Reflection AI发布501B参数开源模型Beam，采用强化学习惩罚冗余Token以降低任务成本

Reflection AI于2026年10月16日发布了其首个开源权重模型Beam，采用Apache 2.0许可证。该模型拥有5010亿总参数和230亿激活参数，主要面向编码、推理和长周期智能体任务。

与追求最大能力的模型不同，Reflection AI将Beam定位为“高效”模型。公司称其在训练中使用了大规模强化学习（RL），并对模型生成不必要的Token施加了惩罚。据VentureBeat报道，Reflection AI首席技术官Ioannis Antonoglou解释称，这种机制迫使模型在解决问题的同时保持简洁，从而降低每个完成任务的Token消耗量。

这一策略旨在应对中国开源模型（如DeepSeek）在成本上的竞争优势。虽然Beam在Terminal-Bench 2.1等基准测试中的绝对性能尚未超越顶级中国模型，但Reflection AI认为企业用户更关心完成任务的总成本（单价×Token数），而非单纯的每Token价格或最高能力。

目前，Beam的权重已在Hugging Face上线，支持BF16、FP8和NVFP4格式，并获得了vLLM、SGLang和Ollama等主流推理框架的即时支持。