2026 年 10 月 16 日，Reflection AI 把 Beam 的权重放上了 Hugging Face，仓库是 reflection/Beam-1.0-501B-A23B，许可 Apache 2.0。总参数 501B，每个 token 激活 23B。同一个名字，十一天前刚出现在这家公司的官宣博客里——当时没有权重，只有一份 waitlist。
仓库地址：huggingface.co/reflection/Beam-1.0-501B-A23B
这篇只讲三件事：承诺的权重是怎么一步步到账的，这套 501B 的架构和硬件账单长什么样，以及下载之前哪些坑要先看清。文中基准分数全部是 Reflection 自报口径，我们未做独立复现；带「转引」「传闻」字样的为二手信息，均按原样标注。
一、从官宣到到账：十一天的时间线
先把时间线摆出来，因为它本身就是这条新闻的一部分。
10 月 5 日，Reflection 官方博客宣布 Beam，规格写明 501B 总参、23B 激活，承诺「本月以 Apache 2.0 发布权重」。但当时的实际交付物只有一篇博客和一份 waitlist：想试用要登记，权重没给。10 月 8 日，官方更新了一版基准表——改的是分数，不是参数。10 月 13 日，有第三方核对 Hugging Face 上 Reflection 组织名下的公开仓库，结论是一个都没有。按开源圈常见的剧本，接下来通常该是跳票或者悄悄缩水了。
10 月 16 日，权重真到账。Hugging Face 官方博客发了《Welcome Beam: a 501B open model you can own, customize, and scale》，Reflection 自己的博客同步宣布可用，同日 AWS 给出了 SageMaker 部署路径。从承诺到交付十一天，中间没有任何一个时点能查到仓库。这不是最快的开源，但「官宣了、真发了、许可没缩水」三件事同时成立，在今年的大模型发布里不算多见。
权重包本身也核对过：模型卡显示 Safetensors 全量 501B 参数，张量类型 BF16/F8_E4M3/F32；截至 10 月 18 日采线，上月下载 603 次，页面显示该模型尚未被任何 Inference Providers 部署——HF 博客点名的调用渠道是 Baseten、Fireworks、Together，实际可用性以下单时页面状态为准。
这件事的定位要说准：Beam 的意义不在「又多了一个开源模型」，而在验证流程走完了——一家公司把 501B 级、按官方说法用数千张高端 GPU 训练两个月的模型，以不设营收门槛的 Apache 2.0 整包放出。流程能不能复制不重要，重要的是它发生过，而且每一步有据可查。
二、架构：501B 只醒 23B，两个上下文数字别混
Beam 是稀疏 MoE，纯文本进出——官方原话是「Although Beam is text-only」，其他模态要靠文本表征绕过去。52 层，每个 MoE 层挂 256 个专家，每个 token 路由其中 8 个，激活率约 4.6%。所以「501B」是总账本，「23B」才是每个 token 真正干活的量。
这个结构直接决定了它的资源画像：算力开销按 23B 的稠密模型算，显存却要装下全部 501B 的专家参数。部署时瓶颈多半在显存和专家调度，不在算力——后面那笔硬件账就是从这里长出来的。
上下文有两个数字，口径不同，必须分开说：一是有效上下文 1M，靠 midtraining 阶段专门拉长；二是 RL 阶段的 rollout 长度 256K，那是训练时的配置，不是推理窗口。混成一句「1M 上下文窗口」是错的。另外，服务端上下文上限和最大输出长度，官方都没有公布——部署时能开多长，取决于你的推理栈和显存余量，别拿 1M 当承诺。
推理深度分五档：low、medium（默认）、high、xhigh、max。这五档的实际意义是把「想多久」变成一个可调参数——便宜的批量任务压到 low 省算力，难任务拉到 max 换质量，同一份权重覆盖两头的预算。权重包里附带 DFlash2 drafter，用于投机解码：小草稿模型先猜几个 token，大模型验一次，猜中就省下一整次大模型前向，这是 MoE 大模型在服务端压延迟的常规手段，官方把它做进权重包而不是留给社区补，省了部署方一道工序。
架构细节官方列了一串：interleaved local/global attention、fine-grained routed experts、controlled residual stream、SandwichNorm、elementwise attention gating、FP32 residual accumulation、auxiliary-loss-free load balancing。这些名词单拎出来都不新鲜，组合起来指向「训练稳定性优先」：官方明确说全程没有出现不可恢复的 loss spike，数据质量出错时回退到早期 checkpoint 而不是从头再来。
训练配方还有几个可看的数：预训练 23.8T token——对照口径是 DeepSeek-V3 约 14.8T、Kimi K2 约 15.5T，这两个对照数来自百科，属二手，只当量级参考；RL 官方口径是「数千张高端 GPU 跑两个月」，另有百科口径称 10500 张 GB300 连续四周——两处有出入，本文取官方口径并注明差异。有意思的是官方给出的奖励预测能力：RL 开跑之前就能预测训练奖励的提升，相关系数 0.79，对照的 best-of-n 上限基线只有 0.46——翻译过来就是「大规模烧卡之前先算得出这卡值不值得烧」，这也是它敢把有效上下文拉到 1M 的底气：midtraining 阶段用多阶段数据策展管线和长推理文档专门为高算力 RL 打底，先把地基铺到 RL 能吃满的位置。
三、硬件账：从 1TB 到 280GB，唯独没有 24GB
这是本文最想让你记住的一节，因为它和站内近来那条线截然相反。
BF16 全精度 checkpoint 约 1TB。NVFP4（Blackwell 原生 4-bit）能把它压到约 280GB——HF 官方博客的原话是两台 B200「勉强装得下，但长上下文没有余量」，建议按四台 B200（合计 720GB）规划。FP8 走的是 AWS SageMaker 路径：ml.p5.48xlarge（H100）、ml.p5e.48xlarge 与 ml.p5en.48xlarge（H200）；NVFP4 变体默认走 ml.p6-b200.48xlarge（B200）；BF16 需要多机。SageMaker JumpStart 上线区域目前只有 US East（N. Virginia 与 Ohio）。
量化侧还有个更低的门槛：最小的 GGUF 量化版约 103GB。听着像「一张卡就能装」，但 GGUF 主要走内存路线，103GB 首先要求的是机器的内存，其次才轮到显存配合。一台 64GB 内存的台式机，连加载这一步都过不去。顺带把单位换算讲透：BF16 下每个参数占 2 字节，501B 参数乘出来正好是 1TB 上下；NVFP4 每参数压到半字节多，才能缩到 280GB。这不是「量化一下就能塞进游戏卡」的量级——从 1TB 到 280GB 是降了一个数量级，但从 280GB 到 24GB 还要再降一个数量级，而官方没有给出任何更激进量化的质量承诺。
三档放在一起，结论只有一个：Beam 不是消费级模型，不是单卡模型，甚至不是「两张游戏卡」模型，它的最低实用门槛是一台多卡数据中心服务器。对比很直接——站内 10-17 那篇 Meta 开源模型的热点文 讲的是两台 Mac 就能跑的桌面路径，本文讲的是 Beam 这条数据中心路径。两条线都真实存在，但服务的是完全不同的钱包和机房。
四、自报基准：三列分数，零独立复现
| 基准 | BF16 | FP8 | NVFP4 |
|---|---|---|---|
| SWE-bench Verified | 81.6% | 接近 BF16 | 接近 BF16 |
| SWE-Bench Pro v1 | 66.1% | 接近 BF16 | 接近 BF16 |
| Terminal-Bench v2.1 | 80.1% | 接近 BF16 | 接近 BF16 |
| GPQA Diamond | 90.6% | 接近 BF16 | 接近 BF16 |
| AIME 2026 | 97.7% | 接近 BF16 | 接近 BF16 |
| Humanity's Last Exam（无工具） | 36.0% | 接近 BF16 | 接近 BF16 |
表里只有 BF16 列填了数字，因为 FP8 与 NVFP4 两列官方只给了「分数接近 BF16」的定性说法（模型卡三列对照），没有公布到小数点的差值——我们不替它补数。整张表的口径必须先说清：全部是 Reflection 自报（10 月 8 日修订版），没有任何一项有独立复现。自报评测的方法论问题不在「真假」而在「选择性」：提示词集、采样参数、评分方式全由厂商定，展示哪些项目也是厂商定——方向上可信，毕竟 81.6% 的 SWE-bench 与 90.6% 的 GPQA 是敢公开宣传的水平，但量级是否精确、弱项被放在哪里，要等第三方复测才能回答。
vendor 自评一并转述：Reflection 称 Beam 的高级推理对标 GLM-5.2、接近 Qwen3.8-Max，不及 Kimi K3；并称同等任务下推理算力消耗比同类低 3-4 倍——厂商口径，尤其要打折听。
独立榜单方面，截至 10 月 13 日 Artificial Analysis 还没有 Beam 词条；到 10 月 18 日采线时已收录——Intelligence Index 30 分、排美国开放权重第 2。这个数字是转引 Artificial Analysis 推文的二手口径，榜单方法与样本未及核对，先当参考线用，别当结论。
五、生态与防坑：ollama run beam 那条岔路
Day-zero 支持名单：Transformers（5.20.1+）、vLLM（Inferact）、SGLang（RadixArk）、Unsloth、Axolotl、TokenSpeed、NVIDIA Dynamo。自家还发了一个 Rust 写的终端 agent harness，叫 Mirror CLI：支持检查点与端点切换、工具审批、可恢复会话、并行 agent worktree，扩展走 skills、MCP 和 Python。Reflection 自称背后是 40+ 伙伴组成的「open operating system for agents」，另有一个最佳项目送一万美元 Hub credits 的活动。
微调与安全材料先交代清楚：权重包附带 TRL 与 Miles recipes；self-distillation recipes 官方说「未来几天发布」，截至 10 月 18 日采线仍未到账，想等全套微调材料的先别急。安全侧值得多说两句：官方此前承诺的开源安全评测兑现了——Beam Safety Technical Report 已随权重发布，HF 上可查；配方是双教师制，大规模 RL 教师与专用安全对齐教师通过 multi-teacher on-policy distillation 合并，安全原则分三层，对齐走 deliberative alignment 路线，红队 prompt 回灌 SFT 数据集做对抗性迭代。安全报告随权重一起放出来，在开源发布里仍属少数派，值得记一笔。
背景信息一条：FT 在 10 月 10 日报道称 Nvidia 正洽谈收购或加深投资 Reflection——FT 报道、双方均未证实，仅作背景，不影响本文任何事实判断。
防坑点在 Ollama。Beam 上线当天 Ollama 就给了 day-zero 支持，还有限时免费——但注意，ollama run beam 拉的是 beam:cloud，走的是 Ollama 托管的云端推理，不是在你机器上跑本地权重。命令长得和本地模型一模一样，很容易让人以为自己在跑本地。想跑真本地，要明确指定本地 GGUF 变体，并且对上前面说的 103GB 内存门槛。
六、谁该现在拉，谁该再等
现在拉：
- 有四张 B200 或等价算力、要自托管 agent 推理的团队。FP8 路径（H100/H200）通常是性价比更高的入口。
- 做量化与推理栈研究的。501B-A23B 加 4.6% 激活率，再配官方三档量化权重，是现成的研究素材。
- 许可敏感、需要 Apache 2.0 再分发的。这条线对 Beam 是开的，模型卡里那句 informational only 不改许可。
再等：
- 想在消费级硬件上跑的。103GB 内存起步的现实没有变通办法，等更激进的量化。
- 只信独立复现的。眼下所有基准都是自报口径，AA 收录也是转引。
- 等 self-distillation recipes 的。官方说了「未来几天」，截至采线没到。
- 冲着限免来的。Ollama 的限时免费是云端算力，活动结束，本地该跑不起来还是跑不起来。
把全文压成一段：Beam 这条线值得记住的不是某个基准分，而是「权重从承诺到到账」这十一天被完整验证了一遍，以及随之而来的清醒账单——1TB 的 BF16、280GB 的 NVFP4、四张 B200 的建议配置、103GB 的 GGUF 内存门槛。它把「开源」的边界又推远了一截：从「个人显卡能玩」到「机构机房才能拥有」。两条路径各有各的用户，选之前先看自己的机房，再看自己的账单。
常见问题
Q1：Beam 是真开源吗？许可有什么限制？
A1：权重以 Apache 2.0 发布，没有营收门槛，商用、再分发、微调都在许可范围内。模型卡里标注 informational only 的部分只是信息说明，不改许可本身。就许可干净程度而言，这是开源栏里最靠前的一档。
Q2：1M 上下文是什么口径？部署时能直接开 1M 吗？
A2：1M 是有效上下文，是 midtraining 拉长的结果；RL 阶段的 rollout 长度是 256K，两个数字不能混。服务端上下文上限和最大输出官方未公布，实际能开多长取决于推理栈与显存余量——按 HF 的说法，即便四张 B200 也要为长上下文留足空间。
Q3：我的电脑能跑 Beam 吗？
A3：基本不能。BF16 约 1TB，NVFP4 约 280GB，HF 建议四张 B200；最小的 GGUF 约 103GB，且首先要的是内存而非显存。消费级 24GB 显存卡、8GB 显存笔记本都在门槛之外。想体验，可走 Ollama 云端，或 HF 点名的 Baseten、Fireworks、Together 渠道。
Q4：自报的基准分数能信吗？
A4：当方向参考，别当量级结论。全部数字为 Reflection 自报、无独立复现，FP8 与 NVFP4 只给了「接近 BF16」的定性说法。Artificial Analysis 已收录（Intelligence Index 30 分、美国开放权重第 2），但属转引推文的二手口径。采购或选型前，用自己的任务集实测。
Q5：Ollama 的 ollama run beam 是在本地跑吗？
A5：不是。该命令拉的是 beam:cloud，走 Ollama 云端推理，限免也是云端的限时免费。本地跑需要显式指定本地 GGUF 变体，并确认机器内存满足约 103GB 的加载要求，显存另算。
延伸阅读
- 42B 激活、816B 的账：为何两台 Mac 才跑得动：42B 激活、816B 的账：为何两台 Mac 才跑得动
- 宣传说第一，自家表里第二：24GB 跑 agent 怎么选：宣传说第一，自家表里第二：24GB 跑 agent 怎么选
- 4GB显存装下2.8万亿参数：别人压缩，它搬家：4GB显存装下2.8万亿参数：别人压缩，它搬家