出品｜虎嗅科技组 作者｜黄天媛 编辑｜苗正卿 头图｜Reflection AI官网 成立两年后，想做"美国版DeepSeek"的Reflection AI终于交卷了。 美国时间10月5日，Reflection AI公布了首个开放权重模型 Beam，主攻编程、推理和智能体任务。（虎嗅注：开放权重模型指公开训练好的模型参数，用户可以下载、自己部署，能否修改和商用取决于许可证） 许多美国媒体和科技业人士，将Beam视为美国对中国开放AI的回应。 他们公司自己也是这么对标的。 按照公司官网的说法，Beam 在编程和智能体任务上的表现可与智谱 GLM 5.2 竞争，接近阿里的 Qwen 3.8-Max，但在绝对能力上仍落后于 Kimi K3 等领先模型。 但它的意义不只在Benchmark。 Reflection有一套非常明确的定位：服务那些不愿或无法使用中国模型，同时又希望拥有、控制自己AI能力的企业和政府客户。 在美国本土，这样的公司并不多见。Reflection同时拥有数十亿美元融资、顶级GPU资源、Nvidia支持，以及美国政府和主权AI项目资源。 这也是为什么，一款还没有站到开放模型最前沿的产品，仍然会受到如此高的关注。 Reflection到底是一家什么公司？Beam又到底做到了什么？ Beam的成绩单 Reflection创始人在播客采访中披露，Beam采用MoE架构，总参数约5000亿，但推理时只激活约230亿参数。 作为对比，DeepSeek-V3总参数为6710亿、激活370亿；月之暗面Kimi K2达到1万亿总参数、激活320亿；智谱GLM-4.5则为3550亿总参数、激活320亿。 同时，Reflection还强调，Beam从预训练阶段开始完全自主完成（没有蒸馏），并针对Coding、推理和Agent任务重点训练。 Reflection还尤其强调Beam的推理效率。 公司表示，依靠大规模强化学习，Beam完成相似难度推理任务时需要消耗的Token和推理计算量，可以达到GLM 5.3、GPT-6 Luna等模型的约1/3到1/4。 官方披露，Beam的预训练数据达到23.8万亿Token。作为对比，DeepSeek-V3使用了14.8万亿Token预训练；Kimi K2约15.5万亿Token。Beam随后进行了一轮高强度RL训练，他们用10500张Nvidia GB300 GPU连续运行4周，总共生成超过1亿次Rollout。 Reflection的判断是，前沿模型的Scaling正在发生变化。 过去几年，行业最熟悉的是扩大参数量和训练数据，提升预训练算力。但随着预训练逐渐成为一门更成熟的工程，下一阶段模型能力提升的重要变量，会越来越多来自把强化学习本身继续Scale。 所以，Beam像是Reflection的一次技术验证。 一家新公司能不能靠大规模RL，把一个只有较少激活参数的模型，推到接近中国头部开放模型的水平。 它已经证明自己上了牌桌。 美国"DeepSeek"，为什么是Reflection？ Reflection并不是一家突然冒出来的模型公司。 它成立于2024年，由两名前Google DeepMind研究人员Misha Laskin和Ioannis Antonoglou创办。Laskin和Antonoglou在DeepMind期间，曾参与Gemini 1和Gemini 1.5相关工作。Antonoglou在DeepMind早期就加入公司，是AlphaGo核心团队成员之一。 但有意思的是，Reflection创业之初，其实没有准备自己从头训练基础模型。 Laskin最近在播客中回忆，两人创办Reflection时，主要押注了两个判断：第一个判断是，强化学习会让大模型从会聊天，进一步走向Coding和Agent；第二个判断则是，西方仍会不断出现足够强的开放模型，Reflection没有必要重复训练基础模型，只要站在这些模型上继续做强化学习和Agent研究。 从今天回看，第一个判断已然成为主流方向，但第二个却落空了。 DeepSeek V3出现后，西方开放模型与中国开放模型之间的差距开始迅速拉大。Reflection又等了几个月，希望美国出现一个足够强的开放模型，但一直没有等到。于是，它决定自己下场。 Beam就是这次战略转向后的第一份答卷。 过去一年，全球最强的闭源模型仍主要掌握在美国公司手中，但开放模型的重心，却越来越向中国倾斜。 DeepSeek、Qwen、智谱、Kimi等中国模型不断进入全球开发者的模型列表。OpenRouter排名显示，在开放模型中，排名靠前的产品大量来自DeepSeek、智谱、小米、腾讯等中国公司。 Reflection和美国政府都想要的，是重新抢回这块市场。 Reflection