2026 年 10 月 17 日，Reflection 在 Hugging Face 放出 Beam 的全量权重，许可证为 Apache 2.0。模型是稀疏 MoE，总参数 501B，每 token 激活 23B，上下文 100 万 token，预训练用了 23.8 万亿 token。强化学习阶段在 10500 张英伟达 GB300 上跑了 4 周，产出逾 1 亿条 rollout。这份发布的重点不在数字，在许可证——它是目前极少数真按 Apache 2.0 放开的旗舰级模型。
图 1：Beam 以 Apache 2.0 放出 BF16、FP8、NVFP4 三档权重
许可证是真宽松
开放权重这四个字这两年被用得很松。不少所谓开源模型挂的是自定义协议：限制商用规模、限制蒸馏、要求署名、保留随时改条款的权利。Beam 这次用的是标准 Apache 2.0，没有蒸馏限制、没有微调限制、没有商用限制。
把它和同期的另一个大模型放在一起看，差别很清楚。Meta 的 Muse Spark Open 总参数 816B、每 token 激活 42B，规模更大，但用的是带商业限制的 Muse Model License，年 API 收入超过 2000 万美元要另签协议。规模相近，法律地位不同：一个可以拿来直接做产品，一个要先读合同。
这个差别的实际重量落在两件事上。一是能不能蒸馏——用 Beam 的输出训练自己的小模型，在 Apache 2.0 下是允许的；二是能不能改条款——标准协议一旦发布，授权不可撤销。对打算长期投入的团队，第二条比第一条重要得多。
501B 的参数账
这组参数值得逐项拆开，因为它决定了自托管的门槛：
- 总参数 501B，每 token 激活 23B，稀疏度约为二十三分之一
- 上下文 100 万 token，预训练 23.8 万亿 token
- 强化学习阶段用了 10500 张 GB300，跑 4 周，产出逾 1 亿条 rollout
稀疏 MoE 的意义在第二条和第一条的关系上。激活量 23B 意味着推理成本接近一个 23B 稠密模型，而容量按 501B 计——这是拿显存换算力的典型做法。自托管的难点因此不在算力，在显存：权重得放得下，激活才能便宜。
强化学习那一段的规模更值得注意。1 亿条 rollout、4 周、10500 张卡，说明这次发布的能力提升主要来自后训练，而不是把预训练规模再往上堆。后训练的算力账，正在变成模型公司的第二张资产负债表。
三档权重与四张 B200
发布同时给了 BF16、FP8、NVFP4 三档权重，外加 DFlash2 投机解码草稿模型。这个组合是给不同硬件条件准备的：
- BF16 是最完整的版本，精度最高，显存要求也最狠
- FP8 是主流推理卡上的常规选择
- NVFP4 把约 1TB 参数压到约 280GB，4 张 B200 就能带上下文跑起来
第三项是这次发布里最实用的一条。280GB 意味着不再需要一整个机柜的卡才能验证效果，一台八卡服务器留出余量就够了。官方同期铺了 40 多个合作方：Transformers、vLLM、SGLang、Unsloth、NVIDIA Dynamo 首日支持，AWS、Azure、Google Cloud、Baseten、CoreWeave、Together、OpenRouter 提供托管，Dell、HPE 负责本地与断网交付。
这套组合的意图很明确：先降低尝试成本，再谈替换成本。托管解决试，本地交付解决用，中间不需要自建集群。
自评与第三方榜单的落差
官方自测的数字很漂亮：SWE-bench Verified 81.6%、Terminal-Bench 2.1 80.1%、AIME 2026 97.7%。但同日第三方机构 Artificial Analysis 给出的智能指数是 30，低于 GLM-5.3 的 45、Kimi K3 的 44、Mistral Large 4 的 38。
这个落差不是造假，是两类指标测的东西不同。SWE-bench 这类基准考的是在既定仓库里改对代码，环境收敛、判分明确；综合智能指数掺了推理、知识、指令跟随等多项，权重不同，排序自然不同。编码强、推理排名未被验证，是目前对 Beam 最准确的一句概括。
对选型的人来说，结论是可操作的：如果你的场景是代码、终端操作、仓库级改动，这套自评数字有参考价值；如果是复杂推理、长链条规划，现在还没有足够证据，得自己测。把厂商自测当上限而不是均值，是这类发布里最省钱的习惯。
图 2：发布赶在与英伟达收购谈判未定之前
抢在收购谈判之前
发布时点本身是一层信息。Reflection 与英伟达的收购谈判迄今没有定论，而权重是在谈判未定之前放出去的。
开源这件事有一个不可逆的性质：权重一旦以 Apache 2.0 发布，就收不回来了。任何人拿到的授权都不可撤销，后续即便公司被收购、战略转向、条款收紧，已经放出去的那一版仍然有效。所以这次发布更像一次既成事实的制造，而不是一次常规的产品上线。
同一批动作里还有 Mirror CLI 开源（Rust 内核加 Python 前端）、一份安全技术报告，以及 1 万美元的 Hugging Face 额度悬赏社区项目。工具链加报告加悬赏，是把生态铺开的常规三件套，但放在收购谈判的背景下，它同时也是在给未来的估值加一层社区资产。
个人观点
这次发布最容易被误读的地方，是把 Apache 2.0 当成一个姿态。它其实是三件事：一份不可撤销的法律授权、一次生态站队的邀请、一段收购谈判里的筹码。三件事同时成立，才解释得通为什么发布节奏这么密。
第二件容易误读的，是把 81.6% 当成能力刻度。自评与第三方指数的落差提醒了一件事：基准是厂商选的，指标是厂商定的，跑法是厂商调的。同一个模型在不同评测体系里能差出十几个身位，这不是谁不诚实，是评测本身还没有公共标准。在标准出现之前，交叉验证比单点数字可靠。
对打算用 Beam 的团队，我的建议是先按 NVFP4 那一档做一次小规模验证：4 张 B200 的成本可控，跑通了再谈替换。同时把许可证边界写进内部文档——Apache 2.0 允许蒸馏，但被蒸馏出来的模型要不要署名、公司内部合规怎么认定，这些是法务问题，不是技术问题，早点问清楚比事后补便宜。
最后一个判断：这次发布真正改变的是行业的默认预期。当一家有 501B 旗舰模型的公司愿意用 Apache 2.0 放开，其他家的自定义协议就会开始被追问——为什么你不能。开放权重这件事，从此有了一个可比较的基准，而这个基准是被赶在谈判结束前主动放出去的。
更新时间：2026-10-18