Hugging Face于2026年10月16日发布公告，介绍美国新团队Reflection的Beam模型。该模型采用混合专家架构，总参数量5010亿，每个令牌实际激活约230亿参数，支持最长100万令牌上下文，并以Apache 2.0许可证开放权重。Hugging Face官方公告
Beam定位为文本模型，重点面向代码生成、终端操作和工具调用等智能体场景。Hugging Face表示，模型已获得Transformers、vLLM和SGLang支持，并提供监督微调与强化学习相关配方，方便团队在自有硬件、私有基础设施或云环境中部署和定制。Hugging Face官方公告
它的技术取舍也较为明确：稀疏混合专家结构让单个令牌只计算部分专家，但部署时仍需将全部专家权重放入内存。官方称，BF16版本约需1TB存储，NVFP4版本可压缩至约280GB；在较长上下文和并发请求场景下，实际硬件需求还会进一步增加。因此，“开放权重”和“容易运行”并不是同一件事，模型更适合拥有多GPU基础设施或使用推理服务的团队。
Hugging Face公告列出了代码、推理和工具调用等多项基准成绩，但这些数据主要由Reflection团队提供，不能等同于独立复现实验结果。当前更值得观察的是：百万令牌上下文在真实软件工程任务中的有效利用率、长上下文下的成本与延迟，以及开放模型能否在安全审计和工具调用可靠性方面达到生产要求。此次发布说明，开放模型竞争正在从单纯追求参数规模，转向长上下文、智能体接口、后训练工具链和可部署性之间的综合较量。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
