Reflection 發佈 Beam 開放權重，採用 Apache 2.0 授權

Reflection 於 2026 年 10 月 16 日在 Hugging Face 以 Apache 2.0 授權條款發布其首個開放權重模型 Beam 的權重；Baseten 則透過 Model APIs 和 Dedicated Inference，讓這款 501B 參數的混合專家模型在其平台上獲得首日支援。

Reflection 於 2026 年 10 月 5 日首次介紹Beam。當時模型正進行最後階段的紅隊測試和評估，早期存取僅向候補名單開放，公司並承諾於該月稍後發布權重。公司表示，Beam 的預訓練使用了 23.8 萬億個 token，並透過一次強化學習訓練進一步改良；該訓練在 10.5K 部 NVIDIA GB300 GPU 上歷時四周，產生超過 1 億次 rollout。

權重、文件及平台供應情況

在供應情況公告中，Reflection 表示，此次發布包括一份列出最終基準測試結果的模型卡，以及一份涵蓋模型完整安全方法論和評估的 Beam 安全技術報告。公司在供應情況公告中將此次推出描述為一個由超過 40 個合作夥伴及整合項目組成的生態系統，形成其所稱的「供 Agent 使用的開放式作業系統」：模型是核心，而參考 Agent 整合、部署容器、推理整合及自訂流程則在基礎設施層之上開放。

Reflection 亦在 platform.reflection.ai 開放其首方 API 的公開測試版，並表示用戶可免費開始使用。公司列出的推出平台包括 Amazon Web Services、Baseten、Cloudflare、CoreWeave、Databricks、Fireworks AI、Google Cloud、LM Studio、Microsoft Azure、Modal、Nebius、NVIDIA NIMs、Ollama、OpenRouter、Oracle、Together AI、Vercel 和 Weights & Biases 等。對於本地部署、主權及網絡隔離環境，Dell 和 HPE 可在防火牆內提供 Beam。

精度格式及框架支援

Reflection 以 BF16、FP8 和 NVFP4 精度格式發布權重，並一併提供投機解碼草稿模型。公司表示，已與合作夥伴合作最佳化推理服務配置，並開發融合核心程式，以降低延遲和提高吞吐量；公司稱這些措施可降低記憶體需求，並在開箱即用時加快 token 生成。

Beam 在 Hugging Face 的 Transformers、Inferact 的 vLLM、RadixArk 的 SGLang、Unsloth、Axolotl、LightSeek Foundation 的 TokenSpeed，以及 NVIDIA 的 Dynamo 中均獲原生首日支援。Reflection 表示，開發者可透過 Reflection 及其合作夥伴下載並自行託管模型、進行評估、按自身領域需求自訂模型，並將其連接至 Agent 系統。

Baseten 的首日支援及定價

Baseten 於 2026 年 10 月 16 日宣佈提供首日支援，讓用戶可透過 Baseten Model APIs 和 Dedicated Inference 使用 Beam。Baseten 的模型庫將 Beam 描述為由 Reflection 開發、採用 Apache 2.0 授權條款的純文字模型，並列出 Model API 每百萬個 token 的定價：輸入 $1.30、快取輸入 $4.30、輸出 $0.13。

Beam 是一種自回歸 Transformer，接受文字輸入並生成文字輸出。其混合專家架構共有 501B 個參數，每個 token 啟用 23B 個參數，上下文視窗最多可容納 100 萬個 token。

Baseten 在發佈文章中引述 Reflection 的評估結果，指 Beam 在 GPQA Diamond（評估研究生程度的科學推理）取得 90.5%；在 SWE-bench Verified（涵蓋解決真實軟件問題）取得 80.9%；在 AIME 2026 競賽數學測試取得 97.8%；在 Terminal-Bench 2.1（評估在命令列環境完成任務的能力）取得 80.1%；在 MCP Atlas（評估透過 MCP 伺服器使用真實世界工具的能力）取得 78.7%。Baseten 表示，Reflection 訓練 Beam 執行編碼及代理式任務時使用較少 token，並透過較長的強化學習 rollout，讓模型練習多步驟問題；訓練期間亦加入長度懲罰，以避免模型使用不必要的 token。用戶可調整 Beam 的推理力度參數：較低設定會傾向輸出較短的回應，較高設定則會讓模型在較具挑戰性的任務上進行更多推理。

Mirror CLI 與自訂功能

Reflection 亦將 Mirror CLI 開源。這是一套與 Beam 一同訓練的終端機代理框架。Mirror 將涵蓋提示詞、技能及開發者工具的 Python 前端，與負責驅動模型的 Rust 代理核心結合；它支援可恢復的對話、在不同 worktree 中執行平行代理程式、專案指示、MCP 連線及 Python 擴充功能。Reflection 表示，Mirror 最初是為內部工程用途而建，具備隔離工作區、背景工作階段，以及與 Slack、Linear 和 GitHub 的整合功能；之後才逐步發展成可開源的工具。

Beam 已與 Earendil 的 Pi、Anomaly 的 OpenCode，以及 Nous Research 的 Hermes 一同進行測試，涵蓋編碼及知識工作任務，包括閲讀程式碼儲存庫、編輯檔案及執行命令。

在自訂方面，Reflection 與 NVIDIA 合作使用 NeMo RL、AutoModel 及 Megatron，與 RadixArk 合作使用 Miles，與 Hugging Face 合作使用 TRL，與 Anyscale 合作使用 SkyRL，並與 Axolotl 合作建立微調及強化學習工作流程。該公司表示，Beam 規模最大的強化學習訓練，在訓練、評估及消融實驗中合共執行約 1.3 billion 個沙盒；最後一次訓練的峯值達 883,006 個 vCPU，佔可分配容量的 83%，分佈於 GCP 和 AWS 的 23 個叢集。Reflection 表示，計劃在未來幾天發布自我蒸餾方案，並會在未來的訓練中採用開放環境標準 OpenEnv。Baseten 稱，Beam 是 Reflection 全新模型系列的首款模型，未來版本計劃加入多語言及多模態能力。