构或安全审计。
自动化 Agent 工作流：Beam 经超 1 亿次 rollout 强化学习训练出工具调用、终端操作与网页搜索能力，可驱动数据分析、运维巡检等长链路多步任务。
政企主权 AI 部署：作为美国本土团队开发的开放权重模型，Beam 可审计、可隔离部署，契合政府、能源、军工对非中国供应链模型的合规采购需求。