#Reflection AI
目前不在新聞媒體排行榜上。
每小時新聞數量與 24 小時移動平均（固定基準 110 家媒體）怎麼算 ⓘ
過去 3 天標成 #Reflection AI 的報導
另有 15 篇標題或摘要提到「Reflection AI」，但沒有這個標籤。看所有提到「Reflection AI」的文章 →
10/7（三）
星洲網
10/6（二）
自由時報偏綠「西方的DeepSeek」要破圈了 劍指中國 背後有輝達撐腰
〔財經頻道／綜合報導〕由輝達支持的人工智慧新創公司Reflection AI，正憑藉其首款開放權重模型（open-weight）Beam更深入參與全球人工智慧競賽。該模型旨在編碼及AI代理任務方
Reflection AI 推出 501B 開放權重模型 Beam：Apache 2.0 授權、官方稱推論運算量比 G…
Reflection AI 在 10 月 5 日發表首款旗艦開放權重模型 Beam，總參數 5,010 億、每次推論僅啟用 230 億，並採用 Apache 2.0 授權。這是美國陣營目前少見、直接對標 GLM-5.2 等中國開放模型的大型作品，官方更強調以 3 到 4 倍較低的推論運算量達到相近成績。
中國的開放模型對手來了？Reflection AI 推 Beam，憑什麼挑戰 GLM、Qwen
中國開放模型快速崛起後，美國又多了一個試圖迎戰的新玩家。獲 NVIDIA、Sequoia 等投資的美國新創 Reflection AI，在美國時間 10/5 發表首款開放權重模型 Beam，主攻程式設計、推理與 AI Agent 任務。《Reuters》指出，Reflection 直接把中國 Z.ai 的 GLM-5.2、阿里巴巴 Qwen3.8-Max 等模型列為競爭標竿，希望提供中國開放模型之外的新選項。
Reflection AI 發表 Beam 開放模型 號稱運算需求銳減四分之三
商傳媒｜吳承岳／台北報導美國人工智慧（AI）新創公司 Reflection AI 於今日正式發表其最新開放權重模型 Beam。該公司聲稱 Beam 在處理問題所需的運算能力上，較市場上同類型開放模型可減少高達三到四倍，旨在挑戰中國 AI 模型在開放生態系中的領導地位，並大幅降低企業導入 AI 的運算成本。 由兩位前 Google DeepMind 研究員於 2024 年創辦的 Reflection AI，將 Beam 定位為專為企業客戶及開發者設計的「主力模型」，特別適用於程式開發（coding）與 AI 代理（AI Agent）任務。AI 代理（AI Agent）是一種能自主感知環境、制定計畫並執行任務的人工智慧系統。根據 Reflection AI 的說法，Beam 在這些任務上能提供具競爭力的表現，同時大幅降低 Token（處理資訊的最小單位）成本與推論運算時間。Reflection AI 執行長 Misha Laskin 表示，透過強化學習（一種讓 AI 從試錯中學習以優化決策的訓練方法），Beam 在推理時能做到極高的效率。該模型已獲得輝達（Nvidia）的投資，迄今已募資 20 億美元。 在開放權重 AI 模型領域，過去一年中國實驗室表現活躍，如 DeepSeek、阿里巴巴（Alibaba）的 Qwen 系列及 Zhipu AI 的 GLM 系列，這些模型以其競爭力、積極的定價策略和快速迭代週期受到西方工程團隊的關注。相較之下，OpenAI 和 Anthropic 等美國公司主要推出閉源專有模型，而 Meta 的 Llama 系列則是少數在西方具有影響力的開放模型。Reflection AI 期望 Beam 能填補西方市場在開放模型方面的空缺，成為繼法國 Mistral AI 之後，另一個值得美國工程團隊採用的西方開放選擇。 雖然 Reflection AI 聲稱 Beam 的效能可媲美 Zhipu AI 的 GLM-5.2，並接近阿里巴巴的 Qwen 3.8-Max，但這些基準測試結果仍待獨立機構驗證。此外，Beam 的具體開放原始碼授權細節、模型規模、參數數量、上下文視窗（Context Window）及硬體需求等資訊尚未公開，其定價也未公布。市場預期獨立測試機構將在一到兩週內公布對 GLM-5.2 和 Qwen 3.8-Max 的比較報告，屆時 Reflection AI 對運算效率的聲稱將受到檢視，同時該公司也可能面臨澄清 Beam 確切授權條款的壓力。
Reflection debuts Beam, an open-weight AI model to rival Ch…
Nvidia-backed Reflection AI unveils Beam, its first open-weight model, which it says rivals GLM-5.2 on reasoning with far less inference compute. Weights are due this month.
硬是要學
TechOrange 科技報橘
商傳媒
TechCrunch