開放權重 AI 聊天 · Reflection AI
Beam 1.0:Reflection AI 專為程式、代理與長對話打造的 501B 開放模型
Beam 1.0 是 Reflection AI 推出的第一款大型開放權重模型。這家美國實驗室希望在中國強勢開放模型之外,為開發者提供一個美國的選擇。它是稀疏混合專家(MoE)模型,總參數達 5,010 億,但每個 token 只啟用約 230 億,因此思考能力像巨型模型,執行成本卻更接近中型模型。它一次可讀取多達 100 萬個 token,任何人都能從 Hugging Face 下載權重。
- 501B MoE
- 100 萬上下文
- 開放權重

無審查替代 AI 聊天生成器
想要不受過濾的長篇角色扮演與成人小說,又不想租 GPU 伺服器?打開無審查聊天,幾秒內就能開始寫作。
開啟無審查聊天 →一款挑戰 MoE 巨頭的美國開放模型
Reflection AI 於 2026 年 10 月 5 日發表 Beam 並開放搶先體驗候補名單,接著在 10 月中旬於 Hugging Face 釋出完整檢查點 Beam-1.0-501B-A23B。名稱本身就說明了設計:總參數 501B,A23B 代表約 23B 啟用參數。內部有 52 層(3 層稠密層與 49 層 MoE 層)、256 個專家,採用門控分組查詢注意力搭配滑動視窗注意力,詞彙表達 15.2 萬個 token。它只處理文字,主要針對英文打造,知識截止於 2026 年 6 月 30 日。據 Forklog 報導,基礎模型在不到四週內以 23.8 兆個 token 完成預訓練,之後又在約 13 億個虛擬環境中進行了四週的強化學習。模型卡也宣稱,相較同等品質的對手,它所需的推理 token 約少三倍,意味著回答更快、更便宜。
強項所在:Reflection 旗艦模型的日常用途
Reflection AI 主要針對軟體開發與長篇多步驟任務調校這款模型,但超大的上下文視窗與流暢的文筆,讓它的用途遠不只寫程式。以下是 Beam 1.0 真正名副其實的情境:
- 程式夥伴:修復 GitHub issue、重構舊檔案、撰寫測試。程式類基準測試正是官方公布最亮眼數字的地方。
- 代理與工具使用:命令列與 DevOps 雜務、網頁瀏覽,以及在長時間代理循環中呼叫 MCP 工具。
- 超大文件問答:丟進一整包合約、整個程式碼庫或一整本書,在 100 萬 token 的上下文中提問。
- 摘要與研究筆記:把報告、逐字稿與論文濃縮成簡短、可引用的重點。
- 創意寫作與角色扮演:多輪故事、角色口吻與劇情轉折,適用成人小說,僅限虛構的成年角色。
- 私有部署:希望在自家伺服器上擁有強大助理、資料絕不外流的企業。

可直接複製的程式、研究與故事提示詞範本
這款模型很能遵循簡單指令,所以最好的提示詞會寫清楚角色、任務和輸出格式。替換大括號中的內容,再把任一範本貼進聊天視窗:
- 長文件摘要:你是一位嚴謹的分析師。請把以下文件整理成 5 個重點發現,每個都附上一段佐證引文:{document}
- 程式重構:請扮演資深 Python 工程師。重構這段程式碼以提升可讀性,並用一句短話說明每項修改:{code}
- 抓蟲:以下是錯誤日誌與相關檔案。請找出最可能的根本原因,提出最小修正,並列出一個能證明修正有效的測試:{log} {file}
- 角色扮演(僅限虛構成年角色):你是 {name},{genre} 故事中一位{personality}的角色。請保持角色,用第三人稱寫出生動敘述,並在每次回覆結尾給我一個選擇。
- 創意寫作:以第一人稱寫一篇 600 字、關於 {topic} 的黑色短篇小說,結局要有反轉。
- 代理計畫:把這個目標拆成編號步驟,寫出每一步會用的工具,並在任何無法復原的動作前停下來詢問我:{goal}
小提示:模型卡以 temperature 0.7、top_p 0.99 進行評測,無論寫程式或說故事,都是不錯的起始設定。
Hugging Face 下載:BF16、FP8 與 NVFP4 版本
所有官方檔案都放在 Hugging Face 的 reflection 組織下。主儲存庫 reflection/Beam-1.0-501B-A23B 提供全精度 BF16 檢查點。另有一個 FP8 儲存庫,是用 vLLM 團隊的 llm-compressor 工具產生;Reflection 也公布了針對較新 NVIDIA 硬體的 4-bit 版本 NVFP4 的成績。Reflection 表示不禁止對權重進行微調、量化、合併或蒸餾,而 Hugging Face 的模型樹上已經列出社群微調與量化版本。
| 版本 | 位置 | 最適合 |
|---|---|---|
| BF16(原始) | reflection/Beam-1.0-501B-A23B | 最高品質、微調與自製量化版 |
| FP8 | reflection/Beam-1.0-501B-A23B-FP8 | 在資料中心 GPU 上提供服務,權重記憶體約減半 |
| NVFP4 | Reflection 與 BF16、FP8 成績並列公布 | 支援 4-bit 的最新 NVIDIA 顯示卡 |
| 社群量化版(GGUF 等) | Hugging Face 頁面上的模型樹 | 大記憶體 Mac 與 CPU + GPU 混合配置;請逐一查看模型卡 |
本機執行:實際的 VRAM 與硬體估算
模型卡沒有公布官方 GPU 需求,以下是實事求是的粗估。BF16 下每個參數佔 2 位元組,代表光權重就約 1 TB,還沒算上長上下文所需的快取。FP8 大約減半到 500 GB 左右,4-bit 版本則約為四分之一。雖然每個 token 只啟用 23B 參數,但 501B 全部都必須載入記憶體,所以這是多 GPU 伺服器的領域,而不是電競 PC。
- 資料中心路線:在多 GPU 節點上載入 FP8 檢查點;它的 compressed-tensors 格式來自 vLLM 工具鏈。
- Mac 與工作站路線:在擁有數百 GB 統一記憶體或 RAM 的機器上跑社群 GGUF;輸出速度會很慢。
- Ollama、LM Studio 與 llama.cpp:模型卡表示量化版本可以在這些應用中執行,但請確認你選的版本有明確支援此架構。
- 完全沒有硬體:模型頁面上列出 Baseten 為推論供應商,模型也已上架 HuggingChat。

Beam 1.0 對比 DeepSeek、Qwen 與 GLM
Beam 進入的是由中國開放 MoE 家族主導的戰場。據 Forklog 報導,Reflection 自己的說法大膽但具體:在程式與代理任務上與 GLM-5.2 相當、逼近 Qwen3.8-Max,並在進階推理上追平 GLM-5.2,推論算力卻少三到四倍。公司也坦承 Kimi K3 在絕對能力上仍然領先。撰文時尚無獨立實驗室公布自己的評測分數,因此請將這些視為官方說法。
| Beam 1.0 | DeepSeek、Qwen 與 GLM 家族 | |
|---|---|---|
| 來源 | Reflection AI,美國 | 中國實驗室 |
| 架構 | MoE,總計 501B、約 23B 啟用 | 以 MoE 旗艦為主,另有較小的稠密模型 |
| 上下文 | 100 萬 token | 依版本而異 |
| 開放權重 | 有 | 多數版本有 |
| 社群無審查版本 | 尚未找到 | 大量 abliterated 與無審查微調版 |
基準測試成績與早期反應
Reflection 為 BF16、FP8 與 NVFP4 版本公布了一長串成績,量化版本幾乎沒有退步。以下所有數字皆為官方在 temperature 0.7 下自行公布,並非獨立測試,但綜合來看,能看出 Beam 1.0 的目標:真實的軟體開發、數學與科學,以及會使用工具的代理。
| 基準測試 | BF16 分數 |
|---|---|
| SWE-bench Verified | 81.6 |
| Terminal Bench v2.1 | 80.1 |
| LiveCodeBench | 88.3 |
| AIME 2026 | 97.7 |
| GPQA Diamond | 90.6 |
| MCP Atlas | 80.8 |
| IFBench | 79.6 |
早期報導將這次發表定位為一款與中國產品競爭的美國開放模型。最多讚美集中在程式能力與效率;觀察者反覆提到的主要保留是,第三方評測尚未出爐。
有無審查版 Beam 1.0 嗎?
目前還沒有。官方聊天模型經過安全調校:在 Reflection 自己的有害請求測試中,約 89% 的情況會拒絕或轉移話題,預訓練資料也過濾了有害內容。由於權重是開放的,社群日後可能做出 abliterated 或無審查微調版,但撰寫本頁時,Hugging Face 上還找不到這樣的 Beam 1.0 版本。現在就想減少拒答的人,通常會改用 Qwen、GLM 或 DeepSeek 的 abliterated 微調版,或使用線上無審查聊天來進行成人角色扮演與小說創作。
- 下載任何衍生模型前,先在 Hugging Face 模型樹中搜尋 abliterated 或 uncensored 標籤。
- 閱讀每個衍生模型的模型卡:社群版本未經 Reflection AI 審核。
- 角色扮演僅限虛構成年人(18+),絕不涉及真實人物。
自行部署 Beam 1.0 vs 在 Spicy AI 線上聊天
| 本機部署(官方權重) | Spicy AI 線上版 | |
|---|---|---|
| 內容過濾 | 官方模型經過安全調校 | 無內容過濾 |
| 開放權重 | 有 | 不需要——直接在瀏覽器執行 |
| 模型 | Beam 1.0(BF16、FP8 或 NVFP4) | 同類型無審查聊天模型,線上即用 |
| 起步成本 | 免費下載,需自備多 GPU 伺服器 | 提供免費方案 |
常見問題
Beam 1.0 是誰開發的?
美國公司 Reflection AI。它於 2026 年 10 月 5 日發表 Beam,並在 2026 年 10 月於 Hugging Face 釋出可下載的權重。
Beam 1.0 有多大?
總參數為 5,010 億,但作為混合專家模型,每個 token 只啟用約 230 億,分布在 52 層與 256 個專家之中。
它能讀取多長的上下文?
模型卡列出的上下文視窗為 100 萬 token,足以在一個提示中放入大型程式碼庫、冗長合約或一整本小說。
我能在自己的電腦上執行 Beam 1.0 嗎?
一般 PC 不行。完整模型在 BF16 下需要約 1 TB 記憶體,FP8 約需一半。社群量化版能降低門檻,但仍需要數百 GB 的記憶體。
有無審查或 abliterated 版的 Beam 1.0 嗎?
撰文時尚未找到。官方模型經過安全調校。常見替代方案是 Qwen、GLM 或 DeepSeek 的 abliterated 微調版,或線上無審查聊天。
它的表現如何?
Reflection 公布的成績包括 SWE-bench Verified 81.6、AIME 2026 97.7 等。這些都是官方自行公布的結果,目前尚無獨立評測發表。