海外开源模型重新提速：“美版 DeepSeek”第一次交卷，Mistral同时亮牌

西方开放模型阵营开始提速。 当地时间 10 月 5 日，被称作“美版 DeepSeek”的美国创业公司 Reflection 发布首款开放权重模型 Beam；一天之后，法国 Mistral 推出迄今最大的 Mistral Large 4。两家公司发布模型时选择的主要比较对象高度一致：GLM、Kimi、DeepSeek、Qwen。 Hugging Face 数据显示，过去一年，中国模型已经占到平台模型下载量的约 41%，月度下载量和累计下载量均超过美国。DeepSeek、阿里 Qwen、月之暗面 Kimi、智谱 GLM、MiniMax、小米 MiMo 等模型轮番刷新开放模型能力上限，中国开放模型成为全球开源开发者的追赶对象。 另一方面，开放模型已经不再只是研究者和极客使用的“小众替代品”：Vercel AI Gateway 的生产流量数据显示，今年 8 月开放权重模型已经处理了其平台 56% 的 Token，而去年 12 月这个比例还不到 10%。因此，全球开放模型竞赛是必然的。 美欧开放模型同期亮相 “美版 DeepSeek”第一次交卷：还有差距 被寄予厚望的 Reflection 成立于 2024 年，两名创始人都来自 Google DeepMind：CEO Misha Laskin 曾负责 Gemini 的奖励建模，CTO Ioannis Antonoglou 则参与过 AlphaGo、AlphaZero，后来领导 Gemini 的人类反馈强化学习（RLHF）工作。 不过，Reflection 一开始并不是冲着“美版 DeepSeek”去的。公司最初聚焦自主编程，希望用强化学习打造能够自主完成复杂工作的“超级智能系统”，同时原本判断西方会不断出现足够强的开放模型，Reflection 可以直接建立在这些模型之上。 真正改变公司路线的是 DeepSeek V3。按照 Reflection 创始人的说法，在中国开放模型快速推进、而西方迟迟没有出现同等级别替代品之后，公司决定自己训练前沿开放模型，并逐渐将目标明确为“把开放模型前沿重新带回西方”。 两年后，Beam 算是 Reflection 第一次真正交卷。 Beam 是一个MoE模型，总参数量 5010 亿，每个 Token 激活 230 亿参数，主要面向编程、推理和 Agent 工作负载。模型使用 23.8 万亿 Token 进行预训练，Reflection 又动用了 1.05 万张 Nvidia GB300，连续进行 4 周高算力强化学习，生成超过 1 亿次 rollout。模型目前仍处于最终红队测试阶段，Reflection 计划在 10 月份公开模型权重、技术报告和开发工具。 从 Reflection 自己公布的测试结果来看，Beam 最大的亮点并不是绝对能力，而是推理效率。公司称，在部分高级推理任务上，它能够以 GLM-5.2 约四分之一到三分之一的推理算力实现接近的表现。 但如果和中国最新一代模型横向比较，Beam 距离真正“追平”还有明显差距。 例如，在 Agent 编程测试 DeepSWE v1.1 中，Beam 得分为 44.4，几乎与 GLM-5.2 的 44.0 持平，但低于 GLM-5.3 的 61.0、Kimi K3 的 68.0，以及 DeepSeek V4.1 Flash 的 74.2；Terminal Bench v2.1 上，Beam 得分 80.1，而 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 分别达到 88.2、88.3 和 90.6。在 Humanity's Last Exam（HLE）上，Beam 得分 36.2，也低于 GLM-5.3 的 42.3 和 Kimi K3 的 46.9。 因此，目前Beam 把美国开放模型重新拉回了中国头部模型附近，但追上的主要还是前一代 GLM-5.2，与中国最新一轮开放模型还有一代左右的差距。 Reflection 自己对此也没有避讳。官方直接承认 Kimi K3 在绝对能力上仍然领先，并把 Beam 的卖点转向“单位推理算力能够换来多少智能”。CEO Misha Laskin 将 Beam 定位成企业可长期运行的“主力模型”，而不是单纯冲榜的最大模型。 这也很像 DeepSeek 最初打动市场的部分逻辑：价值不在于模型是不是第一，而是达到某个能力需要付出多少钱。区别在于，Reflection 很难称得上一个“低成本版 DeepSeek”。 Beam 单是最后一轮强化学习，就同时占用了超过 1 万张最新 GB300；公司已经融资数十亿美元，并从 Nvidia 获得大额投资，又通过 SpaceX、Nebius 等合作锁定大量算力。它是一个拥有美国资本和 Nvidia 最新硬件加持的“重资产版 DeepSeek”。 Ioannis表示，公司未来几年的目标是让“开放前沿”和“封闭前沿”最终变成同一个前沿。2027年，Reflection计划发布规模更大的模型，同时继续扩大强化学习算力，并像 GLM 等模型一样，在基础模型之上连续推出多个强化学习增强版本。 Misha则认为，这条路线背后其实是一个更大的判断：强化学习已经从过去 AlphaGo、AlphaZero 中的特定领域技术，变成了可以持续推动通用模型、编程模型和 Agent 模型进步的基础方法。 在他看来，目前这些模型“要么已经是某种形式的 AGI，要么至少已经非常清晰地处在通往 AGI 的连续路径上”。接下来的核心问题已经不只是如何把模型继续做强，而是如何把这种能力工程化、产品化，并通过一个多极化、开放程度更高的生态扩散出去。 Mistral 重新冲刺头部开放模型 相比刚刚推出第一款基础模型的 Reflection，欧洲模型厂商Mistral 面临的压力其实更大。 两三年前，它一度是开放模型最具代表性的公司，但随着 DeepSeek、Qwen、Kimi、GLM 等模型快速迭代，Mistral 在前沿能力榜单上的存在感不断下降。今年 9 月，CEO Arthur Mensch 接受采访时甚至被直接问到：Mistral 的模型已经跌到 Artificial Analysis 排名 20 名之外，是不是被美国和中国甩开了？ Mensch 当时的回应是，新一代大模型即将发布，而且公司未来一年已经规划了接下来两代产品；Mistral 刚融资的资金将大量用于扩大训练算力，未来可调用的训练计算量可能提高约 20 倍。 两周后，Mistral Large 4 出现了。 Mistral Large 4 激活参数 520 亿，总参数 1.05 万亿，搭载 16 亿参数的视觉编码器，同时原生支持多模态和超过 160 种语言，上下文窗口达到 100 万 Token。值得注意的是，它是在 Mistral 位于欧洲的数据中心中，使用约 3800 张 Nvidia Grace Blackwell GPU 从头训练而成；模型目前已经开放 API 预览，完整权重将在 10 月底发布。 Mistral 官方公布的 Coding Agent Index 中，Large 4 已经超过 DeepSeek V4 Pro