开源模型双雄竞速：Reflection 与 Mistral 密集发布，技术细节与生态策略全面公开

一句话结论

美欧厂商密集发布高规格开源模型，参数与算力投入提升，加速重塑全球 AI 基础设施格局。

关键要点

• 美国 Reflection 发布 Beam 模型，总参 5010 亿，激活 230 亿，预训练数据 23.8 万亿 Token，计划 10 月开放权重。
• 法国 Mistral 推出 Mistral Large 4，总参 1.05 万亿，激活 520 亿，100 万上下文，API 预览已开，权重预计 10 月底发布。
• 数据显示开放权重模型在 AI 流量占比从 2023 年 12 月不足 10% 激增至 2024 年 8 月的 56%。
• Reflection 和 Mistral 均认可中国开放模型已具备替代闭源模型完成大量任务的能力，并视其商业化路径为重要参考。

背景与事实

当地时间 10 月 5 日，美国初创公司 Reflection 发布了其首款开放权重模型 Beam。这是一款混合专家（MoE）架构模型，总参数规模达到 5010 亿，其中每 token 激活参数为 230 亿。在训练基础设施方面，Reflection 使用了 1.05 万张 Nvidia GB300 芯片进行强化学习阶段。性能基准测试显示，Beam 在 DeepSWE v1.1 评测中得分 44.4，低于 DeepSeek V4.1 Flash 的 74.2；在 Terminal Bench v2.1 中得分 80.1，低于后者的 90.6；HLE 综合基准得分为 36.2。Reflection 明确表示计划在 10 月公开该模型权重，并制定了技术路线图，目标是 2027 年发布参数量更大的模型。

紧随其后，法国人工智能公司 Mistral 于次日推出了 Mistral Large 4。该模型总参数量高达 1.05 万亿，激活参数为 520 亿，支持 100 万 Token 的超长上下文。Mistral 披露，该模型主要由约 3800 张 Nvidia Grace Blackwell GPU 集群训练完成。目前 Mistral Large 4 的 API 预览版已向开发者开放，官方预计 10 月底正式发布模型权重。在代码能力评测 Coding Agent Index 中，Mistral Large 4 的表现超过了 DeepSeek V4 Pro 和 Qwen 3.8 Max，但仍低于 Kimi K3。在 Surge AI 组织的盲测中，其代码质量评分为 3.74，略低于 Claude Opus 5 的 4.22。在自动化基准 AutomationBench 中，Mistral Large 4 表现优于 Kimi K3 和 DeepSeek V4 Pro，但低于 GLM-5.3；其在 Cybench 安全评估中的挑战完成率达到 93%。

行业数据反映了开源生态的加速扩张。Hugging Face 统计显示，过去一年内中国模型占该平台下载量的比例约为 41%。Vercel AI Gateway 流量数据显示，开放权重模型在 AI 处理流量中的占比从 2023 年 12 月时的不足 10%，大幅攀升至 2024 年 8 月的 56%。面对这一趋势，Mistral 宣布计划在未来将训练算力规模扩大 20 倍，以保持技术竞争力。

影响分析

对于中文开发者与从业者而言，美欧头部厂商的密集开卷标志着全球开源模型竞争正式进入算力密集与技术迭代并行阶段。Reflection 和 Mistral 在模型架构、长上下文支持以及训练集群规模上的投入，表明西方实验室不再满足于跟随，而是通过提升硬件上限来争取性能主动权。这种趋势可能改变部分团队对模型选型的路径依赖。

分析判断认为，西方厂商开始正视并借鉴中国开放模型的工业化迭代经验，这将加速国内闭源与开源在安全评估、数据治理方面的对标。中文开发者需关注这两家厂商在 API 定价策略与权重开放节奏上的变化，特别是 Mistral 强调“无需为闭源模型支付额外 API 溢价”的商业定位，可能直接影响国内企业引入欧洲技术方案的决策成本。

适用边界

本结论基于 2024 年 10 月初发布的具体版本数据，模型性能指标具有时效性，不同基准测试环境下的分数波动可能导致排名变化。文中提到的 20 倍算力扩展计划属于厂商前瞻性陈述，尚未反映在已发布的 Mistral Large 4 性能中。对于非代码类任务（如纯文本生成、多模态理解），文中未提供完整对比数据，相关结论可能不适用于非代码场景的模型评估。

孤本观察

编辑判断：西方厂商开始将“中国工业化迭代模式”纳入自身战略考量，开源竞争的核心变量正从单纯的参数规模转向算力获取效率与生态治理能力的系统性比拼。

来源：InfoQ 中文 AI