REFLECTION AI
美国开放权重的第一份答卷

Reflection AI 由 Misha Laskin 和 Ioannis Antonoglou 创办。TechCrunch写它在 2024 年 3 月创立，Laskin 此前领导 Gemini 的奖励建模，Antonoglou 是 AlphaGo 的共同创造者；Fortune称 Laskin 是 CEO，Antonoglou 是 president 兼 CTO。官网 About 页只写使命和三条承诺（开放权重、以论文发表研究、开源软件），没有列出创始人，也没有写成立年份，所以这两项取自权威媒体。总部在纽约：Wired 2025 年 7 月到访的是布鲁克林威廉斯堡，TechCrunch 在 2026-10-05 的报道里仍称它是 Brooklyn-based；官网招聘页列出纽约、旧金山、伦敦、华盛顿特区四地办公室，开放岗位里还有两个在首尔。

团队规模官方只给过一个数。Laskin 在 2025-10 对 TechCrunch说团队约 60 人，多为基础设施、数据训练和算法方向的研究员与工程师。当前人数官方没有披露；招聘页显示 46 个开放岗位，其中 Research 15 个、Engineering 10 个、Commercial 7 个，另有一个“Sovereign Deal Lead”，岗位结构偏研究和部署，也出现了前线部署工程师。

融资分三轮，来源类型不同。第一轮是 2025-03 出隐身，Pulse 2.0 转述公告称共 $130M：$25M 种子轮由 Sequoia 与 CRV 领投，$105M A 轮由 Lightspeed 与 CRV 领投；Lightspeed 在自己的投资文章里写明联合领投了这笔 $130M 融资，领投方的具体组合各家转述并不一致，本刊没有核到官方清单。TechCrunch 提到它七个月前的估值是 $5.45 亿。第二轮是 2025-10：官方博客宣布“raised $2 billion”并列出投资方（Nvidia、Sequoia、Lightspeed、DST、Citi 等），TechCrunch报道估值 $80 亿，该稿没有写各家出资额，也没有写领投方。

第三轮是 2026 年的一轮，官方公告里没有金额和领投方。CNBC 2026-04-23 的节目报道称 Laskin 确认最新一轮融资以 $250 亿融前估值完成；TechCrunch引 PitchBook，称公司累计融资约 $47 亿。据媒体报道，这一轮的规模与领投方本刊没有核到，以官方公告为准。英伟达的出资额有两个说法：Reuters 转载 FT写英伟达已投资 $8 亿，Reuters 注明无法独立核实；SiliconANGLE称英伟达领投了 2025-10 那一轮。$8 亿是否全部出自那一轮，两篇报道都没有说明。

2026-10-10 的 FT 报道是另一件事。Reuters 的转载稿称英伟达在谈加深投资或收购 Reflection，处于早期阶段，可能采用 acqui-hire（雇人并授权技术、避开冗长监管审查），协议可能在几周内达成，也可能谈崩；Reuters 没能独立核实，本刊引用的是 Reuters 转载稿，没有核到 FT 原文。6 天后 Antonoglou 在VentureBeat 专访里把英伟达称为“a close partner and investor”，说公司会以独立公司的身份继续做开放前沿智能，并称该报道是“baseless rumors”；VentureBeat 注明他没有说是否有谈判在进行。

最早的产品是 Asimov。Sequoia 2025-07-16 的文章把它定位成面向代码理解的研究 agent：多个长上下文检索 agent 加一个推理 agent，当时由第三方模型驱动，同时在训练自己的模型。Wired写它会读代码、邮件、Slack 和项目文档；Reflection 自己做的开发者调查里，82% 的回答偏好 Asimov，对比 Claude Code（Sonnet 4）的 63%，MIT 的 Daniel Jackson 认为这份调查不足以说明普遍收益。之后这条产品线逐渐退到后面：Turing Post 2026-03写 Asimov 仍在无法加入的候补名单上，本刊在官网也没有找到它的独立页面。

转向发生在 2025 年秋天。官方博客宣布要做“frontier open intelligence accessible to all”，论证是前沿集中在少数闭源实验室，需要把开放模型做到强到成为“obvious choice”。博客页面标注的日期是 2025-08-09，而TechCrunch把同一宣告和 $20 亿融资系在 2025-10-09，本刊按后者理解。Lightspeed在 2026-08 更新了自己 2025-03 的投资文章，注明是为了反映公司“扩大后的使命”。Antonoglou 在接受 Turing Post 采访时解释了原因：要在前沿做强化学习，需要很强的基座模型，而西方生态里缺这样一个开放基座，他举的例子是 Llama 4 不够强；他还说它现在是“a general agent model”，不再只是编码模型。

Beam 1.0 是这条路线的第一个产物。模型卡写明它是 501.3B 总参数、23.4B 激活的稀疏 MoE，256 个专家，上下文 1M，仅文本，知识截止 2026-06-30，许可证 Apache-2.0，并明确不禁止蒸馏、用输出训练其他模型和微调。10-05 的官方博客自述预训练用了 23.8 万亿 token，强化学习阶段在 10.5K 张 NVIDIA GB300 上跑了 4 周，产生超过 1 亿条 rollout；10-16 的发布博客称 RL 训练、评测与消融合计约运行了 13 亿个沙盒。模型卡上的 Reflection 自报分数（BF16）包括 Terminal Bench v2.1 80.1%、SWEBench Verified 81.6%、DeepSWE v1.1 43.3%、MCP Atlas 80.8%、GPQA Diamond 90.6%；官方博客同时写明，Kimi K3 这类开放模型在原始能力上仍然领先，Beam 的卖点是推理效率。

Mirror 是它的 harness，也就是围绕模型的 agent 运行框架。官方博客说 Beam 与 Mirror CLI 一起训练，Mirror 起初是内部工具，用于隔离工作区、后台会话以及对接 Slack、Linear、GitHub，后来开源；架构是 Python 前端加 Rust agent 核心。GitHub 仓库创建于 2026-10-12，Apache-2.0，截至 2026-10-19 有 183 个 star；文档明说它仍处于早期 beta，手动审批模式“isn’t a sandbox”。Beam 也在 Pi、OpenCode 和 Hermes 里测试过，官方称这些 harness 都可以接 Beam。

安全方面，Beam Safety Technical Report依据 Reflection 自己的 Open Safety Framework，把 Beam 在生物武器、化学武器、失控和网络攻击四类系统性风险上全部评为 Limited，定义是相对同类开放权重模型没有实质性的攻防平衡改变，采用的是“边际风险”口径。报告里的自建评测集 ISE 显示，Beam 对有害请求的拒绝或转向率为 88.9%，对无害请求的合规率为 81.5%；生物提升试验用了 20 名参与者，报告自己写明结果“not statistically significant”。同一份报告还写了 Gray Swan 和 Irregular 的评测、Nemesys Insights 参与制定的提升试验量表，以及与 Andon Labs 合作的、仍在进行中的现实部署评估。

部署栈是它对企业和政府的主要卖点。发布博客写权重发布时有超过 40 个合作方和集成，包括 AWS、Cloudflare、Databricks、Google Cloud、Microsoft Foundry、Ollama、OpenRouter、Together AI，Dell 和 HPE 负责防火墙后的本地部署。政府侧，Axios 的独家报道称它是能源部 Genesis Mission 的模型提供方，DefenseScoop把它列为 2026-05-01 国防部涉密网络（IL6/IL7）八家供应商之一，Dell 的新闻稿称它的模型将进入 Dell AI Factory；Nvidia 的新闻稿把它列为 2026-03-16 Nemotron Coalition 的八个创始成员之一。

算力承诺和已知融资放在一起看，数字很大。CNBC写，Reflection 与 SpaceX 的协议从 2026-07-01 起每月付 $1.5 亿、到 2029 年，履行到期约 $63 亿，前三个月后任何一方可提前 90 天通知终止；Bloomberg报道称 Nebius 同意出售超过 $10 亿的算力，同样到 2029 年。TechCrunch引 PitchBook，累计融资约 $47 亿。本刊的算术：约 $63 亿加上超过 $10 亿，减去约 $47 亿，差额超过 $26 亿。这不是公司披露的缺口：付款分摊到 2029 年，SpaceX 合约可以提前终止，2026 年那一轮的金额也没有一手来源。它只说明，公司的算力义务已经超过目前能核到的融资总额，需要后续融资或收入来补。

英伟达在这家公司的位置不止是投资方。Reuters 转载的 FT 报道说它已投资 $8 亿，并在谈加码或收购；SiliconANGLE称 Beam 的训练跑在 Reflection 向 SpaceX 租用的 GB300 上；Nvidia 的新闻稿把 Reflection 列为 Nemotron Coalition 的创始成员；Beam 也同时发布了 NVFP4 版本，并有对 NVIDIA Dynamo 的 首日支持。Tech Funding News在报道 SpaceX 协议时把这种结构称为“circular capital structure”，即投资方同时处在供应链上游。如果 acqui-hire 成真，开放承诺能否延续取决于收购方，这是本刊的推断，不是任何一方的表态。

“开放”在 Reflection 这里是分层的。Laskin 对 TechCrunch说，最重要的是模型权重，数据集和完整训练管线基本保持私有；Beam 的模型卡只写数据来自公开来源和商业合作方协议，没有给出数据集名单。About 页承诺“publish the research behind our models as papers”，但本刊没有找到 Reflection 署名发表的论文，Beam 的主技术报告也还是“coming”。许可证上，Apache-2.0 没有署名和收入门槛；VentureBeat记录 Meta 的 Muse 许可要求标注“Built with Muse Spark Open”，并要求年收入超过 $2000 万的转售方另签协议。对采购方来说，Beam 的许可是干净的，数据来源是不透明的。

效率是它最主要的差异化主张，也是最需要分开读的一项。官方的“3–4 倍更少推理算力”，按博客图注的算法是 2 乘激活参数乘平均生成 token，不含 prompt 预填、上下文注意力和服务开销；TNW转述官方，称这是近似比较而非实测成本。AA 的数据支持 token 用得少，同时把价格标为偏贵，47% 的幻觉率也说明“少 token”不等于“更可靠”。本刊的判断是：效率已有部分独立证据，成本优势还没有。

安全论证的写法值得单独读。OSF采用“边际风险”口径：不问模型本身是否危险，问它比已有的开放权重模型多增加了什么；报告把四类风险全部自评为 Limited，对照的 12 个开放模型里有 8 个来自中国实验室（本刊计数）。评测集 ISE 和评判模型都是 Reflection 自建的；动态 agentic 轨迹里，Beam 的有害合规率是 14.5%，高于 Kimi K3 的 7.0% 和 DeepSeek V4.1 Flash 的 4.4%；Gray Swan 的 Reward Hacking 测试里，在只有越界才能完成的 CTF 任务中，Beam 有 4/5 次越界。更关键的是，报告测了 FP8 和 NVFP4 量化后的安全变化，没有看到对“恶意微调去除安全训练”的测试，而 Responsible Use Guide 自己写明安全训练“not an immutable property of the model”，可被微调削弱。本刊没有找到独立于这些合作方之外的第三方对这份报告的评论；Laskin 对 Semafor说美国和英国的政府机构也在评估 Beam，报告正文没有这两家的结果。

收入证据同样缺位。VentureBeat写 Reflection 没有点名任何付费客户，只提到早期用户 Oura 和与 Shinsegae 的合作项目；已公开的是合作关系而不是合同金额：Genesis Mission、国防部涉密网络、Dell，以及官网 About 页写的 Shinsegae 250MW 数据中心，金额都没有披露。Laskin 在 Sources 播客里说，长期来看成为自己的超大规模云“probably makes sense”，说明收入模型仍在形成。