Reflection AI 发布首款开放权重模型 Beam 1.0：501B 稀疏 MoE、1M 上下文，官方 API 公测免费开放

2026 年 10 月 17 日——美国初创公司 Reflection AI 于 10 月 5 日（当地时间周一）发布旗下首款开放权重模型 Beam 1.0：总参数 501.3B、每 token 激活 23.4B 的稀疏混合专家（MoE）架构，支持 100 万 token 上下文，以 Apache 2.0 许可开放下载；官方第一方 API 处于公测阶段，可免费开始使用，OpenCode 与 Ollama Cloud 同步上线免费调用渠道。

模型规格与训练规模

Beam 1.0 定位为面向编程、推理与 Agent 任务的纯文本模型，官方模型卡显示其知识截止日期为 2026 年 6 月 30 日，推理强度支持 low、medium、high、xhigh、max 五档，默认 max 且强制开启。据官方博客披露，预训练使用 6,144 张英伟达 GB300（NVL72）在不到四周内完成 23.8T token 训练，goodput 达 92.3%，全程仅 9 次半自动回滚；强化学习使用 10,500 张 GB300 连续运行四周以上，产生超 1 亿次 rollout，平均维持 11 万并发 rollout、峰值 17 万并发沙盒，采用异步策略梯度训练，样本滞后当前策略一天（107 个版本）时数值依然稳定。

（数据来源：Hugging Face 官方模型卡与 Reflection 官方博客）

权重开放与部署支持

Beam 1.0 发布当日以早期预览形式开放 API 申请，权重随后分批上架 Hugging Face，用户简报中"完整权重计划本月发布"的说法对应官方 10 月 5 日的承诺，现已兑现。

量化格式方面，官方发布 BF16（checkpoint 933.81 GiB）、FP8（468.72 GiB，FP8 E4M3 动态量化 W8A8，基于 LLM Compressor RTN 方法）与 NVFP4 三档权重，NVFP4 版本面向 Blackwell 架构硬件（含 GB300）部署。官方文档同步提供 vLLM、SGLang、TokenSpeed、Hugging Face Transformers 部署指南，以及 Kubernetes Helm 与 NVIDIA Dynamo 多机扩展方案。微调与后训练方面，官方文档列出 RL 框架 SkyRL、NeMo RL、Miles 与 SFT 框架 NeMo AutoModel、Megatron Bridge、Axolotl 的支持，各训练栈的完整配方官方表示即将发布。

据 VentureBeat 报道，Beam 上线当天即可在 AWS、Google Cloud、Microsoft Azure、OpenRouter、Ollama、LM Studio、Together AI 等平台使用，Dell 与 HPE 提供本地部署方案。

官方 API 注册与 API Key 开通方式

据官方开发者文档，Reflection API 提供 OpenAI 兼容端点与原生客户端端点两类基础地址，具体注册与开通步骤如下：

1. 打开 Reflection 开发者平台 platform.reflection.ai，注册并登录账号；
2. 在平台内打开 API Keys 页面，为项目创建 API Key，完整密钥仅在创建后显示一次，需立即复制保存；
3. 将密钥写入环境变量 REFLECTION_API_KEY；
4. 使用官方 OpenAI SDK 或任意 HTTP 客户端，以 OpenAI 兼容基础地址 https://api.reflection.ai/openai/v1（原生客户端地址为 https://api.reflection.ai/v1）发起请求，模型 ID 为 Beam-1.0-501B-A23B；
5. 平台内置 Playground，可在不写代码的情况下调试提示词与参数，并直接生成对应请求代码。

cURL 调用示例（来自官方快速入门文档）：

curl https://api.reflection.ai/openai/v1/chat/completions \
  -H "Authorization: Bearer $REFLECTION_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Beam-1.0-501B-A23B",
    "messages": [
      {"role": "user", "content": "Why is the sky blue?"}
    ]
  }'

Python 调用示例（官方 OpenAI SDK）：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.reflection.ai/openai/v1",
    api_key=os.environ["REFLECTION_API_KEY"],
)

completion = client.chat.completions.create(
    model="Beam-1.0-501B-A23B",
    messages=[{"role": "user", "content": "Why is the sky blue?"}],
)
print(completion.choices[0].message.content)

调用限制方面，官方文档显示限额按组织计算，在同一组织的全部项目与密钥间共享，按每分钟请求数、每分钟 token 数与 UTC 日 token 额度三重维度限制，组织套餐决定每日 token 额度；超额请求返回 429 错误，错误码为 daily_allowance_exhausted（日额度用尽）或 rate_limit_exceeded，每日额度在 00:00 UTC 重置。提高限额的申请方式官方文档标注"即将推出"。此外，每个已认证响应均带 reflection-data-retention 头，标注该请求的数据保留档位：zero（零保留）、standard（标准保留）或 contributor（内容可能用于训练 Reflection 模型）。

免费调用渠道

官方性能口径与公司背景

官方称 Beam 在高级推理基准上达到与智谱 GLM-5.2 相当的水平，编程与 Agent 任务正逼近阿里 Qwen 3.8-Max，且达到可比解题质量所用推理 token 约为领先开放模型的 1/3（推理算力约省 3 至 4 倍）；官方同时承认 Kimi K3 在原始能力上仍处领先，Beam 的差异化优势在推理效率。上述对比均为官方自评口径，截至发稿未见第三方独立复测结果。

官方模型卡公布的 BF16 版本主要评测成绩如下（评测条件 temp=0.7、top_p=0.99）：

公司背景方面，Reflection AI 由前 DeepMind 研究员创立，据网易等媒体报道，英伟达此前已向其投资 8 亿美元并为最大股东之一；据金融时报 10 月 11 日报道，英伟达正就收购该公司或向其追加投资展开深入谈判，谈判尚处初期阶段。