Reflection 发布开源权重模型 Beam,称以更低算力对标中国开源模型
Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost
Reflection AI 正式发布其首个前沿开源权重模型 Beam,称这款纯文本混合专家模型在高级推理基准上与 Z.ai 的 GLM-5.2 相当,并能以更低的 token 成本和推理计算量完成推理、编码与智能体任务。
Reflection AI 正式发布 Beam,这是其首个前沿开放权重 AI 模型。这家成立两年、总部位于布鲁克林的初创公司声称,Beam 在高级推理基准测试上的表现可与领先的中国开放模型媲美,而成本却大幅更低。这一说法可能会加剧打造西方对 DeepSeek、Qwen 和 Z.ai 之回应的竞赛。
Reflection 的公告证实了周末 Axios 的报道,即这家初创公司即将发布。该公司在一篇长篇 周一博客文章 中分享了新细节,文中将 Beam 描述为一种纯文本混合专家模型,经高算力强化学习训练,能以竞争对手“一小部分的 token 成本和推理时计算量”高效完成推理、编程和智能体任务。
Beam 是一个拥有 5010 亿参数的模型,其中 230 亿为活跃参数。它在 23.8 万亿个 token 上完成预训练,上下文窗口为 100 万 token。作为对比,Z.ai 的 GLM-5.2 总参数约为 7440 亿,活跃参数为 400 亿。
Reflection 的性能说法尚未得到独立验证,但该公司表示,在高级推理基准测试中,Beam 的得分与 Z.ai 的 GLM-5.2 持平,并优于当今领先的西方开放模型,同时推理计算量“少 3-4 倍”。Reflection 称其为面向企业、公共部门和开发者的“主力模型”。
Reflection 将自身定位为与 Anthropic 和 OpenAI 等封闭实验室、中国开发者的热门开放模型,以及 Mistral、Meta 和 Cohere 等西方厂商竞争。其最直接的美国对手可能是 Mira Murati 的 Thinking Machines Lab 于 7 月发布的开放模型 Inkling。Reflection 自己的基准测试显示,在双方均报告结果的四项编程测试中,Beam 的得分高于 Inkling,但 Inkling 是多模态模型,而 Beam 仅为纯文本。
Reflection 由两位前 Google DeepMind 研究员于 2024 年创立,据 PitchBook 称,已从包括 Nvidia、Sequoia Capital 和 Lightspeed Venture Partners 在内的投资方 筹集 约 47 亿美元。其最近一轮融资对该公司的估值为 250 亿美元投前估值。
这家初创公司也一直在锁定算力——这是训练前沿模型所需的关键要素,此类模型有能力把客户从 Anthropic 和 OpenAI 的封闭模型以及中国实验室更便宜的开放权重模型那里吸引过来。今年夏天,Reflection 与 SpaceX 和 Nebius 签署了总价值超过 70 亿美元的协议,以确保到 2029 年都能使用 Nvidia 的 GB300 芯片。
Reflection 正将 Beam 及未来模型瞄准企业和主权国家。其主张是打造“AI 工厂”,这一产品将让机构通过用自身专有数据训练 Reflection 的 AI 模型,构建自己定制的本地 AI 系统。其公司投资了 Reflection 的 Nvidia 首席执行官 Jensen Huang 长期以来一直倡导“AI 工厂”理念,并推动加强开放 AI 生态——这一愿景也将使 Nvidia 受益,因为其 GPU 将为这些系统提供算力。
Axios 报道称,对冲基金和交易公司也在急于打造此类系统的群体之列。Reflection 已开始与 韩国 Shinsegae Group 测试主权 AI 工厂合作这一概念。
Reflection 表示将于本月发布 Beam 的权重和完整技术细节,通过超大规模云服务商和新型云服务商进行分发,并在发布时与各开源库完成集成。
Reflection 未能及时回应 TechCrunch 索取更多信息的请求。
当您通过我们文章中的链接购买时,我们可能会获得少量佣金。这不会影响我们的编辑独立性。
Rebecca Bellan 是 TechCrunch 的资深记者,负责报道塑造人工智能的商业、政策与新兴趋势。她的作品也曾发表于 Forbes、Bloomberg、The Atlantic、The Daily Beast 及其他刊物。
您可以发送电子邮件至 rebecca.bellan@techcrunch.com 联系 Rebecca 或核实来自她的联络,也可在 Signal 上向 rebeccabellan.491 发送加密消息。
来源:TechCrunch · AI · techcrunch.com