Reflection 发布了首个面向编程、推理和多步骤自动化任务的开放权重模型。开发团队可以下载模型训练得到的权重，在自有环境中运行并针对业务进一步训练，同时还提供与部署、评估工具的集成。

1. 公开范围与模型规模

根据[2026年10月16日的发布公告](https://reflection.ai/blog/beam-is-available)，Beam 1.0 的权重以 Apache 2.0 许可证提供。[模型卡](https://huggingface.co/reflection/Beam-1.0-501B-A23B#usage)明确列出商业和研究用途，并说明不禁止进一步训练，或利用模型输出训练其他模型。

此次公开的模型包含以16位表示数值的 BF16 权重，是经过指令训练的文本输入输出模型。其开发主要面向英语使用场景。

同时公开的 FP8 和 NVFP4 是以更少位数表示数值的格式。低位数格式是减轻内存负担的一种选择。

Reflection 表示，还同步发布了通过提前提出后续 token 来加快生成的辅助模型。token 是模型拆分和处理文本的单位。

模型训练得到的数值即[参数，总量为5013亿个，但单次计算中激活的只有234亿个](https://huggingface.co/reflection/Beam-1.0-501B-A23B#model-overview)。这得益于从多个专家模块中选择部分模块使用的稀疏混合专家架构，意味着参与计算的参数量并不等于全部权重规模。

上下文长度是一次能够处理的文本范围，该模型[支持100万 token](https://huggingface.co/reflection/Beam-1.0-501B-A23B#model-overview)。

2. 随自托管转移的责任

Reflection [表示，发布首日起便获得 vLLM 和 SGLang 等现有推理工具的支持](https://reflection.ai/blog/beam-is-available)。据其介绍，团队与合作伙伴优化了运行配置和融合运算内核，以降低内存需求并提高生成速度。

开发者可以下载权重进行自托管，也可以使用服务商提供的托管服务。

在[终端任务工具 Mirror CLI](https://reflection.ai/blog/beam-is-available)中，用户可以切换连接的模型或端点，批准工具调用并监看任务执行。

自托管的好处在于可以直接控制部署环境和定制训练。但模型运行、评估和安全检查需要由运维团队负责。[模型卡](https://huggingface.co/reflection/Beam-1.0-501B-A23B#usage)也提示，应确认隐私和出口管制等相关法律要求。

3. 不同精度的得分应在同一测试内比较

[模型卡中的评估](https://huggingface.co/reflection/Beam-1.0-501B-A23B#benchmark-results)均针对指令训练模型。控制生成随机性的温度设为0.7，用于缩小下一 token 候选范围的累积概率阈值设为0.99。

两份资料均未列出部署所需的最低硬件要求和各精度的内存容量，也未公开运行基准测试的硬件及具体运行配置。

在终端任务评估 [Terminal Bench v2.1 中，BF16 得分为80.1%](https://huggingface.co/reflection/Beam-1.0-501B-A23B#benchmark-results)。这是解读下述低精度结果时，同一测试中的参考值。

在同一测试中，[FP8 为78.9%，NVFP4 为78.4%](https://huggingface.co/reflection/Beam-1.0-501B-A23B#benchmark-results)，分别比 BF16 低1.2个百分点和1.7个百分点。

但在考查解决实际代码仓库问题的软件工程评估 [SWE Bench Pro v2-Hard 中，BF16 为76.5%，FP8 为78.4%，NVFP4 为78.6%](https://huggingface.co/reflection/Beam-1.0-501B-A23B#benchmark-results)，低精度得分反而更高。各精度的得分高低随任务而变，引入团队不应将单项测试结果泛化至所有业务，而应在实际业务中同时验证质量和资源用量。

这些得分并非对处理速度或运营成本的测量。模型卡声称可节省推理 token，但未提供比较对象和测量条件，因此这里不将其作为自托管成本的依据。

4. 定制训练与安全评估是独立工作

Reflection 表示将[提供进一步训练流程及集成工具](https://reflection.ai/blog/beam-is-available)，其中包括大规模强化学习，即根据结果奖励调整行为的训练。不过，利用经过验证的业务执行记录训练小型附加训练模块并迭代的[自蒸馏流程，在发布时计划于未来几天内公开](https://reflection.ai/blog/beam-is-available)。应区分已公开的权重与尚未发布的训练流程。

在其自身安全评估中，合并所有有害类别后，[BF16 对有害请求的拒绝或转向比例为88.9%，对无害请求的遵从比例为81.5%](https://huggingface.co/reflection/Beam-1.0-501B-A23B#safety--alignment)。这些数值体现的是该评估中的响应行为，不应被视为部署环境的安全保证。

Beam 的权重公开扩大了部署控制权，但并不能代替精度选择，以及实际业务中的质量与安全验证。