Reflection 发布首个开源权重模型 Beam，Artificial Analysis 评测得分 30 居美国开源模型第二

Reflection 的首个模型 Beam 在 Artificial Analysis Intelligence Index 上得分 30，位列美国开放权重模型第 2 名

Beam 是一个开放权重模型，总参数 501B，激活参数 23B

要点：

➤ 美国开放权重模型第二：Beam 得分 30，仅次于 Meta 的 Muse Spark Open（39），领先于昨天发布的 NVIDIA Nemotron 3.5 Super VL（26）。在中国以外，只有 Muse Spark Open 和阿联酋的 K2 Horizon（31）得分更高

➤ 与其智能水平相比 token 高效：Beam 在 Intelligence Index 每个任务上使用约 26k 输出 token，而领先一分的 K2 Horizon 使用的 token 是其两倍（约 52k）。专有模型仍处于前沿，GPT-6 Astra（max）在相同预算（约 27k）下得分 53

➤ 在智能体工作流上表现强劲，在终端中较弱：Beam 在 AutomationBench-AA 上得分 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 是弱项，Beam 得分 3.0%，落后于 Qwen3.8 27B（5.6%）和 Muse Spark Open（8.1%）

➤ 知道更多，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%，这使 Beam 的净指数得分为 1.5，领先于两个同类（−3.0 和 −10.0）

其他模型细节

上下文窗口： 1M token
模态： 文本
参数：501B / 23B

与开放权重同类相比

Beam 在对阵美国开放权重模型时得分很高，落后于 Meta 的 Muse Spark Open（39），领先于 NVIDIA 的 Nemotron 3.5 Super VL（26），三者均于本周发布。在所有开放权重模型中，它排名第十，落后 K2 Horizon（31）一分

网络能力

Beam 在 Artificial Analysis Cyber Index 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 token 效率，它还位于 Cyber Index 与每任务输出 token 的前沿曲线上，与 GPT-6 Sol（Daybreak Blue）并列

高度 token 高效

Beam 在 Intelligence Index 每个任务上使用约 26k 输出 token：约 19k 用于推理，约 7k 用于回答。其输出中只有 26% 用于最终答案，在 Intelligence Index v4.3 上测试的 219 个模型中占比第 28 低

编程技能

在 Reflection 的开源 CLI 工具 Mirror 中运行时，Beam 在 Artificial Analysis Coding Agent Index 上得分 28。它落后于下一个配置 Claude Code 搭配 Qwen3.8 Max（43）15 分，落后领先者（68）40 分。不过它很节省：只有 Codex 搭配 GPT-6 Astra 和 Codex 搭配 GPT-6.1 Sol 使用的 token 更少

Intelligence Index 组成部分

在 Intelligence Index 的十项评估中，Beam 在 AutomationBench-AA（48.5%）和 CritPt（13.1%）上表现突出，在这两项上超过 K2 Horizon（4.6%）和 Qwen3.8 27B（5.4%）一倍以上。其最弱的结果是 Terminal-Bench 4.0（3.0%）和 AA-Briefcase（976 Elo）

Beam 在 Artificial Analysis 页面上的完整详情 https://artificialanalysis.ai/models/reflection-beam