Reflection发布Beam，Mistral同日出牌，开放模型竞赛再起

西方开放模型这边，节奏开始快了起来。

10月5日，被外界叫作“美版 DeepSeek”的美国创业公司 Reflection 放出旗下首款开放权重模型 Beam。仅隔一天，法国的 Mistral 拿出了自家迄今体量最大的 Mistral Large 4。两家在发布时挑的对照对象出奇一致：GLM、Kimi、DeepSeek、Qwen。

Hugging Face 的统计显示，最近一年中国模型拿下了平台模型下载量的大约 41%，不管是月度下载量还是累计下载量，都已经压过美国。DeepSeek、阿里 Qwen、月之暗面 Kimi、智谱 GLM、MiniMax、小米 MiMo 这些模型轮着把开放模型的能力天花板往上顶，中国开放模型成了全球开源开发者追着跑的目标。而且开放模型早就不是研究者和极客手里那种“小众替代品”了：Vercel AI Gateway 的生产流量数据里，今年 8 月开放权重模型已经吃下平台 56% 的 Token，去年 12 月这个数字还不到 10%。全球开放模型这轮竞赛，也就成了必然。

美欧开放模型同期亮相

“美版 DeepSeek”第一次交卷：还有差距

被寄予厚望的 Reflection 成立于 2024 年，两位创始人都出自 Google DeepMind：CEO Misha Laskin 之前管的是 Gemini 的奖励建模，CTO Ioannis Antonoglou 参与过 AlphaGo、AlphaZero，之后又负责 Gemini 的人类反馈强化学习（RLHF）工作。

但 Reflection 起初并不是奔着“美版 DeepSeek”这个名头去的。公司最早的落点是自主编程，想靠强化学习做出能自己搞定复杂任务的“超级智能系统”；当时的判断是西方会不断冒出足够强的开放模型，Reflection 直接站上去就行。

把公司路线掰弯的是 DeepSeek V3。按 Reflection 创始人的说法，中国开放模型跑得飞快，西方却迟迟没有同等级别的替代品，于是公司决定自己动手训前沿开放模型，目标也慢慢清晰成“把开放模型前沿重新带回西方”。

两年之后，Beam 算是 Reflection 第一次真正交卷。

Beam 是 MoE 架构，总参数 5010 亿，每个 Token 激活 230 亿参数，主攻编程、推理和 Agent 负载。预训练用了 23.8 万亿 Token，之后 Reflection 又拉来 1.05 万张 Nvidia GB300，连着做了 4 周高算力强化学习，生成超过 1 亿次 rollout。模型眼下还在最终红队测试阶段，Reflection 打算在 10 月份公开模型权重、技术报告和开发工具。

看 Reflection 自己公布的测试结果，Beam 最亮的地方不是绝对能力，而是推理效率。公司称在一些高级推理任务上，它用 GLM-5.2 大约四分之一到三分之一的推理算力，就能做到接近的表现。

可要是跟中国最新一代模型摆在一起横着比，Beam 离真正“追平”还差着明显的距离。

拿 Agent 编程测试 DeepSWE v1.1 来说，Beam 拿到 44.4，几乎和 GLM-5.2 的 44.0 打平，但低于 GLM-5.3 的 61.0、Kimi K3 的 68.0，以及 DeepSeek V4.1 Flash 的 74.2；Terminal Bench v2.1 上，Beam 是 80.1，而 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 分别到了 88.2、88.3 和 90.6。Humanity's Last Exam（HLE）上，Beam 拿 36.2，同样低于 GLM-5.3 的 42.3 和 Kimi K3 的 46.9。

所以眼下 Beam 是把美国开放模型重新拉回到中国头部模型附近，但追上来的主要还是上一代 GLM-5.2，跟中国最新一轮开放模型之间还隔着一代左右。

Reflection 自己也没绕开这点。官方直接承认 Kimi K3 在绝对能力上依然领先，把 Beam 的卖点调转成“单位推理算力能换回多少智能”。CEO Misha Laskin 给 Beam 的定位是企业能长期跑下去的“主力模型”，而不是单纯冲榜的最大模型。

这跟 DeepSeek 最初打动市场的逻辑有点像：价值不在模型是不是第一，而在达到某个能力得花多少钱。差别在于，Reflection 很难说得上是个“低成本版 DeepSeek”。

光最后一轮强化学习，Beam 就同时占用了超过 1 万张最新 GB300；公司已经融了数十亿美元，还从 Nvidia 拿到大笔投资，又通过 SpaceX、Nebius 等合作锁定大量算力。它更像一个背着美国资本、握着 Nvidia 最新硬件的“重资产版 DeepSeek”。

Ioannis 说，公司未来几年的目标是让“开放前沿”和“封闭前沿”最终变成同一个前沿。2027 年，Reflection 计划发布体量更大的模型，同时继续扩大强化学习算力，并像 GLM 等模型那样，在基础模型之上连着推出多个强化学习增强版本。

在 Misha 看来，这条路背后其实藏着一个更大的判断：强化学习已经从过去 AlphaGo、AlphaZero 里的特定领域技术，变成了能持续推动通用模型、编程模型和 Agent 模型往前走的基础方法。

他觉得，现在这些模型“要么已经是某种形式的 AGI，要么至少已经非常清晰地处在通往 AGI 的连续路径上”。接下来真正要解的，已经不只是怎么把模型继续做强，而是怎么把这种能力工程化、产品化，再借一个多极化、开放程度更高的生态扩散出去。

Mistral 重新冲刺头部开放模型

刚交出首款基础模型的 Reflection 面前，欧洲厂商 Mistral 的处境要更紧张。前两三年它还是开放模型圈里最有代表性的玩家，可 DeepSeek、Qwen、Kimi、GLM 这些模型迭代太快，Mistral 在前沿能力榜上越来越没声音。今年 9 月，CEO Arthur Mensch 受访时被当面追问：Mistral 的模型已经掉出 Artificial Analysis 排名 20 名，是不是被美国和中国甩下了？

他当时的说法是，新一版大模型很快会来，公司未来一年已经把接下来两代产品排进了计划；刚拿到的融资会大笔投进训练算力，将来能调动的训练计算量大约提升 20 倍。

两周之后，Mistral Large 4 就来了。这个模型激活参数 520 亿，总参数 1.05 万亿，带一个 16 亿参数的视觉编码器，原生支持多模态和 160 多种语言，上下文窗口给到 100 万 Token。它是在 Mistral 位于欧洲的数据中心里，用大约 3800 张 Nvidia Grace Blackwell GPU 从头训出来的；目前 API 预览已经开放，完整权重 10 月底放出。

Mistral 官方给出的 Coding Agent Index 里，Large 4 已经压过 DeepSeek V4 Pro 和 Qwen 3.8 Max，但排在 Kimi K3 后面；和第三方 Surge AI 一起做的盲测中，专业评审给 Large 4 的代码质量打了 3.74 分，比 Claude Opus 5 的 4.22 低，但高过 Kimi K3 的 3.59、GLM-5.3 的 3.60 和 GLM-5.2 的 3.40。

看得出来，Mistral 抢的不只是开发者，更是“企业 Agent”这块地盘。AutomationBench 有 657 个横跨 Gmail、Google Sheets、Slack、Salesforce 等应用的业务工作流，Mistral 说 Large 4 在这上面赢了 Kimi K3、MiMo-V2.6-Pro 和 DeepSeek V4 Pro，只输给 GLM-5.3。科学代码、网络安全以及部分金融、法律任务上，Mistral 也声称已经摸到开放模型头部水平。

网络安全这次被 Mistral 单独拎出来讲。按它的说法，Large 4 进了 Artificial Analysis Cyber Index 全球前五，其中一项“复现真实漏洞并修复”的任务拿到 82%，是该测试的最高分；Cybench 上完成了 93% 的挑战。Mistral 还特意点出，一些闭源模型因为安全拒绝机制，在某些漏洞复现任务上基本答不了，而开放权重模型能让企业自己定安全策略，放在私有云或本地环境里跑。

不过这些数字眼下很大一部分出自 Mistral 自家测试，而且 Large 4 还在 public preview 阶段，权重并没有真正开放。

补中国厂商初步跑通雏形的商业模式

除了模型能力，Mistral 和 Reflection 走的商业路线，国内厂商其实已经初步趟过一遍。Reflection 讲的是一个很“美国式”的故事：它想搭出一个完整的 AI 基础设施供应商，从基础模型往上接推理、Agent、软件和企业部署，往下扎进算力管理、集群调度，长远看连数据中心都要自己建。

在 Misha 看来，模型、应用、云计算、裸金属这些层长期都会走向商品化，能一直赚到较高利润的，往往是那些把整个技术栈垂直整合起来的公司。他甚至给出一个很“硅谷味”的公式：收入潜力 = 智能密度 × 算力规模 × 企业信任。

Misha 说，开放模型本身未必直接变现，但它能带出巨大的推理需求。Kubernetes 自己开放，却把云市场推了起来，开放模型同样会推动企业去买算力、推理和整套 AI 基础设施。所以 Reflection 真正卖的，是围绕 Beam 搭起一整套智能基础设施的能力。

它甚至拿自己跟早期的 AWS、GCP 作比。AWS 最早是 Amazon 为了解决自家服务器基础设施问题做出来的，Google Cloud 则源于 Google 支撑搜索业务时形成的大规模分布式系统能力。Reflection 的逻辑是，自己训练前沿模型本来就得解决数万亿 Token 服务、数十亿 Agent 沙箱、GPU 调度这些事，这些内部技术最后也能像云计算那样往外输出。

Mistral 的商业模式同样看重企业部署，只是更偏“欧洲版全栈 AI”。Arthur 主张，小而高效、能定制、能部署的开放模型，比一味追求最大规模的通用模型更贴合企业需求。Mistral 一边做自己的模型，一边建企业定制平台和欧洲算力基础设施，目标是让训练、推理到部署都发生在欧洲法律和基础设施体系之内。

在它看来，欧洲企业不能把核心 AI 能力全押在别国厂商愿不愿意继续提供服务上，也不能把技术底座转手交给别国模型。所以 Mistral 不光自己训模型，还在欧洲建数据中心，想把算力、模型到企业部署这条完整链条攥在手里。

对国内开放模型的态度

一家在欧洲，一家来自美国，但两位创始人近期的公开表态显示，他们对开放模型的判断正越来越像：AI 市场已经从“谁能提供最好用的 API”，走到“谁拥有模型、谁控制基础设施”这一步。至于“为什么必须做开放模型”，Reflection 的解释是，AI 市场正在从“租赁智能”转向“拥有智能”。

Misha 打了个比方，说闭源 API 就像“租房”。AI 商业市场形成不过三年，企业调用 OpenAI、Anthropic、Google 的模型，说白了就是租智能来用。早期市场这样干确实省事，效率也高。可等到 AI 真进了企业的核心业务，情况就不一样了。

在 Misha 看来，“几年前还很小的创业公司已经成长为大型企业，大型企业自己也开始真正使用 AI，所有权市场自然就出现了。”一家公司要是想真正拥有智能，就得能把模型放到自己的基础设施上跑，数据自己管、模型自己改、定制自己做——这就要求模型得够开放。

Ioannis 从技术角度补了一句：开放模型和闭源模型最前沿的差距在收窄，而且“没有任何技术理由会决定开放模型必须永远落后”。他的意思是，人才和算力到位，开放模型完全可以做到跟闭源一个水平。企业以前不用开放模型，核心原因就一个——“能力还不够”；眼下已经有一批中国开放模型能直接顶替闭源模型干大量活，商业迁移的前提算是立住了。

Mistral CEO Arthur Mensch 的看法跟 Reflection 在这点上差不多。他觉得开放模型能力一上来，很多企业就没必要再为闭源模型多掏 API 溢价了。他近期透露，Mistral 接触的企业场景里大约 99% 都能用开放模型搞定。

那为什么过去一年是中国模型先跑出来呢？

两家公司的判断也颇为一致：中国开放模型领先，不是哪家公司运气好撞出一款好模型，而是商业激励、产业环境和训练资源一块儿推出来的。

Misha 说，美国其实也曾经握有最强的开放模型，Llama 3 就是个明显节点。但那时候美国 AI 商业市场还是 API 当家，Meta 也好，别的公司也好，都没有足够强的商业动力把最前沿能力持续开放出去。

中国这边不一样。DeepSeek V3 是个重要转折点，来自中国的开放“智能”第一次在全球形成大规模影响，打那以后中国出现了一轮更集中的开放模型推进。Misha 认为，这里面相当一部分动力来自：把自己的开放权重生态建起来，本身就有产业和战略价值。

Misha 说，中国的这些实验室此前很长一段时间里进账并不多。情况发生变化，是因为模型能力已经够强，市场也发展到了愿意为开放智能付钱的程度，收入这才真正出现。

Arthur 则从偏工程的角度解释：中国头部实验室的算力虽然低于美国最大的几家 AI 公司，但仍然高于 Mistral；同时它们会尽可能用互联网上的数据，迭代方式也已经工业化。这些条件让中国实验室能快速迭代。

开放模型会不会更危险？

两家公司都在积极为开放模型辩护，但谁也没把自己说成“所有模型都应该无条件开放”的极端开放派。

Reflection 在安全上的主要论点是：把系统开放出来，安全性反而会提高。Misha 引用了开源软件圈里的“Linus 定律”——足够多的眼睛盯着，漏洞就藏不住。他的判断是，封闭的 AI 实验室里做安全的人只有几百个，而模型极其复杂，长尾问题根本顾不过来。反过来，如果开放模型能拉来数十万研究者去检查、攻击和修补，整个生态说不定会更安全。

Reflection 多次拿 OpenAI 内部网络安全评测说事：评测中的智能体跑出了测试环境，进了 Hugging Face 的系统。在 Misha 看来，这正好说明只信一种安全哲学不靠谱。封闭模型可能被自家护栏捆住手脚，有些防御任务做不了；开放模型则能拿出另一套工具来。

Ioannis 又往前推了一步，提出“用 AI 防御 AI”。模型越强，将来一个行为不对劲的 Agent 就越有可能被另一个 AI 系统揪出来并加以约束。模型和提供者数量上去了，系统冗余度也就上去了。反过来，如果最强的能力只握在一两家公司手里，那就成了“单点故障”。

当然，Reflection 也承认开放是有限度的。Ioannis 说得很清楚，模型能力到了一定的档位，部署就得更加小心。Misha 也讲，模型越过某个风险阈值以后，该在什么条件下发布、要不要做访问控制，应该由行业和政府一起来定。

Arthur 最近则公开反驳了超级智能会失控的那类说法。他不怎么赞同主动减速，更愿意把力气花在 Agent 监控、安全工程和实际治理上。

这一点跟 Anthropic 的立场有一部分是重合的。Anthropic 对开放权重带来的高风险扩散更加警惕，但同样认为开放模型和闭源模型应当适用同一套能力安全门槛。

参考链接：