「美版 DeepSeek」第一次交卷：Beam 追到了 GLM-5.2，但差了最新一代一整代

「美版 DeepSeek」第一次交卷：Beam 追到了 GLM-5.2，但差了最新一代一整代

2026 年 10 月 5 日，美国的 Reflection 发布Beam—— 它的第一个开放权重模型。
一天后，法国的 Mistral 发布Mistral Large 4，它有史以来最大的模型。

两家在发布时不约而同地选了同一组对照目标：GLM、Kimi、DeepSeek、Qwen。

这篇文章不讲「谁第一」，讲三件更有信息量的事：
① 「美版 DeepSeek」这个外号哪里不对；② 两组能说明格局的第三方数据；③ 两家的商业模式其实在抄同一条路。

一、先把两组第三方数据放在最前面

这两组数字不是厂商说的，是平台侧的：

① Hugging Face：过去一年，中国模型占平台总下载量约 41%

而且是月度下载和累计下载双双超过美国。

② Vercel AI Gateway：开放权重模型处理了平台 56% 的生产 token（2026 年 8 月）

这个比例在去年 12 月还不到 10%。

第二条尤其值得停一下。它说的是生产流量，不是下载量、不是 star 数。
八个月从不到 10% 到 56%—— 这意味着开放权重模型已经不是「研究者的替代品」，
而是真在跑业务。

这两组数据是后面所有对比的背景板：不是因为「西方终于也开源了」值得写，
而是因为开源这条赛道上，追赶的方向和几年前反过来了。

二、「美版 DeepSeek」这个外号，有一半是错的

先说名字的来源。Reflection 成立于2024 年，两位创始人都来自 Google DeepMind：

• CEO Misha Laskin—— 曾负责 Gemini 的reward modeling
• CTO Ioannis Antonoglou—— 参与AlphaGo / AlphaZero，后来领导 Gemini 的RLHF工作

但它最初并不是要做「美版 DeepSeek」。公司一开始聚焦自主编程，
想用强化学习做一个能独立完成复杂任务的系统；而且当时的判断是 ——
西方会持续出现足够强的开放模型，Reflection 可以直接在上面做。

真正改掉这条路线的，是 DeepSeek V3。

按创始人的说法：在中国开放模型快速推进、而西方长期没有对等替代品之后，
公司决定自己训练前沿开放模型，目标逐渐明确为
「把开放模型的前沿带回西方」。

所以「美版 DeepSeek」这个外号，指的是「位置」——西方阵营里对标 DeepSeek 的那一个 ——
而不是「路线」。

而路线恰恰相反。看 Beam 的强化学习规模：

最后一轮 RL 就同时占了一万多张最新的 GB300。加上公司融资数十亿美元、
拿到英伟达的大额投资、通过合作锁定大量算力 ——

它是「重量级版 DeepSeek」，不是低成本版。
这一点如果不说清，读者会把「美版 DeepSeek」自动理解成「便宜的那个」，而事实相反。

三、Beam 的定位：不比绝对能力，比「单位算力换多少智能」

Beam 的基本参数：

• MoE 架构，总参 501B，每 token 激活 23B
• 面向coding / reasoning / agent三类负载
• 预训练23.8 万亿 token
• 发布时还在最后的红队测试阶段；权重、技术报告、开发工具计划10 月内放出

它自己主打的是什么？不是绝对能力，是推理效率。

官方宣称：在某些高级推理任务上，Beam 能用GLM-5.2 约 1/4 到 1/3 的推理算力达到相当的性能。

这是一个「单位算力产出」的卖点。Misha 把 Beam 定位成
「mainstay model」（主力模型）——企业可以长期跑的那个，而不是只追排行榜的最大模型。

这个定位并不新鲜：DeepSeek 当初打动市场的逻辑里，也有一部分是
「不在于它是不是第一，而在于达到某个能力要花多少钱」。

但差别在成本结构上：DeepSeek 的叙事里有「低成本」这个前提，
而 Reflection 的前提是一万多张 GB300 和数十亿美元融资。
同一个道理，两种完全不同的实现路径。

四、差距有多大：Beam 追平的是上一代

官方承认Kimi K3 在绝对能力上仍然领先。把基准表摊开看，这个「差一代」是具体的：

怎么读这张表

• Beam 44.4 对 GLM-5.2 44.0—— 几乎打平。这是它「追上了上一代」的证据
• 但对 GLM-5.3 的 61.0、Kimi K3 的 68.0、DeepSeek V4.1 Flash 的 74.2—— 差距是一整个代际，不是小数点后的差距
• Terminal Bench 和 HLE 上也是一致的模式：Beam 落在「最新一代中国模型」之下

所以准确的说法是：Beam 把美国的开放模型拉回到了中国顶级模型的附近，
但只追平了上一代的 GLM-5.2，和中国最新一轮开放模型还差大约一代。

五、Mistral Large 4：从零自训的万亿参数，和一份「自测」

Mistral 这边压力更大。两三年前它是开放模型领域最有代表性的公司，
但随着 DeepSeek / Qwen / Kimi / GLM 快速迭代，它在前沿能力榜上的存在感持续下滑。

今年 9 月，CEO Arthur Mensch 在采访里被直接问：Mistral 的模型已经掉出
Artificial Analysis 排名的前 20，是不是被美国和中国落下了？

他当时的回答是：新一代大模型即将发布，公司已规划了明年两代产品；
新融资的很大一部分将用于扩大训练算力，未来可调用的训练算力可能增加约 20 倍。

两周后，Mistral Large 4 发布。

「从零自训 + 欧洲自有数据中心」是这一版最值得注意的定位选择——
它不只是技术参数，也是商业主张（见第七节）。

它给的三个成绩

• Coding Agent Index：超过 DeepSeek V4 Pro 和 Qwen 3.8 Max，低于 Kimi K3
• Surge AI 盲测（代码质量）：3.74—— 低于 Claude Opus 5 的 4.22，
  但高于 Kimi K3 的 3.59、GLM-5.3 的 3.60、GLM-5.2 的 3.40
• AutomationBench（657 个跨应用业务流程，含 Gmail / Sheets / Slack / Salesforce）：
  超过 Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Pro，低于 GLM-5.3

⚠️ 这里必须写清一条边界：以上数据大部分来自 Mistral 自己的测试，
而且Large 4 还在公开预览阶段，真正的权重尚未放出。
其中 Surge AI 那个第三方盲测是少数非自测的数据点。

六、安全能力：一个不常被提的卖点

Mistral 这次专门介绍了网络安全能力，这在开源模型发布里不常见：

• Artificial Analysis Cyber Index 全球前 5
• 「复现并修复真实漏洞」任务上达到82%——该测试的最高分
• Cybench完成93%的挑战

而它强调的重点不是分数，是机制：Mistral 特意指出，
部分闭源模型因为安全拒答机制，几乎无法完成某些漏洞复现任务；
而开放权重模型允许企业自定义安全策略，可以部署在私有云或本地环境。

这是一个把「开源」当作安全论据、而不是安全风险的论证结构。
它成立与否取决于场景 —— 但作为一种商业话术，它是对「开源更危险」这一常见说法的正面反驳。

七、两家的商业模式，其实在抄同一条路

模型之外，Reflection 和 Mistral 走的是国产厂商已经初步验证过的那条路。

Reflection：全栈 AI 基础设施

• 向上：基础模型 → 推理 → Agent → 软件 → 企业部署
• 向下：算力管理、集群调度，长期自建数据中心
• Misha 给的公式：收入潜力 = 智能密度 × 算力规模 × 企业信任
• 他的论证：开放模型本身不一定直接赚钱，但能创造巨大的推理需求——
  就像Kubernetes 本身开源，却推动了云市场
• 它甚至把自己类比早期的 AWS 和 GCP：AWS 起初是亚马逊为了解决自己的服务器基础设施问题，
  Google Cloud 来自支撑搜索业务的大规模分布式能力。
  Reflection 的逻辑是：为了训练前沿模型，它本来就得解决万亿 token 服务、
  数十亿 Agent 沙箱、GPU 调度这些问题 ——这些内部技术最终可以像云计算一样对外输出

Mistral：欧洲版全栈 AI

• 同时建自研模型 + 企业定制平台 + 欧洲算力基础设施
• 主张小而高效、可定制、可部署的开放模型比只追最大规模的通用模型更符合企业需求
• Arthur 的判断：欧洲企业不能把核心 AI 能力建立在「外国厂商是否愿意继续提供服务」之上，
  也不能把技术底座交给别国的模型 —— 所以不只是自训模型，还要在欧洲建数据中心

八、两家对「为什么必须开源」的判断，已经趋同

这是全文最值得记的一段。

一个在欧洲、一个在美国，但两位创始人对开放模型的判断越来越接近：

核心判断：AI 市场已经从**「谁能提供最好用的 API」，
走到「谁拥有模型、谁控制基础设施」**。

Misha 把闭源 API 比作「租房」：过去三年，企业调用 OpenAI / Anthropic / Google 的模型，
本质上是租智能。这在市场早期足够简单、足够高效。
但当 AI 真正进入企业核心业务，事情就变了——
「几年前还很小的创业公司长成了大企业，大企业自己也开始真正用 AI，
于是所有权市场自然出现。」

如果要「拥有智能」，就必须能在自己的基础设施上部署模型、控制数据、修改模型、做定制——
而这就要求模型必须足够开放。

Ioannis 从技术角度补了一句：最前沿的开放模型和闭源模型的差距在缩小，
「没有技术原因决定开放模型必须永远落后」。只要人才和算力足够，
开放模型完全有能力达到闭源模型的水平。过去企业不用开放模型，核心原因只是「能力不够」；
现在一批中国开放模型已经能直接替代闭源模型完成大量任务，商业迁移的前提已经成立。

Arthur 的判断几乎一样：随着开放模型能力提升，大量企业不再需要为闭源模型继续支付 API 溢价。
他最近说，Mistral 接触到的约 99% 的企业场景，都可以用开放模型完成。

九、那为什么过去一年是中国模型跑在前面？

两家对这个问题的判断也高度一致，而且都不是「某一家公司运气好」。

Misha 的解释（历史视角）：美国其实曾经拥有最强的开放模型，Llama 3 是一个明显节点。
但当时美国的 AI 商业市场由 API 主导，
Meta 或其他公司没有足够强的商业动机去持续开放最前沿的能力。

中国的情况不同。DeepSeek V3 是一个重要转折点——
中国的开放「智能」第一次在全球形成规模化影响，此后出现了更集中的开放模型推进。
Misha 认为，其中很大一部分动力来自「建设自己的开放权重生态本身就有产业和战略价值」。

他还补了一句很实在的：

「事实上，这些中国实验室直到最近都没怎么赚钱。
只有现在，它们的模型能力足够强、市场也成熟到愿意为开放智能付费，才开始产生真正的收入。」

Arthur 的解释（工程视角）：中国顶尖实验室的算力低于美国几家最大的 AI 公司，但仍高于 Mistral；
同时它们会充分利用互联网上的数据，而且迭代方式已经工业化。
这些条件让它们能够快速迭代。

小结

• 「美版 DeepSeek」指的是位置，不是路线。Reflection 的最后一轮 RL 就占了10,500 张 GB300、跑了 4 周—— 它是重量级版，不是低成本版
• Beam 追平的是上一代：DeepSWE v1.1 上 44.4 对 GLM-5.2 的 44.0 几乎打平，但对 GLM-5.3（61.0）、Kimi K3（68.0）、DeepSeek V4.1 Flash（74.2）差一整代。官方也承认 Kimi K3 仍领先
• 它的卖点是「单位算力产出」，定位主力模型而非排行榜模型
• Mistral Large 4 = 52B 激活 / 1.05T 总参 / 100 万上下文 / 160+ 语言，在欧洲自有数据中心、约 3,800 张 GB300 上从零训练；权重 10 月底才放，且多数成绩来自自测
• 两组第三方数据是最硬的背景：Hugging Face 过去一年中国模型占约41%下载；Vercel AI Gateway 上开放权重模型处理了56%的生产 token（去年 12 月不到 10%）
• 商业模式趋同：两家都在往「全栈」走（模型 → 推理 → 部署 → 算力），区别是 Reflection 讲美国式全栈、Mistral 讲欧洲主权全栈
• 判断趋同：市场从「租智能」转向「拥有智能」；开放与闭源的能力差距在缩小；没有技术原因决定开放模型必须永远落后

参考资料

⚠️ 核验边界（必须写明）

• 基准数字（Beam 的 DeepSWE / Terminal Bench / HLE，Mistral 的 Coding Agent Index / Surge AI 盲测 / AutomationBench / Cyber Index）全部来自厂商自测或厂商转述的第三方测试，
  本文只做转述，不做独立复现。
• Mistral Large 4 的完整权重 10 月底才发布—— 在此之前所有能力数字都应视为预览阶段的自测结果。
• Beam 的权重、技术报告、开发工具在撰写时也尚未放出（官方计划 10 月内）。
• Hugging Face 的 41% 与 Vercel 的 56%是本文引用的两组关键第三方数据，
  但均为二手转述（来自 36Kr / InfoQ 文章），未直接访问两个平台的原始数据源。
• 「美版 DeepSeek」是媒体叫法，不是 Reflection 的官方定位。