Reflection 发布首个模型 Beam，Artificial Analysis 智能指数得分 30
Reflection has released Beam, their first model launch | Artificial Analysis
Reflection 发布首个模型 Beam，这是一个 501B 总参数、23B 激活参数的开源权重模型，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于 NVIDIA 的 Nemotron 3.5 Super VL（26）。Beam 每个智能指数任务约消耗 26k 输出 token，其中约 19k 用于推理、7k 用于回答；在 AutomationBench-AA 上得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%。在 AA-Omniscience 上答对 33% 的问题，幻觉率为 47%，净指数得分 1.5。
正文 · AI 翻译
Artificial Analysis
所有文章
2026年10月16日 Reflection 的首个模型 Beam 在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二 查看模型页面 查看模型页面
Beam 是一个开源权重模型，总参数 501B，激活参数 23B
要点：
➤ 美国开源权重模型第二：Beam 得分 30，仅次于 Meta 的 Muse Spark Open（39），高于昨天发布的 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
➤ 就其智能水平而言 token 效率高：Beam 每个智能指数任务约使用 26k 输出 token，而领先一分的 K2 Horizon 使用了两倍（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，在终端方面较弱：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%）
➤ 知道得更多，猜测也更多：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，领先于这两个同类模型（分别为 −3.0 和 −10.0）
与开源权重同类模型对比
Beam 在与美国开源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），三者均于本周发布。在所有开源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 网络指数上完成了 34% 的任务，成为我们测试过的领先美国开源权重模型
得益于其 token 效率，它还位于网络指数与每任务输出 token 的前沿曲线上，与 GPT-6 Sol（Daybreak Blue）并列
token 效率极高
Beam 每个智能指数任务约使用 26k 输出 token：约 19k 用于推理，约 7k 用于回答。其输出中只有 26% 用于最终回答，在智能指数 v4.3 上测试的 219 个模型中占比第 28 低
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 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
智能指数各组成部分
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，在 CritPt 上超过 K2 Horizon（4.6%）和 Qwen3.8 27B（5.4%）两倍多。其最弱的结果是 Terminal-Bench 4.0（3.0%）和 AA-Briefcase（976 Elo）
在 AA-AgentPerf 上，NVIDIA Vera Rubin NVL72 每兆瓦的总吞吐量最高可达 GB300 NVL72 的约 5.7 倍，首批结果涵盖 DeepSeek V4 Pro、DeepSeek V4.1 Flash、GLM-5.2 和 Kimi K3。
2026年10月15日
NVIDIA RTX Spark N1X 笔记本电脑的首批 AA-AgentPerf-Local 结果
一台 NVIDIA RTX Spark N1X 笔记本电脑在 18.7 分钟内完成了我们在 Qwen3.8 27B 上的本地智能体工作负载。
2026年10月15日
NVIDIA 发布 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 74B A9B
NVIDIA 的 Nemotron 3.5 Super VL 现已成为领先的美国开源权重模型，在 Artificial Analysis 智能指数上得分 26
2026年10月15日