跳到主要內容
2026-10-17 日報
模型發布

Reflection推出501B開源模型Beam：具1M上下文，居全美開源評測第二

HuggingFace Blog綜合 2 家報導一手來源
查得來源差異

來源為發布方或研究資料；不代表所有主張已獲獨立核實。

經查核，報導提及之模型規格（501B/23B、1M 上下文、Apache 2.0 授權）、Artificial Analysis 評測成績（30 分、全美開源第二）與社群獎勵額度（1 萬美元）均獲一手資料支持；惟架構細節中「每層含 256 個專家」與官方技術文件矛盾，官方說明全模型 52 層中前 3 層為 dense MLP，僅其餘 49 層為 MoE 架構。

Reflection 聯手 Hugging Face 推出開源模型 Beam（採 Apache 2.0 授權），為總參數量 501B、啟用 23B 的 MoE 模型，具備 1M 上下文視窗。

Hugging Face 官方部落格證實 Beam 為開源 MoE 模型，具備 501B 總參數與 23B 啟用參數，支援 1M 上下文視窗。

501B-parameter MoEs LLM with 23B active

查看原始出處

Beam 全模型設有 52 層且每層皆含 256 個專家。

官方架構說明指出，全模型 52 層中前 3 層為稠密（dense）結構，其餘 49 層才是每層 256 個專家的 MoE 結構，並非每層皆含 256 個專家。

The first 3 layers use a dense SwiGLU MLP.

查看原始出處

根據 Artificial Analysis 數據，Beam 在 Intelligence Index 獲得 30 分，在美國開源權重模型中排名第二。

評測機構 Artificial Analysis 官方數據確認 Beam 得分為 30，位列美國開源權重模型第二。

scores 30 on the Artificial Analysis Intelligence Index, placing it #2 among US open weights models

查看原始出處

Reflection 提供總額 1 萬美元的 Hugging Face Hub 額度獎勵社群專案。

官方部落格載明 Reflection 提供總額 1 萬美元 Hub 額度，獎勵基於 Beam 建立的優秀社群專案。

give out $10,000 Hub credits

查看原始出處
Reflection 聯手 Hugging Face 推出大型開源語言模型 Beam，採用 Apache 2.0 授權條款釋出。Beam 採用稀疏混合專家（MoE）架構，總參數量達 5,010 億（501B），每個 token 僅啟動 230 億（23B）參數；全模型設有 52 層，每層含 256 個專家並路由其中 8 個，提供 BF16、FP8 及 NVFP4 檢查點格式。 該模型專注於程式編寫（coding）與智慧代理（agentic）應用，支援純文字輸入輸出與高達 100 萬（1M）tokens 的長上下文視窗。在推理表現上，Beam 支援跨輪保留思考脈絡的 preserve_thinking 功能、具備專用語法的工具呼叫能力，並提供 low、medium（預設）、high、xhigh 與 max 共 5 種推理強度設定。技術生態方面，Beam 配備以 Rust 開發的專屬 harness，支援 DFlash2 推測解碼，首日即原生支援 transformers、vLLM 與 SGLang，並可透過 Miles 進行全參數強化學習（RL）。 根據評測機構 Artificial Analysis 數據，Beam 在其 Intelligence Index 獲得 30 分，在美國開源權重模型中排名第二。此外，Reflection 亦宣布提供總額 1 萬美元的 Hugging Face Hub 額度，獎勵社群在 Hub 上基於 Beam 開發 Demo、進行模型量化、建構合成資料集或打造 RL 環境等專案。
讀原始報導

這則事件的發展

  1. 2026-10-06Reflection 發表 501B 開放權重 MoE 模型 Beam，主打推論效率並推動企業 AI 工廠

來源

本期分類
模型發布開放權重AI 代理
相關主題
#Beam#Reflection AI#Hugging Face