Reflection发布首个开放权重模型Beam，总参数5010亿、激活230亿，采用稀疏混合专家结构，面向编码、推理与长时程智能体任务，权重以Apache 2.0许可在Hugging Face放出，并附模型卡与安全技术报告。此前开放权重发布通常只给出一层模型，而这次同时给出BF16、FP8、NVFP4三种精度格式、投机解码草稿模型，以及40多家伙伴的推理、微调、部署与智能体集成，使开发者可以自行下载、自托管并按自身领域定制。
Reflection在Hugging Face上以Apache 2.0许可证发布了其首个开放权重模型Beam的权重，这是一个面向编码、推理和长时程智能体工作负载的稀疏混合专家模型，总参数5010亿、激活230亿。此前该模型只能通过Reflection及合作方访问，如今开发者可以下载并自托管，并对其进行评估和领域定制。发布同时附带模型卡中的最终基准和安全技术报告，以及覆盖推理、量化、微调、强化学习、智能体框架、评估与可观测性的40余家合作方集成，Reflection将其称为面向智能体的开放操作系统。
MIRROR把用户参考文本当作事后信息，用同一模型在参考可见与可部署两种上下文下对自身在线生成轨迹做分布对齐，从而内化偏好而非复制措辞；MIRROR-F再对信息性且上下文可溯的参考词施加选择性锚定。在三个个性化生成基准、两种模型规模与参考及LLM评判下，两者取得领先的个性化与文本质量，并在三个未见任务上比SFT基线遗忘更少。
MIRROR 是一种通信层完整性原语，它把同一份规范化载荷复制到 k 条逻辑路由上，只有当严格多数路由报告相同摘要时才接受消息；在路由被攻陷比例 α<0.5 的假设下，该方法在 MMLU、HumanEval、MBPP 两个框架四种拓扑以及 MetaGPT 对生产 API 的部署中把攻击成功率降到 0%，且 LLM token 成本为 1 倍，而同一部署中 LLM-as-a-Judge 成本为 35 倍并在拓扑扫描中最多阻断 44.2% 的良性输出。
已读完全部报道