Reflection為美國打中國　　首款Open-weight模型卻係咁

獲Nvidia投資的美國AI初創Reflection今日公布首個開放權重（open-weight）模型Beam，以總參數5,010億、每次只啟動230億參數的混合專家架構，主打寫程式、推理及AI助理工作。Beam仍在進行最後的測試，暫時只讓部分登記用戶試用，權重、技術報告及模型卡要到本月稍後才以Apache 2.0授權發布。

Reflection行政總裁Misha Laskin在2025年10月集資20億美元時，把DeepSeek和Qwen形容為警號，指美國若不行動就會落後。今次公告把Beam定位為西方開放權重模型水平的成果，並選擇以Z.ai的GLM 5.2及阿里巴巴的Qwen 3.8 Max作比較對象，可惜分數認真麻麻。

Reflection自己公布的成績表顯示，Beam在寫程式測試DeepSWE v1.1只得44.4分，比Z.ai的GLM 5.3低16.6分，與Kimi K3的68分和DeepSeek V4.1 Flash的74.2分亦相差甚遠。在Terminal Bench v2.1中，Beam以80.1分落後GLM 5.3的88.2分，亦不及Qwen 3.8 Max的86.6分及DeepSeek V4.1 Flash的90.6分。由此可見，Reflection似乎仍然有排要努力。

Reflection承認Kimi K3等開放模型的能力仍然領先，於是把Beam的賣點放在推理效率，稱Beam在進階推理測試與GLM 5.2分數相若，運算量卻少3至4倍。這個倍數只按啟動參數及平均生成token數推算，Reflection亦表明未計算輸入處理、注意力運算及伺服器運作成本，並非實際推理成本。