美國AI新創Reflection AI於2026年10月16日公開了AI模型「Beam」的權重（訓練完成的模型資料）。Beam是該公司在10月5日發表的模型，專為程式設計、推理，以及AI一邊使用工具一邊推進工作的「代理」用途打造。權重可從Hugging Face下載，授權為可自由商用的Apache 2.0。
Reflection AI與Beam
Reflection AI是總部位於紐約的新創公司，由曾在Google DeepMind參與Gemini開發的米沙・拉斯金（Misha Laskin），以及圍棋AI「AlphaGo」的共同開發者約安尼斯・安東諾格魯（Ioannis Antonoglou）於2024年3月創立。該公司以開發源自美國的公開模型（開放權重）為目標，2025年10月以80億美元的估值募得20億美元。Beam是該公司第一款開放權重模型，定位為系列的第一彈。
根據官方介紹頁面，Beam的主要規格如下。
- 架構：MoE（Mixture of Experts，混合專家）。總參數為5010億（501B），每次處理使用其中的230億（23B）
- 訓練資料量：23.8兆token
- 實際可處理的輸入長度（上下文）：100萬token
MoE是一種即使整體規模龐大，每次處理也只啟動部分「專家」的架構，因此相對於規模而言，能以更快、更便宜的方式執行。
公開的權重與授權
權重已在Hugging Face上以下列格式公開。
- BF16：原始精度的格式
- FP8、NVFP4：壓縮資料、降低所需記憶體的格式
- DFlash2：用來加快文字生成的輔助模型（以名為推測解碼的方法使用）
Apache 2.0是開源領域廣泛使用的授權，允許商業使用、修改與再散布，且不依營收或使用者人數設限。這與前一天10月15日Meta公開的「Muse Spark Open」形成強烈對比，後者採用對大型企業提供服務附加條件的自訂授權。
使用方式
Beam可透過以下方式使用。
- API：在Reflection AI的開發者網站（platform.reflection.ai）上，以附免費試用額度的測試版形式提供
- 雲端等平台：可在AWS、Google Cloud、Microsoft Foundry、Together AI、Ollama等平台上使用（合作夥伴與整合對象超過40家）
- 自有伺服器：可在Dell與HPE的伺服器上執行
API價格尚未公布。關於從日本使用以及對日文的支援，目前沒有特別說明。
效能評估
官方介紹頁面上列出的主要數據如下。Beam的數據由Reflection AI公布，用來比較的其他公司模型數據，據稱採用了評估網站Artificial Analysis與DataCurve的資料。目前尚未經過第三方驗證。
- SWE Bench Pro v2-Hard（高難度軟體開發任務）：77.2
- Terminal Bench v2.1（命令列操作）：80.1
- AIME 2026（數學競賽題目）：97.8
- GPQA Diamond（研究所程度的科學問題）：90.5
至於前一天公開的Muse Spark Open，Meta公布的成績為Terminal-Bench 2.1得分76.4（以名為Terminus 2的代理測量）、GPQA Diamond得分89.0。不過，由於測量條件不一定相同，無法直接比較。
CoAI編輯部觀點
在美國企業推出的大型公開模型中，Beam是授權限制特別少的一款。採用Apache 2.0，即使是營收規模龐大的企業，也不需另行簽約就能整合進自家服務。過去一週內，Meta、中國的階躍星辰StepFun與Reflection AI相繼推出大型公開模型，可在自有環境中執行的AI選擇一下子變多了。
另一方面，公布的效能數據來自Reflection AI本身，第三方評估仍有待進行。這款模型總參數達5010億，規模龐大，若要在自家環境執行，需要配備大型GPU的伺服器。建議先利用API的免費試用額度，測試它是否適合自己的工作。
資料來源
- Beam is now available（Reflection AI）
- Introducing Beam: Reflection's 501B open-weight model（Reflection AI）
- Beam 1.0（Hugging Face）
- Reflection AI open-sources Beam's weights, post-training recipes（SiliconANGLE）
- Reflection raises $2B to be America's open frontier AI lab, challenging DeepSeek（TechCrunch）
- Step-5-Preview-BF16（Hugging Face）