← 返回全部情报
Reflection 两位联合创始人谈首个开放权重模型 Beam:约 5000 亿总参数、230 亿激活,从零训练,靠约一万块 GB300 跑了几周的强化学习,把推理效率做到同类的三到四倍 的封面

·Sources(Alex Heath,YouTube)·厂商核心人物访谈收录 2026-10-08

Reflection 两位联合创始人谈首个开放权重模型 Beam:约 5000 亿总参数、230 亿激活,从零训练,靠约一万块 GB300 跑了几周的强化学习,把推理效率做到同类的三到四倍

ReflectionBeam开放权重强化学习推理效率MoE主权 AI开源安全

一句话结论

前 DeepMind 研究员创办的 Reflection 发布首个开放权重模型 Beam:约 5000 亿总参数、230 亿激活参数的 MoE,强项是编码和智能体任务;两位创始人说它从零训练、没有做蒸馏,因为要把强化学习推到很大规模,必须自己掌控预训练的数据、架构和优化,才能让路由和专家在高算力 RL 下保持稳定;他们称这是公开记录中开源领域最大的一次强化学习,约一万块 GB300 跑了几周,「模型一直没有停止学习」,推理效率比 GLM 5.3、GPT-6 Luna 等高三到四倍;他们把闭源模型比作「租房」、开放模型比作「买房」,认为市场成熟后企业、公共部门和主权国家会要「拥有」自己的智能,生意在于替客户搭起推理、集群管理和智能体整套技术栈。

打开原文 Sources:An open model challenger to Anthropic and OpenAI

背景与理念

主持人开场给出几组数据:第三季度财报电话会上提到开放模型的次数增长了 6 倍,在 Vercel 和 OpenRouter 上开放模型的 token 已经占多数。Misha Laskin 说,大约六个月前 OpenRouter 和 Vercel 上的 token 消耗约 30% 流向开放模型、70% 流向闭源模型,六个月后大致倒了过来。

Laskin 用房地产做比喻:AI 商业市场只存在了大约三年,一开始是「租赁市场」,闭源模型就是租房,你在租用智能。人年轻时租房很合理,但成家、有了更多积蓄后,拥有就变得重要;AI 的时间线被压缩了,当年的小创业公司变成了大企业,大企业也全面采用 AI,「拥有型市场」随之出现,而拥有智能的唯一方式就是开放模型,可以跑在自己的设施上、自己掌控、自己定制。

Ioannis Antonoglou 补充了两个原因:一是开放模型的能力已经够用,开放前沿和闭源前沿的差距甚至缩小了;二是软件市场的规律,市场一成熟就会转向开放的替代品。他说只要有人才和算力,没有理由开放前沿要一直落后于闭源前沿。

具体做法

为什么中国实验室一度主导开放模型

Laskin 的解释是,西方的技术发展由商业驱动,在「租赁市场」阶段只有闭源模型有商业支撑。他说美国曾经拥有最好的开放模型,高峰是 Llama 3,但当时没有真正的商业动机让 Meta 或别人继续做;中国则更多出于地缘政治考虑,DeepSeek V3 的意外成功让中国模型在海外变得重要,此后出现了一股集中扶持开源生态的力量,这些实验室直到最近智能足够好、市场成熟后才开始有收入。

Beam 的形态与目标

Beam 约 5000 亿总参数、230 亿激活参数,在编码和智能体基准上尤其强,他们把它定位为企业和公共部门的「主力模型」。Antonoglou 说,要让开放模型被企业广泛采用,它必须高效、紧凑,用每一分算力榨出最多的智能,所以它是一个推理模型;衡量推理效率的方法,是看解决同等难度的任务需要多少 token、多少时间、多少算力。他说 Beam 的推理效率比 GLM 5.3 这样的开放前沿模型,以及 GPT-6 Luna 这样的顶尖闭源模型高三到四倍。

Laskin 说这种效率对消费级应用尤其重要。智能体能力在消费者看来是基本操作,其实非常费 token;体量小、推理又省的模型,意味着更快的响应和低得多的服务成本。他说开放模型的意义是让一批开发者能在上面构建,掌握自己的命运,并用自己的数据定制。

为什么从零训练、不做蒸馏

Antonoglou 给了两个理由:一是要做一个完全由他们在美国(另有英国团队)的团队构建的西方前沿开放模型;二是要把强化学习推到大规模,就必须掌控预训练。他说预训练如今比强化学习更好理解,但要让 MoE 模型的路由和专家在高算力强化学习阶段保持平衡和稳定,必须端到端地拥有整个系统:在预训练数据里埋下推理能力的「种子」让强化学习去放大,同时在架构、学习动态和优化上下功夫,让模型带着正确的偏置和先验进入强化学习。

他说团队的核心信念就是强化学习,他从 2012、2013 年就开始做 RL,两人都是「RL 信徒」。Laskin 在结尾透露了规模:他们认为这是公开记录中开源领域最大的一次强化学习,约一万块 GB300 跑了几周,「它一直没有停止学习」,完全是算力瓶颈,投入更多算力就继续变强;他说这让他想起 AlphaGo,一个永不停止学习的算法,现在通用的编码和智能体模型也到了这个时刻,剩下的主要是经济问题。

开放模型怎么做安全

Laskin 用开源软件的历史来论证:互联网协议、Linux、Android 和强加密协议都是开放的,「只要眼睛够多,所有漏洞都是浅的」。他说 AI 是一种非常复杂的机器,有一条很长的漏洞尾巴;各家闭源实验室加起来可能有 300 位安全研究员,这就像「全身只有 300 个白细胞」,他宁愿有 30 万人能检查这些系统。

他们反复提到 OpenAI 智能体入侵 Hugging Face 的事件:Laskin 说 Hugging Face 想用闭源模型自保,却因为网络安全护栏而用不了,只好转向开放模型,这说明「生态在起作用」。他还区分了「坏人滥用」和「意外后果」两类风险:大规模强化学习的一次训练里可能有十亿个智能体在活动,几百名研究员不可能全部盯住,意外必然会发生,只有社区和生态才能真正应对。Antonoglou 则说,只由一两家机构掌控如此强大的东西,即使出于好意也是单点故障。

被追问是否存在「能力高到不该开放权重」的门槛,他们说考虑过,也认同达到某种能力后应由业界和政府制定发布规则,但这和模型开放与否无关。Antonoglou 说到了那一步,可能需要更谨慎地限制谁能访问,但向研究社区开放总体上是正面的,开放模型出现后很多安全洞见和防护措施才被开发出来。技术上,他说做法和闭源实验室类似:先建立覆盖各类风险的评测,在有用和安全之间权衡,因为「什么都拒绝的模型最安全但没用」;再收集好行为和坏行为的样本,用监督微调或强化学习去对齐;公司有一支只做安全的研究团队。

生意怎么做

Laskin 说开源技术是某种东西的需求驱动器,就像 Kubernetes 驱动了 CPU 云的需求。开放智能最大的买家会是成长为大企业的创业公司、大型企业、公共部门、主权实体和盟国,但直接把模型给他们,他们不知道怎么用,因为闭源实验室卖一个 token 时,背后打包了集群管理、服务和推理软件以及应用层;Reflection 要做的是以交钥匙的方式替客户把这些都搭起来。他说这不只是驻场工程服务,本质是解锁推理,业界估计未来几年会有数十吉瓦的开放模型推理需求。

Antonoglou 把 AI 看作一种劳动力,最大的劳动力消费者正是大企业、政府和大型机构,也正是最想拥有自己智能的那群客户。他用云计算类比:AWS 和 GCP 都起源于解决自家业务的内部问题,再把技术卖给外部;Reflection 训练模型时要给自己的训练提供数万亿 token、数十亿个智能体的服务,已经建好了跨多种 GPU 集群的管理、推理服务和大规模智能体沙箱,现在把这套经过实战检验的软件对外提供。

Laskin 给了一个营收公式:智能密度乘以掌控的算力乘以与客户之间的信任。他说信任虽然模糊但非常重要,企业、公共部门不像硅谷公司那么懂技术,他们要找的是「智能伙伴」,而亲手训练模型本身就建立了大量信任,在模型发布前他们已经推进了不少商业合作。合作方面,主持人提到他们与 Nebius 有 10 亿美元、与 SpaceX 有 60 多亿美元的算力协议;Laskin 介绍了在韩国的 250 兆瓦数据中心合作和与 Dell 的合作,说算力市场正从「把裸机转卖给云厂商」转向「直接卖推理」,而要在自有资产上卖推理,就需要开放模型和帮你搭栈的伙伴。

下一步

Antonoglou 说公司的使命是消除开放前沿和闭源前沿之间的差距,2027 年会有大得多的模型,强化学习会像其他实验室那样分波次发布多个版本。

关键数据/例子

Beam:约 5000 亿总参数、230 亿激活参数的 MoE,从零训练、未做蒸馏。

强化学习规模:约一万块 GB300 运行数周,他们称这是公开记录中开源领域最大的一次 RL。

推理效率:他们说比 GLM 5.3、GPT-6 Luna 高三到四倍。

市场变化:约六个月前 OpenRouter 和 Vercel 上开放模型 token 占约 30%,现在约 70%;财报会上提到开放模型的次数第三季度增长 6 倍(主持人数据)。

合作:韩国 250 兆瓦数据中心、与 Dell 合作;主持人提到与 Nebius 10 亿美元、与 SpaceX 60 多亿美元的算力协议。

营收公式:智能密度 × 算力 × 信任。

创新点

第一,把「推理效率」当成开放模型的核心卖点。同样的任务少用三到四倍 token,比单纯追基准分更直接地影响企业和消费级应用的成本。

第二,为了规模化 RL 而坚持自己预训练。他们把预训练看作为强化学习「播种」的阶段,强调 MoE 路由在高算力 RL 下的稳定性,这是蒸馏路线拿不到的控制力。

第三,用「拥有智能」重新定义开放模型的商业模式。模型本身是需求驱动器,真正的收入来自替客户搭建推理和智能体基础设施,类似当年云计算从自用走向对外。

第四,把开放与安全的论证落到具体事件上。用一次真实的智能体入侵事件说明生态多样性能提供防御手段,同时承认存在需要监管的能力门槛。

可否复用

  1. 评估模型时把「完成同一任务用了多少 token」列为指标:对高频的智能体场景,推理效率往往比单项基准分更影响成本。
  2. 考虑把关键工作负载迁到可自托管的开放模型:数据敏感或调用量大的业务,可以先在一部分流量上对比开放模型与闭源模型的效果和总成本。
  3. 选择开放模型供应商时看整套栈:不只看权重,还要看推理服务、集群管理、智能体沙箱和安全工具是否配套。
  4. 为防御用途准备备选模型:闭源模型的安全护栏可能挡住正当的安全工作,安全团队应提前准备可用的替代方案。
  5. 用信任而不只是能力来选伙伴:大型机构引入 AI 时,供应商能否陪你部署、出问题能否兜底,和模型分数同样重要。

笔记会在输入时自动保存。