From training to serving: Reflection’s Beam on CoreWeave

Reflection的开放权重Beam模型

发布日期

2026年10月16日

阅读时间

从训练到部署：Reflection的Beam模型在CoreWeave上的应用

Reflection在CoreWeave Forge中使用Weights & Biases Models开发了Beam模型。与Axolotl合作，我们已在CoreWeave基础设施上验证了监督微调（SFT）方案。开发人员可在发布当天通过CoreWeave Forge的无服务器推理功能直接运行该模型。

作者

Phil Gurbacki

Urvashi Chowdhary

已复制

Reflection首个开放权重模型Beam已通过CoreWeave Forge的无服务器推理功能在发布当天（Day 0）上线。开发人员可通过兼容OpenAI的API调用该模型，按token付费，并无需配置GPU或运营服务集群即可开始评估编码和智能体工作负载。

Beam在CoreWeave上的部署路径涵盖训练、训练后处理和推理阶段。Reflection在训练过程中使用了Forge中的Weights & Biases Models。我们已通过Axolotl在CoreWeave基础设施上验证了监督微调（SFT）用例，Forge的无服务器推理功能则为发布后的模型提供了Day 0的访问能力。

此次发布为西方开放权重生态系统新增了一个模型，采用Apache 2.0许可证，并聚焦特定领域：软件工程和长周期、工具驱动的任务。

Reflection在Beam开放权重模型中构建的功能

Beam是一个专家混合模型，总参数量达5010亿，每个token激活230亿个参数。每个token仅激活模型的一部分参数，相比激活所有参数可减少计算量。由于服务仍需处理完整模型权重，因此激活参数数量本身无法决定内存需求或延迟。

Reflection为文本原生工作负载构建了该版本：源代码、工具调用、日志、文档和结构化输出。Beam专为两类工作负载设计：软件工程和长周期智能体任务，包括解决GitHub问题、维护代码，以及通过重复模型调用和工具交互完成工作流。

Beam约100万token的上下文窗口为大量代码和任务历史提供了空间。推理端点暴露的上下文长度取决于服务提供商的配置，因此开发人员在设计工作流时应检查支持的限制。

Beam采用Apache 2.0许可证发布，不包含定制许可条款。开发人员和研究人员可检查模型权重、微调模型，并选择自己的部署环境。该发布通过可适配团队自身编码和智能体工作负载的模型，推动了西方开放权重生态系统的进步。

从训练到CoreWeave上的训练后处理Beam

在Beam的训练过程中，Reflection使用了Forge中的Weights & Biases Models。开放权重将这一开发路径延伸至适配发布模型到自身工作负载的团队。

与Axolotl合作，我们在CoreWeave基础设施上验证了Beam的监督微调（SFT）用例。SFT通过示例训练模型实现预期行为，为团队提供了适应特定任务或领域的响应方式。在编码和智能体应用中，这些示例可能包含仓库规范、预期的工具调用格式或领域特定指令。该用例从Beam的开源检查点开始，通过Axolotl在CoreWeave上进行监督微调。在验证的训练中，Axolotl在CoreWeave的两台节点上使用16块NVIDIA B200 GPU，通过LoRA适配器对Beam-1.0-501B-A23B进行GPU内核生成训练，使用来自开放KernelBook和AI CUDA工程师数据集的约8400万PyTorch到Triton及CUDA示例进行训练，耗时73分钟。在第二个医疗问答用例中，Axolotl直接在Beam的NVFP4检查点上训练LoRA适配器，使用单个B200节点和APO-Zero偏好优化，基于Beam对患者问题回答的评分示例进行训练。由于适配器经过重新量化训练，它们可以折叠回NVFP4检查点，以与基础NVFP4模型相同的格式在Blackwell上运行。在HealthBench基准测试中，前沿模型年度发布分数相差仅几个点，合并模型的得分从49.0%提升至52.7%（所有5000次对话由GPT-6 Luna Decisions评分），且在长度调整和所有测试评分者下均保持改进效果。

这些是演示运行，结果展示了可能性，不代表Beam通过微调的全部潜力。CoreWeave正在探索与Beam更广泛的微调和强化学习支持，包括与Axolotl在在线RL方面的进一步合作。有兴趣使用自有数据进行Beam后训练的企业可联系CoreWeave讨论需求。

通过无服务器推理开始使用Beam

无服务器推理提供兼容OpenAI的端点并按token计费。这种API兼容性简化了与支持该接口的客户端和框架的集成。模型行为仍需评估：提示规范、工具调用、输出格式化和故障恢复可能因模型而异。CoreWeave Agent Lens的追踪、评估和可观测性功能帮助团队在应用执行过程中检查Beam。对于智能体而言，分析的有用单位是完整任务，包括模型调用、工具响应、重试和最终输出。

针对编码和智能体工作负载，评估以下指标：

• 任务成功率：模型是否生成正确补丁或完成工作流，结果需通过测试或明确验收标准验证

• 工具使用可靠性：是否选择适当工具、生成有效参数并从错误中恢复

• 完成时间：所有模型调用和工具交互的总耗时

• 每个成功任务成本：工作流中token消耗（包括失败尝试和重试）

这些指标可区分在孤立提示上表现良好的模型与在您应用中可靠运行的模型。从托管端点开始，将Beam与您的编码和智能体工作负载进行评估，确定微调可提升应用性能的领域。

开始使用 CoreWeave Serverless 推理的 Beam 体验 CoreWeave Forge 30 天 Pro 版免费试用

若需探索使用自有数据对 Beam 进行微调，或为您的工作负载配置强化学习方案，请联系 CoreWeave 团队讨论需求，并通过 CoreWeave ARENA 或您自己的 CoreWeave 集群进行评估。

联系我们

‍

Reflection 在 CoreWeave 上的开源 Beam 模型涵盖与 Weights & Biases Models 的联合训练、与 Axolotl 合作的监督微调（SFT），以及 CoreWeave Forge Serverless 推理的 Day 0 API 接入能力。

分享本文： /