Beam 开源 5010 亿参数权重：它争的不是第一
10 月 16 日，美国实验室 Reflection 把 Beam 的模型权重放上 Hugging Face，许可证是 Apache 2.0。距离 10 月 5 日首次发布，只隔了 11 天。据 VentureBeat 与 Hugging Face 模型卡信息，这是一个 5013 亿总参数、每 token 激活 234 亿的稀疏混合专家模型，上下文 100 万 token，纯文本输入输出。
先看它是什么
Beam 1.0 共 52 层，其中 3 层稠密、49 层专家，256 个专家、每 token 路由 8 个。训练用了 23.8 万亿 token，中训练阶段把有效上下文拉到 100 万。知识截止到 2026 年 6 月 30 日，主要面向英文。
权重提供三种精度：BF16 约 933.81 GiB、FP8 约 468.72 GiB、NVFP4 约 273 GiB，另有一个 DFlash2 草稿模型用于投机解码，还附了后训练配方。
许可证是这次的重点
Apache 2.0 意味着可以商用、可以微调、可以再分发，没有营收门槛，也不要求在产品上打标。模型卡还明确不禁止蒸馏——即用 Beam 的输出训练别的模型。
这一点和最近几款“开放权重但限制商用”的模型形成对比。对想把模型嵌进产品、又不想被许可证条款反复拉扯的团队，这是实打实的差别。
它不争第一，争的是“每 token 的智能”
Reflection 自己的榜单是：SWE-bench Verified 81.6%（BF16）、Terminal Bench 2.1 80.1%、SWE Bench Pro v2-Hard 76.5%。它自己也承认，Kimi K3 在 Terminal Bench 2.1 上更高，Qwen 3.8-Max 这类 2 万亿级模型综合更强。
它的卖点是效率：官方称在推理分数接近 GLM-5.2 的情况下，只需三分之一到四分之一的推理算力；同一个 Terminal-Bench 任务，Beam 约用 2.5 万 token，GLM-5.2 约用 8 万。CTO 的说法很直白——目标是“在它的体量下，用最少的 token 把任务做完”。
训练里真正值钱的部分
预训练阶段用了 6144 块 GB300 NVL72，跑了不到四周。真正花力气的是后训练：约 1.05 万块 GB300 跑四周，超过 1 亿次 rollout，跨约 13 亿个沙箱，平均并发 11 万次 rollout、17 万个沙箱。
技术报告里两个细节值得记：一是完全异步的策略梯度，能容忍陈旧数据——部分 rollout 返回时，策略权重已经落后 107 个版本，训练依然稳定；二是可控的 token 效率惩罚，奖励完成任务、惩罚废话，最后做成用户可见的“推理强度”参数。
“免费下载”和“跑得起来”是两件事
按官方部署文档，自托管需要四块 B300 用 NVLink 连起来。即使只激活 234 亿参数，5013 亿权重也必须全部驻留显存。所以大多数团队会先走托管：OpenRouter 上标价 1 美元/百万输入、3 美元/百万输出（10 月 17 日），缓存读 0.1 美元，不同托管商的报价从 0.25/1 到 1.3/4.3 美元不等，精度也不同。
该验证什么
- 所有已公布分数都是厂商自测，独立复现还没出来。
- 纯文本模型，没有图像输入，别按多模态去规划场景。
- 托管商精度不同，同一个模型在不同平台上的表现会有差异。
- 开源权重不等于安全，沙箱、工具权限、评测仍要自己做。
一句话：Beam 的价值不在榜单第一，而在“可商用 + 省 token”这两条同时成立。这两条能不能在真实业务里站住，要等第三方跑完再说。
