Reflection AI 開源 501B 參數 Beam 權重及 Mirror CLI 訓練工具

Reflection AI 本週推出 Beam——採用 Apache 2.0 授權的 501 billion 參數開放權重模型。這是新聞焦點。但真正引起我注意的是：他們亦將 Mirror CLI 開源，這是他們實際使用的訓練工具組。Meta 從未為 Llama 做過這件事。

我沒有親自執行 Beam——目前還沒有獨立基準測試，因此以下內容均來自 Reflection 的發布資料及發布相關報道。請相應看待當中的效能聲稱。

模型

Beam 是一個稀疏混合專家模型：總參數量為 501B，每個 token 啟用 23B。它針對編碼、推理和 Agent 工作負載——與本週推出的 Muse Spark Open（816B，同樣是開放權重，但授權條款截然不同）屬於相同領域。

提供三種權重格式：BF16、FP8 和 NVFP4。另附 tokenizer 和參考實作。

授權條款才是亮點

Apache 2.0。僅此而已。沒有署名要求、營收門檻，也沒有「作為服務提供前須通知我們」的條款。如果你想在防火牆後自行託管，或在無須先讓律師審閲授權條款的情況下進行微調，這就是合適的選擇。

相比之下，Muse Spark Open 採用自訂授權條款（須署名；營收達 $20M+ 的公司須簽訂商業協議）。同一週推出兩個 500B+ 開放模型，理念卻截然相反。

Mirror CLI：沒有人討論的部分

這才是真正不尋常之處。Reflection 將他們實際使用的訓練工具組 Mirror CLI 開源。前沿實驗室不會這樣做。Meta 發布 Llama 時只提供權重，其他只能靠祈禱；訓練程式碼仍然沒有公開。

這件事為何重要：如果你正在進行嚴謹的微調或預訓練研究，瞭解前沿實驗室實際如何協調訓練作業，比權重本身更有價值。這就像不只得到蛋糕，還拿到食譜和廚房。

DFlash2

Beam 亦附有 DFlash2，這是一款針對 Agent 延遲而設的推測解碼草擬器，目標是處理 Agent 頻繁發出小型連續呼叫時那種時停時走的模式。如果你正在開發 Agent，值得留意；不過同樣要注意，這些都是供應商的聲稱，目前還沒有獨立數據。

值得關注嗎？

以下情況值得：

• 想要一款採用寬鬆授權、適合自行託管或微調的 500B 級模型
• 從事訓練／微調研究，並想了解真正實驗室使用的訓練工具組
• 正在比較本週的開放權重選項（Beam 與 Muse Spark Open 正是比較對象）

以下情況或許暫時不值得：

• 需要可靠的基準測試數據（目前沒有獨立數據）
• 想要一款可在一般硬件上執行的模型（501B 仍屬數據中心級別）
• 需要託管 API 定價（目前提供免費公開測試版，定價尚未確定）

我的看法

權重的發布是好消息，訓練工具組才是重點。前沿實驗室交出實際使用的訓練程式碼，在開放權重領域前所未有；這種做法能推動整個領域向前發展，而不只是造福 Reflection 的用戶。

我實際會這樣做：如果你今季正在評估開放模型，特別應將 Beam 列入候選名單，原因是它的授權條款。Apache 2.0 消除了整類法律障礙。

哪一種開放權重模型發布真正改變了你的開發方式——權重本身，還是圍繞權重的工具？

來源：Reflection AI 公告（Oct 15-16, 2026）；發布合作夥伴報道。所有能力聲稱均由供應商提供；目前還沒有獨立基準測試。