Reflection的首个模型Beam在Artificial Analysis智能指数上得分为30，在美国开放权重模型中位列第2
Beam是一个开放权重模型，总参数量为501B，激活参数量为23B，已在@huggingface上发布
恭喜@reflection_ai发布该模型！
要点：
➤ 美国开放权重模型中排名第二：Beam得分为30，仅落后于Meta的Muse Spark Open（39），并领先于昨天发布的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
➤ 就其智能水平而言token效率高：Beam在每个智能指数任务中约使用26k输出token，而领先一分的K2 Horizon使用的token量是它的两倍（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
➤ 在智能体工作流上表现出色，在终端方面较弱：Beam在AutomationBench-AA上得分为48.5%，比K2 Horizon（37.2%）高11个百分点，与Qwen3.8 27B（48.2%）持平。Terminal-Bench 4.0是弱项，Beam在该项上得分为3.0%，落后于Qwen3.8 27B（5.6%）和Muse Spark Open（8.1%）
➤ 知道得更多，猜测得也更多：在AA-Omniscience上它正确回答了33%的问题，远高于K2 Horizon（18%）和Qwen3.8 27B（16%）。但它的幻觉率为47%，而K2 Horizon为26%，Qwen3.8 27B为30%，这使得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 tokens
模态：文本
参数量：501B / 23B
