Reflection AI 成立于 2024 年，由前 Google DeepMind 研究员 Misha Laskin 与 Ioannis Antonoglou（AlphaGo 核心作者之一）共同创立，获得了英伟达等机构的投资，被外媒称作“西方的 DeepSeek”，旨在打破中美闭源/开源生态的格局。 
Beam 是其首款旗舰开源大模型，主要面向代码编写、多步逻辑推理与智能体工作流，直接对标中国顶尖开源模型（号称表现与 GLM-5.2 相当，但所需的计算资源仅为后者的 1/3 到 1/4）。 
架构与参数规模： 

采用稀疏专家混合架构。
总参数量 501B，单个Token激活参数量仅 23B。
使用了23.8T高质量 tokens 从零训练。

使用了 10,500 张 NVIDIA GB300 GPU 进行了长达 4 周的异步策略梯度 RL 训练，生成了超过 1 亿次 rollout...