以為大模型一定比較貴？Beam 有 5010 億參數，每產生一個字只叫醒 230 億

Reflection 發表第一個開放權重模型 Beam，總參數 5010 億，每產生一個 token 只啟用 230 億，推理強度可依任務與預算調整。Reflection 宣稱 Beam 在進階推理測驗和 GLM-5.2 分數相近，推論運算量少 3 到 4 倍，但效率圖註明是估算，不含提示預填與服務開銷。公告時只開放少數選定使用者搶先試用，權重與技術報告要當月稍後才釋出。 ⭐ 文章深度讀：Beam 開源模型把大小和想多久拆開：大模型不一定比較貴 → https://heymaibao.com/beam-open-model-size-vs-thinking-knobs-46ca8f/ ⚡ 章節重點 大就貴、想久就慢的迷思 00:00 只叫醒一小組的大模型 00:28 省幾倍的宣稱與估算邊界 01:00 想多久這顆旋鈕 02:05 Beam 的定位與現況 03:03 下次選模型的兩顆旋鈕 03:56 📝 懶人包 ∙ Beam 總參數 5010 億，每產生一個 token 只啟用 230 億。 ∙ Reflection 自註效率圖是估算，不含提示預填與服務開銷。 ∙ Reflection 說 Beam 可調推理強度，調低回答短。 ∙ 我的觀點：模型大小和想多久是兩顆旋鈕，大不一定貴。 📚 參考資料 Introducing Beam: Reflection’s 501B open-weight model → https://reflection.ai/blog/introducing-beam