欢迎Beam：可拥有、定制和扩展的501B开放模型

美国AI实验室Reflection近日在Hugging Face上发布了其首个开源模型Beam，采用Apache 2.0许可证，允许企业和开发者自由使用、修改和商用。这是一个混合专家（MoE）架构的大模型，总参数量达到5010亿，但每个token实际激活的参数量仅为230亿，这意味着它在保持前沿级模型能力的同时，运行成本更接近一个小得多的模型。Beam支持文本输入输出，上下文窗口高达100万token，主打编程和智能体（Agent）场景，面向那些希望在自己的硬件、基础设施或云上部署前沿级模型并进行定制化的团队。 Beam的技术设计有几个值得关注的细节。它共有52层，每层MoE包含256个专家，每个token路由到其中8个。注意力机制上，大部分层采用滑动窗口注意力（只关注前512个token），每第六层和最后一层才做全上下文注意力，这样在长文本场景下能显著降低计算开销。模型还支持跨轮次保留推理上下文（preserve_thinking）、带专用语法的工具调用，以及五档推理强度调节（low、medium、high、xhigh、max）。配套方面，Reflection为Beam开发了基于Rust的专用推理框架，并提供了transformers、vLLM、SGLang等主流库的Day-0支持，以及监督微调（SFT）和强化学习（RL）的训练方案。模型提供BF16、FP8和NVFP4三种检查点格式，方便在不同硬件上部署。 对跨境电商卖家和出海团队来说，Beam的意义在于：过去要使用这个量级的模型能力，基本只能调用OpenAI、Anthropic等闭源API，数据要出境、成本按token计费、无法针对自身业务做深度定制。Beam的开源属性意味着，有技术能力的团队可以在自有服务器上部署，用自己积累的商品数据、客服对话、运营SOP做微调，训练出真正懂自己业务的AI助手，同时避免敏感数据外流。Reflection还宣布将向使用Beam的最佳项目发放1万美元的Hugging Face Hub额度，参与者只需在Hub上分享基于Beam构建的demo、量化版本、合成数据集、RL环境或基准测试结果即可参与评选。