Reflection 的首个模型 Beam 在 Artificial Analysis 智能指数中得分为 30，在美国开放权重模型中位列第 2
查看模型页面 查看模型页面Beam 是一个开放权重模型，总参数量为 501B，激活参数量为 23B
要点：
➤ 在美国开放权重模型中位列第二：Beam 得分为 30，仅落后于 Meta 的 Muse Spark Open（39），领先于昨日发布的 NVIDIA Nemotron 3.5 Super VL（26）。在中国之外，只有 Muse Spark Open 和阿联酋的 K2 Horizon（31）得分更高
➤ 在同等智能水平下令牌效率高：Beam 在每个智能指数任务中使用约 26k 输出令牌，而领先其一分（应为：领先其一分）的 K2 Horizon 使用了两倍的量（约 52k）。专有模型仍然处于前沿，GPT-6 Astra（max）在相同预算（约 27k）下得分为 53
➤ 智能体工作流表现出色，终端能力较弱：Beam 在 AutomationBench-AA 上得分为 48.5%，领先 K2 Horizon（37.2%）11 个百分点，与 Qwen3.8 27B（48.2%）持平。Terminal-Bench 4.0 是其弱点，Beam 得分为 3.0%，落后于 Qwen3.8 27B（5.6%）和 Muse Spark Open（8.1%）
➤ 知道得更多，也猜得更多：在 AA-Omniscience 上，它正确回答了 33% 的问题，远超 K2 Horizon（18%）和 Qwen3.8 27B（16%）。但其幻觉率为 47%，而 K2 Horizon 为 26%，Qwen3.8 27B 为 30%，使 Beam 的净指数得分为 1.5，领先于这两个同类模型（−3.0 和 −10.0）
其他模型细节
- 上下文窗口： 1M 令牌
- 模态： 文本
- 参数量：501B / 23B
与开放权重同类模型的比较
Beam 在与美国开放权重模型的对比中得分很高，落后于 Meta 的 Muse Spark Open（39），领先于 NVIDIA 的 Nemotron 3.5 Super VL（26），这三个模型均于本周发布。在所有开放权重模型中，它排名第十，落后 K2 Horizon（31）一分
网络安全能力
Beam 在 Artificial Analysis 网络安全指数上完成了 34% 的任务，使其成为我们测试过的领先美国开放权重模型
得益于其令牌效率，它还处于网络安全指数与每任务输出令牌的前沿之上，与 GPT-6 Sol (Daybreak Blue) 并列
令牌效率极高
Beam 在每个智能指数任务中使用约 26k 输出令牌：约 19k 用于推理，约 7k 用于答案。其输出中只有 26% 用于最终答案，这是在 Intelligence Index v4.3 上测试的 219 个模型中第 28 低的占比
编程能力
在 Reflection 的开源 CLI 框架 Mirror 中运行时，Beam 在 Artificial Analysis 编程智能体指数上得分为 28。它落后于下一组配置 Claude Code 搭配 Qwen3.8 Max（43）15 分，落后领先者（68）40 分。不过它非常节俭：只有 Codex 搭配 GPT-6 Astra 和 Codex 搭配 GPT-6.1 Sol 使用的令牌更少
智能指数组成部分
在智能指数的十项评估中，Beam 在 AutomationBench-AA（48.5%）和 CritPt（13.1%）上表现突出，其成绩是 K2 Horizon（4.6%）和 Qwen3.8 27B（5.4%）的两倍以上。它最弱的成绩出现在 Terminal-Bench 4.0（3.0%）和 AA-Briefcase（976 Elo）上
Beam 在 Artificial Analysis 页面上的完整详情 https://artificialanalysis.ai/models/reflection-beam