Reflection AI发布Beam，英伟达传洽谈投资收购

Reflection AI近日发布首个开放权重模型Beam，重点面向编程、推理和智能体任务。模型采用稀疏混合专家架构，总参数量达到5010亿，激活参数量为230亿。公司公布的评测显示，Beam在部分高级推理基准上的表现接近GLM-5.2，但所需推理计算量约为后者的三分之一至四分之一；与Kimi K3等能力更强的开放模型相比，Beam主要以推理效率作为竞争优势。模型权重及配套资料计划在10月内开放，目前已提供早期访问申请。

Beam发布后不久，市场传出英伟达正与Reflection AI就进一步投资或收购展开早期谈判，潜在方案还可能包括聘用团队并取得技术授权。双方尚未达成协议，也没有公开回应相关报道。英伟达本身已是Reflection AI的重要投资方，因此这场合作受到关注：开放模型一旦形成生态，影响的不只是模型调用，还可能延伸至推理软件、芯片、集群和数据中心等基础设施选择。

Reflection AI由前Google DeepMind研究人员Misha Laskin和Ioannis Antonoglou于2024年创立。两位创始人曾参与早期Gemini模型研发，团队最初希望在现有开放模型上通过强化学习构建智能体能力，但后来发现，优秀的开放底座主要来自中国；同时，大规模强化学习要取得更好效果，也需要掌握预训练环节，因此公司转向自行训练完整模型。团队约一年间从30人扩展到300人，逐步组建预训练、中期训练和强化学习团队，并完成端到端模型训练。

Laskin表示，建立前沿模型实验室最困难的并非单一环节，而是人才招聘与留存、数据、算力、训练集群、基础设施和团队协作都必须同时做好。成熟实验室中许多工具已经完善，创业公司却需要从零搭建。追赶前沿时，优秀研究人员能够减少无效探索、提高资源利用率，但真正冲击最前沿仍需要大规模资本和算力，持续提升效率则有助于降低门槛。

他认为，编程和智能体能力是有经济价值的基础方向，但模型在不同任务和运行框架中的表现并不均衡，需要通过评估、合成数据和定制训练，在成本与效果之间取得平衡。开放模型的商业化也不只依赖权重许可，企业仍需要推理软件、集群管理、运行框架和算力服务。企业通常会先租用闭源模型，再因成本和控制权考虑自主部署，实际路径往往是先定制智能体工作流，待应用和数据成熟后再进行微调。

对于中国开放模型的领先，Laskin认为这是对全球开发者有益的成果，有助于企业减少对闭源供应商的依赖，但开放生态仍应保持多元竞争。他同时指出，模型安全不能只依赖少数封闭实验室，更多研究者参与漏洞发现与修复可能更有效；AI安全应优先处理已发生和近期可预见的风险。随着模型加速科研和工程工作，部分任务所需人员可能减少，但应用端仍需要大量既懂模型和评估、又能解决业务现场问题的工程师。