英伟达投的Reflection AI发了首个开源模型Beam：5010亿参数只激活230亿，正面对标GLM-5.2

开源模型的战场，在今年十月第一次出现了明确的「反攻」姿态。英伟达投资的初创公司 Reflection AI 发布了自家首款开放权重模型 Beam：总参数 5010 亿，采用稀疏激活架构，每处理一个任务只调动其中 230 亿参数。它给出的对标对象不再是「同尺寸模型」，而是智谱 GLM-5.2 和千问 Qwen3.8-Max——两个中国开源阵营的代表作。

参数账：5010亿总参数，只激活230亿

先看参数账。Beam 总参数量 5010 亿，稀疏激活 230 亿；作为对照，智谱 GLM-5.2 总参数约 7440 亿、激活 400 亿。稀疏激活（MoE）的逻辑很直白：把巨大的参数池当作知识仓库，每次前向只调用其中一小部分专家，从而在「容量」和「单次推理成本」之间做出取舍。230 亿的激活量意味着它的单位推理开销更接近一个中等规模模型，而知识容量却挂在 5010 亿这个量级上。这也是最近一年最被反复验证的一条路——把参数堆在仓库里，把钱省在每一次调用上。

Reflection AI是谁：DeepMind系+SpaceX算力

Reflection AI 的定位同样值得注意。它由前 DeepMind 研究人员米沙·拉斯金（Misha Laskin）与约安尼斯·安东诺格鲁（Ioannis Antonoglou）在 2024 年创立，主攻软件开发自动化——也就是当前增长最快的 AI 落地场景之一。今年早些时候，该公司已经和 SpaceX 达成合作，可以在马斯克掌管的 Colossus 2 数据中心获得额外算力。换句话说，这不是一家靠融资讲故事的团队：算力、场景、人才三条线都有实际落点，发布开放权重模型的动机也就顺理成章——用自己的模型给自家智能体产品打底，同时用开源换取开发者生态。

为什么此刻发开源：中国模型逼出的反击

发布时机透露的信息量比模型本身更大。就在 Beam 亮相之际，美国科技企业正集体试图抵御中国开放权重模型带来的竞争压力：这些模型成本更低、可定制性更强，代码生成能力已经几乎追平 OpenAI 与 Anthropic 的头部闭源产品。此前一年多，开放权重赛道的领跑者几乎清一色来自中国——DeepSeek、Kimi、千问、智谱、GLM 交替刷榜。Reflection AI 这次以「对标中国模型」为宣传口径，本质上是承认了这条赛道的标杆位置已经发生了转移。

权重本月放出，但三个问题决定成败

但开放权重不等于可以立刻用。官方给出的时间表是权重本月内放出，而真正决定一个开源模型命运的从来不是榜单第一行数字，而是三件事：一是权重协议是否允许商业使用与二次训练；二是工具链是否完整——量化版本、推理框架适配、微调示例是否跟上；三是长上下文与智能体任务的真实稳定性，这类场景的失败成本远高于单轮对话。参照 DeepSeek 与千问的开源路径，权重放出后 24 小时内的社区适配速度，往往比官方评测更能说明问题。

稀疏激活成为开源阵营的默认答案

从更长的周期看，稀疏激活正在成为开源阵营的默认答案。原因不复杂：在同等算力预算下，MoE 架构能用更低的单位推理成本换来更大的知识容量，这对以 API 价格竞争为主战场的开源模型是刚需。代价是工程复杂度更高——专家路由、负载均衡、显存调度，每一项都会放大部署门槛。对使用者而言，这意味着「能不能跑起来」和「跑起来划不划算」开始成为两个需要分开评估的问题。

写在最后

对国内的开发者和企业买家来说，Beam 的出现至少带来一个正面变量：开源阵营多了一个有力竞争者，API 定价与授权条件都会更透明。评估这类新模型时，可以先看 https://www.ai30.com/website/deepseekai”>DeepSeek 这类已被大规模验证的开源产品作为基准，对比其激活参数量、上下文长度与单位成本，再决定是否纳入技术选型；也可以参考我们对 https://www.ai30.com/website/chatglm”>ChatGLM 的收录页，观察同赛道产品的迭代节奏。开源模型的竞争越激烈，最终受益的总是真正的使用者。

（文 / AI30媒体部 ｜ 2026年10月6日）