Reflection @reflection_ai 的创始人参加的播客访谈，谈他要像我们的梁圣学习，打造西方的 DeepSeek Alex Heath 的 Sources 播客访谈（约 62 分钟）：嘉宾是 Reflection 两位联合创始人：CEO Misha Laskin（曾负责 Google Gemini 的奖励建模）和 CTO Ioannis Antonoglou（参与过 AlphaGo、AlphaZero，并主导 Gemini 的 RLHF）。核心是公司即将发布的首个开源权重模型 Beam，以及他们想做“西方的 DeepSeek”。 开源模型为什么突然热起来： 他们用房地产比喻：闭源模型像租房，开源权重才算“拥有”智能。AI 商业市场才大约三年，西方长期只有租赁选项；随着企业和应用公司长大，所有权、可控、可定制变得更重要。他们提到 OpenRouter 等平台上，开源 token 占比已从大约 30% 翻到大约 70%。另外，中美地缘因素也在推这件事。 Reflection 的起源故事： 两人在 DeepMind 共事，Ioannis 曾是 Misha 的上司，一起做 Gemini 1 / 1.5，Ioannis 负责 RLHF。公司最初有两个赌注：RL 能做出编码和 agent 能力；西方会有强开源底座可以接着做研究。前一个赌对了，后一个在 DeepSeek V3 后落空，等了几个月没有同等西方开源模型，于是改做自己的模型。起源是纽约冲刺期间一次尴尬的喜剧 cellar 和龙虾卷晚餐，Ioannis 先提出一起创业。Nvidia 是重要投资人，也支持开源，但是他们自己得出要走开源的结论，不是 Jensen 推的。融资超过 20 亿美元量级，当时已知估值大约 250 亿美元。 为什么中国开源领先： 他们认为西方早期由商业驱动，闭源租金模式先发展起来；Llama 3 之后缺少继续做顶级开源的商业激励。中国实验室则更多受地缘政治推动，DeepSeek V3 是转折点，把中国开源智能推到全球相关位置。现在市场成熟后，这些实验室也开始有收入。 Beam 是什么： 约 5000 亿总参数、230 亿激活参数的 MoE 模型，从零预训练，不是蒸馏。定位是编码、推理和 agent，公开基准上对标最强开源模型，强调推理 token 效率（他们称可比部分开源前沿模型以及 GPT 类模型高效数倍）。目标用户是企业、公共部门和主权客户，作为可自托管的“主力模型”。技术上他们把强化学习算力拉到很高（提到约 1 万张 GB300 跑数周），认为这是把较小模型里的智能挤出来的关键。 从零开始训练： 不是蒸馏。原因有二：要做成真正由西方团队从零建出来的前沿开源模型；大规模 RL 要稳定，必须自己掌控预训练。预训练数据要先种下推理能力，MoE 的路由和专家在高算力 RL 下还得保持平衡，所以端到端自己训才能在较小体量里塞进足够智能。去年11月，从零开始组建了预训练团队，只有5个人。 安全与开放： 他们主张开放更安全，类比 Linux、加密协议和 Linus 定律：漏洞要靠大量外部目光才能被找出来。闭源实验室安全研究员太少，类似“白细胞不够”。他们也承认能力到一定阈值时，无论开源还是闭源都应受监管、限制发布；Hugging Face 被攻击后转向开源模型做防御，被他们当作生态互补的例子。对齐方法与闭源实验室类似：评测、SFT、RL，在有用和拒绝之间做权衡。 公司与商业模式： 两人在 DeepMind 合作做 Gemini 后创业，原本押注强化学习和已有西方开源底座；DeepSeek 之后西方开源前沿后退，他们改成自己从零做模型。融资约 46 亿美元（Nvidia、Sequoia、Lightspeed 等；访谈中也提到估值和算力协议，包括 Nebius、SpaceX）。 赚钱逻辑不是卖权重本身，而是开源模型带动推理和企业需求：帮企业、政府和盟国部署推理、agent、集群与安全工具，做“拥有自己智能”的全栈伙伴。长期可能垂直整合算力以提高利润；收入大致等于智能密度 × 可控算力 × 客户信任。 合作与下一步： 提到韩国约 250 兆瓦数据中心、与 Dell 等基础设施伙伴合作：对方提供土地、电力和裸金属，Reflection 提供模型和其上的软件栈。分发不只是丢上 Hugging Face，还会配套开源工具并接入云和推理商。2027 年计划出明显更大的模型，并像其他实验室一样在同一底座上做多轮 RL 迭代，目标是把开源与闭源前沿差距收掉。 Reflection 接下来做什么： 使命是抹平开源与闭源前沿的差距。2027 年会出明显更大的模型，并继续加大 RL；同一底座上会像别人的 5.1、5.2 那样多轮发布。下一代已经在做。他们把这次 RL 视为开源里规模最大的一次，约 1 万张 GB300 跑了数周，而且学习没有停，瓶颈在算力。科学突破已经做出，接下来是把规模化做得更高效，并把收益通过多极、透明和建设者生态分发出去。 https://sources.news/p/reflection-founders-open-weight-beam-release