推文

@prolibertine · 2026-10-16 21:54

Reflection 今天把 Beam 的权重放出来了，Apache 2.0，官号 @reflection_ai 那条已经两万多曝光。10 月 5 号宣布的时候还在 waitlist，这次真能下：BF16、FP8、NVFP4，外加 DFlash2 投机解码，Mirror 这套开源 CLI 也一起给了。规格没变——501B 总参、23B 激活的 MoE，主打写代码和长跑 agent。 更值得看的是 Artificial Analysis 半小时后甩出来的独立卡。Intelligence Index 30，美国开源权重里排第二；Cyber Index 34%，同口径美国开源第一，token 效率还跟 GPT-6 Sol 挤在同一条前沿上。AutomationBench-AA 48.5%、CritPt 13.1%，这两项把 K2 Horizon（4.6%）和 Qwen3.8 27B（5.4%）甩开一截。 但 Coding Agent Index 只有 28——跑在他们自己的 Mirror harness 里。旁边 Claude Code 接 Qwen3.8 Max 是 43，榜首 68，差了 15 到 40 分。Terminal-Bench 4.0 更难看，3.0%。每道 Intelligence Index 题大概吐 2.6 万 output token，真正落到答案的只有 26%，在测过的 219 个模型里排倒数第 28。 自家官博那张表写 SWE-bench Verified 大约 80.9，听起来挺能打。第三方一上 harness，编码 agent 分数直接掉到中下游。西方实验室终于愿意把五百亿级权重按 Apache 2.0 全放开，这事本身值钱；可是接进真实 coding agent 之后，跟中文开源栈那一档还是有明显落差。权重放开只是第一步，harness 和工具链才是下一道要补的。

曝光 5 · 评论 0 · 点赞 0 · 书签 0