Reflection Beam：501B 參數開源模型挑戰中國對手

十月初，一家成立才兩年的紐約新創 Reflection AI 丟出了一個叫 Beam 的模型。它不走 API 封閉路線，而是打算把權重完整公開；它的總參數量是 5,010 億，但每次推論只啟用 230 億。公司自己給的說法很直白：在進階推理測試上與中國領先的開源模型打成平手，而推論階段花掉的算力只要對方的三分之一到四分之一。

如果這些數字站得住腳，那麼過去一年多「開源權重的前沿由中國隊領跑」的局面，第一次出現了來自美國的正面回應。

Photo by Doon _MUC on Unsplash

先分清楚：開源權重不等於開源軟體

這兩年「開源 AI」這個詞被用得很鬆，值得先把定義釘好。一般講的開源軟體，是原始碼、建置流程、修改權利全部公開。而目前業界講的「開源權重」（open-weight）只公開一件事：訓練完成的那包參數檔。訓練資料怎麼來、資料配方如何、訓練程式碼長什麼樣，多半不會附上。

但對實際要用的人來說，權重公開已經夠關鍵了。拿到權重，代表你可以把模型下載到自己的機房或自己的雲端帳號裡跑，資料不必離開自家網路；代表你可以用自己的領域資料去微調；也代表供應商哪天漲價、改條款、甚至收掉服務，你手上那包檔案還在。

Reflection 表示 Beam 的權重會以 Apache 2.0 授權在十月釋出，同時附上技術報告與模型卡。Apache 2.0 是相對寬鬆的授權，商用、修改、再散布的門檻都低。在此之前，公司先開放一個候補名單，讓部分使用者試用早期版本。截至撰稿時，完整權重尚未公開，所有效能數字都還停留在廠商自述的階段。

為什麼是現在：開源權重的前沿換過好幾次手

把時間拉長來看，開源權重這條線的領先者換得很頻繁。早期由 Meta 的 Llama 系列定錨，後來 Mistral、Qwen 陸續跟上，再後來 DeepSeek 以極低的訓練成本把整個行業的預期打亂。到了 2026 年，排在最前面的開源權重模型，名字幾乎都來自中國團隊——Z.ai 的 GLM 系列、阿里的 Qwen、月之暗面的 Kimi。

這件事為什麼重要？因為「用什麼模型當底座」會往下決定很多事。一家公司如果要做地端部署、要微調、要控制資料不外流，它幾乎只能從開源權重模型裡選。選了哪一個，就等於接受了那個生態的工具鏈、社群慣例與升級節奏。對企業、對政府部門、對有資料落地要求的產業來說，這不是一個純技術選擇。

Beam 的出現，提供的是另一個選項。TechCrunch 在報導中直接把它定位成「要和中國開源模型競爭、而且推論成本更低」的產品。Reflection 自己則把 Beam 稱為給企業、公部門與開發者使用的「工作馬」（workhorse）模型，定位相當務實：不追求樣樣都會，而是把推理、程式碼與代理人任務做穩。

Photo by Ciprian Pardău on Unsplash

規格與數字：大模型，小開銷

Beam 是純文字的混合專家（Mixture of Experts，MoE）模型，預訓練用掉 23.8 兆個 token，中段訓練把有效上下文拉到 100 萬 token，強化學習階段則以 25.6 萬 token 為上限。它不處理圖片與影音——這點和主打多模態的競品不同，取捨很明確。

MoE 的概念是整個模型裡養了一大群「專家」，每次推論只點名其中一小部分上工。Beam 的 5,010 億總參數裡只有 230 億是活躍參數，這就是它敢宣稱推論便宜的結構性理由。作為對照，Reflection 引用的 GLM-5.2 約為 7,440 億總參數、400 億活躍參數。

Reflection 公布的自測成績包括：Terminal Bench v2.1 80.1、SWE-Bench Verified 80.9、SWE-Bench Pro v2-Hard 77.2、AIME 2026 97.8、GPQA Diamond 90.5、Humanity's Last Exam（不使用工具）36.2。公司表示這些成績與 GLM-5.2 相當，在程式與代理人任務上接近 Qwen 3.8-Max，但在原始能力上仍落後 Kimi K3。至於「省 3 到 4 倍推論算力」這個說法，Reflection 自己也註明是概略比較。

這裡要說得清楚一點：以上全部是廠商自行發布的數據，目前沒有第三方複現。模型評測的慣例是等權重真的放出來、社群跑過一輪之後再下定論，中間的落差在這個產業並不罕見。把它當成「值得追蹤的宣稱」，比當成「已確認的事實」合理。

Photo by Dima Solomin on Unsplash

背後的資本與算力：這不是小團隊的實驗

Reflection AI 由兩位前 Google DeepMind 研究員於 2024 年創立。根據 PitchBook 的資料，公司累計募得約 47 億美元，投資方包含 Nvidia、Sequoia Capital 與 Lightspeed，最近一輪的投前估值為 250 億美元。它同時與 SpaceX、Nebius 簽下合計超過 70 億美元的算力合約，鎖定 Nvidia GB300 晶片的使用權到 2029 年。

商業模式上，Reflection 推的是所謂「AI 工廠」：讓機構用自己的專有資料在自家環境訓練模型，建立在地化的 AI 系統。目標客戶是企業與有主權需求的國家，據 Axios 報導，對沖基金與交易公司也在詢問之列。公司目前正在南韓與新世界集團測試主權 AI 合作案，並規劃一座 250 百萬瓦等級的主權 AI 雲。此外，Reflection 也服務美國能源部 Genesis Mission 底下的 17 座國家實驗室。

把這些拼起來，可以看出 Beam 的開源不太像理想主義。權重免費釋出，換來的是生態採用、是「AI 工廠」的入口、是把估值撐在 250 億美元的敘事。開源在這裡是通路策略，不是慈善。這不是批評——DeepSeek、Qwen、Llama 的開源背後，也各有各的商業盤算。

對一般企業的實際意義

先講一個常見的誤會：權重公開，不代表隨便哪台機器都跑得動。5,010 億參數的模型，即使只有 230 億活躍，權重仍然得整包載入記憶體，這對硬體的要求遠超過一般伺服器。多數公司真正的取得方式，還是透過雲端業者與 GPU 租賃平台提供的託管服務——只是這時候你有了議價空間與搬家能力，因為同一包權重在哪家跑都一樣。

第二，活躍參數少帶來的成本差異，會在「量」上面被放大。單次呼叫省下的錢微不足道，但若一套系統每天要處理數萬次分類、摘要、比對，推論算力差三倍就是整年預算差三倍。對於把 AI 放進日常流程、而不是只拿來做 demo 的團隊，這個差距遲早會出現在帳單上。

第三，百萬 token 的上下文窗口，實務上的意義是「一次塞得下一整份合約、一整套法規、或一個中型程式碼庫」。這讓很多原本要靠檢索拼湊的流程可以簡化。不過上下文長並不等於模型會均勻地讀完全部，長文本的實際表現仍需個案測試。

第四，純文字是個限制。如果你的情境包含掃描文件、產品照片、介面截圖，Beam 單獨撐不起來，得另外搭配多模態模型。

幾個值得留意的觀察

第一，開源權重的競爭正在從「能力」轉向「每單位能力要花多少算力」。當各家在測試分數上愈靠愈近，差異化就會移到成本與部署難度上。Beam 的賣點不是分數最高，而是同樣的分數花更少錢——這個方向大概會被其他團隊跟進。

第二，模型來源正在變成一個採購考量。過去選模型看的是效能與價格，現在不少組織會多問一句權重是誰訓練的、授權條款寫了什麼、未來版本的維護由誰負責。開源權重陣營出現地理上的第二個選項，對採購端是好事，因為有替代方案才談得上議價與退路。

第三，別把廠商自述的 benchmark 當成採購依據。真正能決定一個模型適不適合的，是拿自家資料、自家任務跑一輪。公開測試題目涵蓋的範圍跟任何一家公司的實際工作內容，差距通常都不小。等權重正式釋出、社群評測出來之後再評估，成本更低也更準確。

第四，對台灣的中小企業而言，短期內這件事多半不會直接改變什麼。真正會被影響的是上層的服務供應商——他們換了底座，你用的工具才會跟著變便宜或變好用。值得追蹤，但不必急著反應。

小結

Beam 目前還是一個「宣稱」階段的產品：權重未公開、數字未複現、實際部署案例也還沒浮現。但它指出的方向相當清楚——開源權重的前沿不再只有一種來源，而競爭的焦點正從「誰更強」移動到「誰更省」。等這個月權重正式釋出、第三方評測陸續出來，再回頭看這些數字兌現了多少，會是比現在更有意義的一刻。