Beam: The Great American Open Model with ReflectionAI Co-Founder and CEO Misha Laskin｜深度中文详解

播出信息

• 日期：2026-10-09
• 时长：4184 秒（约 69 分 44 秒）
• 节目：No Priors
• 嘉宾：Misha Laskin，Reflection AI 联合创始人兼 CEO
• 音频：收听本集
• YouTube：观看本集
• Episode：节目页面
• 英文转写来源：podscripts

背景

Reflection AI 起初押注：利用已有开放模型作为底座，再通过强化学习让模型胜任编程、数学等需要多步行动的任务。Laskin 说，随着强化学习进展快于预期、优质开放模型越来越集中于中国，以及预训练底座与后续强化学习之间的耦合显现，公司转向自行端到端训练开放权重模型。Beam 是这一转向后的首个发布成果。

本集中的“开放”主要指开放权重模型，不应自动理解为训练数据、训练代码、许可条款及部署服务全部开放。访谈也从模型研发延伸至企业为何选择自行部署、开放模型的收入从何而来，以及开放能力是否会改善安全。

总结分析

这场对话的核心，不是宣布开放模型已经取代闭源模型，而是说明一家新实验室如何试图建立持续生产开放模型的能力。Reflection AI 在约一年内扩充团队、搭建训练基础设施并推出 Beam；Laskin 强调，难点并非单独买到算力或招到人才，而是让数据、预训练、强化学习和工程系统同时运转。他披露的训练配置显示，强化学习已不是模型完成后的轻量修饰，而是需要大规模推理、智能体环境与训练协同的主要投入。

商业上，他把闭源 API 描述为“租用”整套智能服务，把开放模型部署描述为逐步“拥有”它。企业未必先微调模型；更现实的路径可能是先用闭源服务验证业务需求，再围绕开放模型改造智能体系统，最后才决定是否定制权重、购置算力或本地部署。因此，开放权重本身不等于低成本交付，推理软件、集群管理和实施能力仍可能形成收入。

访谈最鲜明也最需审慎看待的部分，是竞争与安全判断。Laskin 认为，美国需要能与中国开放模型生态竞争的供给，同时承认中国模型已帮助全球开发者。他进一步主张，更多人能够检查和运用模型，会增强防御能力；主持人则促使他区分已经出现的网络风险与更远期的灾难性设想。这些观点共同指向一个尚未解决的问题：当能力、算力和部署经验仍稀缺时，怎样让开放带来的可审查性真正转化为可验证的安全与广泛的经济收益？

节目结构 / 议程

1. Reflection AI 的近况 — 00:59 🎧 · ▶️
2. 建设开放模型的难题 — 02:07 🎧 · ▶️
3. 从智能体押注转向端到端建模 — 03:56 🎧 · ▶️
4. Beam 如何训练 — 12:18 🎧 · ▶️
5. Beam 的推理效率 — 19:55 🎧 · ▶️
6. 开放权重模型如何赚钱 — 22:35 🎧 · ▶️
7. 开放与闭源 Token 的未来 — 25:03 🎧 · ▶️
8. 中国开放模型生态 — 34:38 🎧 · ▶️
9. 中国模型会继续开放吗 — 38:40 🎧 · ▶️
10. 安全与开放模型 — 44:44 🎧 · ▶️
11. 谁应获得强大工具 — 53:02 🎧 · ▶️
12. Beam、科研与下一步 — 62:07 🎧 · ▶️

分节详解

1) Reflection AI 的近况 — 00:59 🎧 · ▶️

💬 他们说了什么：Laskin 说，过去约 12 个月，公司的任务是建立能够生产“前沿开放智能”的实验室。团队从约一年前的 30 人增长到约 300 人，补齐预训练、中期训练、强化学习与基础设施团队，并发布首个开放模型 Beam。

💡 为什么重要：开放模型不是在现成底座上做一次微调就能持续供应的产品。若目标是独立迭代前沿能力，组织必须同时具备研究、训练与交付能力。

⚡ 争议点：人员规模和“前沿”定位来自嘉宾自述；人数增长说明投入加大，却不能单独证明模型能力或长期研发效率。

2) 建设开放模型的难题 — 02:07 🎧 · ▶️

💬 面对“算力、人才、数据哪个最难”的问题，Laskin 回答“每件事都难”。他估计，要让模型真正奏效，得把约 30 件事同时做好：招聘与留人、文化、数据、算力采购，以及让训练集群实际可用的基础设施。

💡 这解释了大实验室的隐性优势。研究者在成熟机构里视为理所当然的工具与稳定性，新实验室都得自行建设；买到 GPU 与有效使用 GPU 是两回事。

⚡ “30 件事”是强调系统复杂度的概括，不是可逐项核对的清单。不同实验室的瓶颈也可能随发展阶段变化，不能由此断言算力或数据从来不是决定性限制。

3) 从智能体押注转向端到端建模 — 03:56 🎧 · ▶️

💬 创业初期，两位创始人希望利用开放模型底座，把强化学习扩展到编程、数学等领域，使模型从聊天工具变成智能体。当时他们认为，可在独立实验室里以较低资本投入完成这一步。后来，强化学习进展快于预期，而他们所需的优质开放底座越来越多来自中国；研究上也发现，要把强化学习扩展好，往往需要控制预训练环节，于是转向端到端训练。

💡 战略转向同时回应研究依赖和供应依赖：谁掌握底座，谁就更能决定后续训练的能力上限、数据选择与迭代节奏。Laskin 也区分“追赶前沿”和“站在前沿探索”，认为前者可借鉴已验证路线，资本效率更高。

⚡ 他给出的追赶成本是随模型代际上涨的数量级估计——从早先的数亿美元，走向数十亿美元乃至更高；“每代约 4 倍算力”的说法也是经验判断，并非所有模型与任务都遵循的定律。

4) Beam 如何训练 — 12:18 🎧 · ▶️

💬 Laskin 称，Beam 总参数约 5000 亿，每次推理激活约 230 亿。其预训练使用约 6000 块 GB300、运行数周；按后来改进的基础设施，他估计类似工作可缩至约 12 天。强化学习则使用略多于 1 万块 GB300、持续 4 周；按他的描述，该阶段耗费的计算量超过预训练，并包含大规模推理及智能体沙箱。

💡 这些配置使“后训练”不再只是模型发布前的收尾工序。Laskin 认为，强化学习系统只要持续投入计算，能力仍能继续提高，研发问题遂逐渐转为：哪里有合适的数据、评测和经济回报，值得继续投入？

⚡ “学习曲线尚未停止上升”不等于能力会无限增长，也不保证每增加一份算力都划算。硬件使用量、训练耗时及各阶段计算量均为访谈披露，仍需结合技术报告核对定义与口径。

5) Beam 的推理效率 — 19:55 🎧 · ▶️

💬 Beam 主要面向编程与智能体任务。Laskin 说，在相近能力档位上，它完成任务的推理效率通常高 3—4 倍；与某些更大的模型比较，差距可达约 10 倍。他把效率归因于较强的预训练底座，以及大规模强化学习使模型更直接地找到解法。

💡 对企业而言，能力相同并不意味着使用体验或账单相同。智能体任务可能反复调用模型，完成时间和推理成本因此都是模型竞争力的一部分。

⚡ 效率倍数取决于对照模型、任务、成功率和成本计算方式。若缺少一致的评测条件，不能把访谈中的数字直接推广为所有编程任务的结果。

6) 开放权重模型如何赚钱 — 22:35 🎧 · ▶️

💬 Laskin 将购买闭源 API Token 比作“租用”：价格包含模型、推理软件、智能体运行系统、集群管理及 GPU。企业若想“拥有”自己的智能服务，即便取得开放权重，仍需这些配套能力。Reflection AI 因而希望向大型企业及公共部门提供部署工具与实施服务，并以解决高价值场景带动推理需求。

💡 这给出了开放权重商业化的逻辑：模型可以允许客户自行部署，但可靠交付仍要付费。价值可能落在整套运行系统、算力供应、集成服务和持续支持，而非仅仅落在权重访问权上。

⚡ “租与买”便于理解控制权差异，却简化了总拥有成本。自行部署会增加维护、升级、安全和利用率风险；企业也未必需要完全自建，可能选择托管开放模型。

7) 开放与闭源 Token 的未来 — 25:03 🎧 · ▶️

💬 Laskin 称，在一些模型网关上，他观察到开放与闭源使用占比约在半年间从“闭源 70%、开放 30%”转为相反，并预测开放模型将承接多数 Token 需求。他还转述专门推理服务商的说法：其现有客户中，超过 90% 的工作负载有某种定制；但他认为，传统企业往往会先定制模型周围的智能体系统，而非立即微调权重。对于每年在闭源模型上花费 1 亿美元以上的企业，转向自有部署尤其可能成为成本议题。

💡 企业采用路径可能是“先租用验证需求，再优化系统，最后考虑定制模型与部署方式”。开放模型的竞争对象不仅是闭源模型的能力，也包括其便利性、供应稳定性和迁移成本。

⚡ 网关流量不等于全市场 Token 用量；推理服务商的客户又偏向 AI 原生公司，不能代表传统企业。开放模型最终是否占多数，以及占比变化有多快，都还是预测。

8) 中国开放模型生态 — 34:38 🎧 · ▶️

💬 Laskin 首先肯定中国开放模型的全球价值：它们让西方应用公司有了可用底座，降低了对少数闭源供应商的依赖。但他也认为，若可供各国自行部署的先进模型主要来自单一国家，就会形成供应集中风险，因此需要有竞争力的美国开放模型生态。

💡 他将开放模型视为基础设施竞争，而不只是排行榜竞争。开放供给越多元，企业与国家在采购、部署和长期技术路线上的选择就越多。

⚡ Laskin 对中国公司的蒸馏、数据获取成本和国家支持作出概括性判断；这些因素涉及不同机构与具体实践，不能把访谈中的推断当作对整个生态的逐一证实。

9) 中国模型会继续开放吗 — 38:40 🎧 · ▶️

💬 主持人追问：如果中国模型公司已能赚钱，为什么还要向外发布开放模型？Laskin 的假设是，它们可以在国内市场商业化，同时通过海外开放发布，促使其他国家采用与模型配套的软件、推理和硬件体系。他称开放模型可能成为基础设施的“特洛伊木马”。

💡 取得模型权重，并不意味着摆脱对特定运行软件、芯片优化或供应商服务的依赖。长期竞争发生在模型到数据中心的整条技术栈上。

⚡ 商业收益与地缘影响力可能构成开放动机，但未来许可、出口规则、硬件性能和客户选择都会改变激励。“特洛伊木马”是嘉宾的战略比喻，不应视为所有开放发布的既定意图。

10) 安全与开放模型 — 44:44 🎧 · ▶️

💬 Laskin 承认安全是正当关切，但反对把封闭视为天然更安全。他援引开放软件与密码学的经验，以及“足够多人查看，错误就更容易被发现”的思路，主张更广泛的研究者参与能够发现少数闭源实验室难以覆盖的长尾漏洞。主持人要求区分网络攻击、生物风险与人类生存风险；Laskin 也区分已能观察到的风险和更理论化的情景。

💡 讨论从“模型是否开放”转向“谁能检查、修复并防御”。尤其在网络安全中，识别攻击的方法往往也能用于防御，简单移除相关能力可能同时限制防守者。

⚡ 开放软件的安全经验不能未经检验地套用于高能力模型。更多人获得权重可能扩大审查力量，也可能扩大滥用面；Laskin 提及的闭源模型网络事件及开放模型补救案例，需要独立核实事件经过。

11) 谁应获得强大工具 — 53:02 🎧 · ▶️

💬 双方讨论一种治理主张：能力过强的工具只应由少数机构持有，因为单个使用者可能造成过大的损害。Laskin 认为这一担忧值得正视，却反对由持有者宣布“只有我们能够安全管理”。他特别强调，网络攻防能力难以彻底分割；压制攻击能力时，也可能让需要应对攻击的人失去工具。

💡 分歧不只是技术性的护栏强弱，更关乎权力分配：谁决定风险阈值，谁能验证决策，以及防御者能否及时获得与威胁相称的能力。

⚡ 反对能力集中，并不能自动回答何种能力应受限制、如何验证使用目的，或出现重大损害时由谁负责。嘉宾使用历史政治类比表达对集中权力的警惕，但类比不是治理方案的实证证明。

12) Beam、科研与下一步 — 62:07 🎧 · ▶️

💬 谈及 Beam 之后的研究，Laskin 说，团队仍有已知有效、却因发布时间限制未纳入的改进，也会在较小规模上试验风险更高的新想法。他认为模型能加速参数搜索、基础设施工作和研究迭代，但能力仍不均匀，人类研究者需要判断何处适合自动化。他预计核心模型项目的人员规模可能稳定在约数百人的量级；把模型用于具体企业任务，则需要更多懂评测、数据和智能体系统的前线工程人员。

💡 研发效率提高不必然意味着总岗位按比例减少。模型实验室可能需要更少时间完成某项既定工作，却同时扩大研究目标；企业落地还会产生新的评测与集成需求。

⚡ 人员规模与就业扩散均是判断而非确定结果。Laskin 也承认，某些现象可能只有扩大训练规模后才出现，因而小规模实验既能降低风险，也可能漏掉真正有效的方向。

人物与机构

• Misha Laskin：Reflection AI 联合创始人兼 CEO，曾在 Google DeepMind 从事研究，具有物理学博士背景；本集主要观点的提出者。
• Reflection AI：以构建可广泛使用的前沿开放权重模型为目标的公司；Beam 是访谈讨论的首个开放模型。
• Beam：Reflection AI 面向编程与智能体任务的模型；访谈重点讨论其训练投入、推理效率和企业部署方向。
• No Priors：本集访谈节目；主持人在商业化、中国模型生态及安全问题上持续追问。
• Google DeepMind：Laskin 与其联合创始人此前工作的机构；AlphaGo 和早期 Gemini 项目是其研究路径的重要背景。

金句

“你实际上得把三十件事都做对。”——Laskin 谈建立模型实验室的系统难度

“购买 Token，就是租用整套技术栈的一小部分。”——Laskin 谈闭源 API 与自有部署的差别

“当你移除网络攻击能力，也会移除网络防御能力。”——Laskin 谈能力限制的两面性

“有足够多双眼睛，大多数安全漏洞也会变得更容易处理。”——Laskin 对开放审查价值的判断

以上为依据英文发言所作的中文意译。

洞见与延伸背景

把“模型开放”拆成可操作的问题。 企业评估开放权重时，应分别问：许可是否允许目标用途？能否获得所需部署软件与硬件？谁负责升级、安全修补和事件响应？只问“权重能不能下载”，不足以判断可控性。

评测可能是企业定制的起点。 Laskin 描述的路径不是先取得客户数据来训练，而是先建立针对业务任务的可靠评测，再生成贴近任务的合成数据。由此推论，企业最早需要投入的能力，可能是定义任务成功与失败，而不只是采购模型。

开放与集中可以同时发生。 权重可供下载，不代表高效训练、低成本推理或全球服务供应已经分散。若芯片、运行软件和交付经验仍集中在少数主体，开放模型也可能伴随新的依赖关系。

争议与需核实

• Beam 的能力与效率：访谈给出了训练规模和效率倍数，但仍应查看技术报告、模型许可，以及同条件下的第三方任务评测。
• 开放 Token 占比变化：“70/30 翻转”来自嘉宾对部分网关的观察；需要确认统计区间、平台覆盖范围与 Token 定义。
• 中国模型生态的成因：蒸馏规模、数据成本、政策支持和持续开放的动机，应按机构与证据分别核查，避免一概而论。
• 开放是否提升总体安全：更多审查者能否抵消更广泛的滥用机会，需要按具体能力、威胁模型和防御效果评估。
• 网络安全案例：嘉宾提到闭源模型造成事件、受影响方转用开放模型防御；转写未提供足以独立确认全过程的细节。
• 科研与就业预测：模型加速研究、数据中心创造岗位及前线工程岗位增长，都需要与实际产出、岗位持续时间和地区成本一起衡量。

行动建议

1. 模型团队：分别记录预训练、强化学习和推理阶段的计算投入，并以任务成功率、完成时间及总成本共同评价改进。
2. 企业采购方：先挑选高价值流程建立评测；比较闭源 API、托管开放模型和自行部署的完整成本，再决定是否微调权重。
3. 安全团队：为具体能力建立攻防兼顾的测试，明确哪些限制会妨碍合法防御，避免只用“开放”或“封闭”概括风险。
4. 研究与政策观察者：追踪模型之外的芯片、推理软件与服务依赖，判断开放供给是否真正增加了可替代性。

来源

• No Priors 本集英文转写｜podscripts
• 本集音频
• 本集 YouTube／Episode

本笔记按提供的英文转写整理；训练配置、市场占比、事件描述及未来预测均保留其作为访谈陈述的性质。