AWS 上架 Reflection Beam：面向智能体编程的开源权重模型

核心事实

据 AWS 官方博客，Reflection AI 推出开源权重模型 Beam，面向智能体编程（agentic coding）与长周期任务，例如维护代码、调用工具、解读中间结果并完成多步工作流。博客称 Beam 为稀疏混合专家（MoE）模型，总参数量 5010 亿、激活参数量 230 亿，Reflection 报告的有效上下文长度为 100 万 token。权重通过 Hugging Face 以 Apache 2.0 许可证发布，提供 BF16、FP8、NVFP4 三种检查点变体。上线时，Beam 可在 Amazon SageMaker JumpStart 中使用，覆盖美国东部（弗吉尼亚北部）与美国东部（俄亥俄）两个区域。

背景与影响

博客介绍了两条部署路径：一是 SageMaker JumpStart 实时端点，由 AWS 托管模型包、端点与调用 API，无需自行运维 Kubernetes；二是 SageMaker HyperPod Inference，在由 Amazon EKS 编排的集群上使用 AWS 托管的 JumpStart 容器配置，或改用 SGLang、vLLM 自行控制服务镜像、运行时参数、量化与分布式执行。模型可从 SageMaker JumpStart、Hugging Face Hub 或可选的 Amazon S3 镜像获取。由于总参数量较大，部署需要多 GPU 甚至多节点配置；博客给出的实例建议为：FP8 使用搭载 NVIDIA H100 的 ml.p5.48xlarge，或搭载 H200 的 ml.p5e.48xlarge、ml.p5en.48xlarge；NVFP4 使用搭载 NVIDIA B200 的 ml.p6-b200.48xlarge。开放权重意味着开发者与研究者可自行掌控运行时、部署环境与定制流程。

限制与来源

上述参数、上下文长度、许可证与区域信息均来自 AWS 博客及 Reflection 方面的表述，本站未做独立验证。博客同时提示，需确认所选检查点、运行时与并行方案是否支持目标实例类型，并预留镜像传输、权重下载、分片加载与运行时初始化时间；GPU 配额与容量需自行申请确认。可用区域、实例类型、配额与计费方式可能变化，请以 AWS 与 Hugging Face 官网当前信息为准。本文不构成任何采购或投资建议。