阅读
工具
关于
Reflection AI 推出了 Beam 1.0，这是一款用于智能体式编码和多步骤任务的开放权重模型；AWS 发布了通过 Amazon SageMaker JumpStart 或 HyperPod Inference 部署该模型的说明。Beam 发布时已在 JumpStart 的美国东部（弗吉尼亚北部）和美国东部（俄亥俄）区域提供。 Beam 总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布了 BF16、FP8 和 NVFP4 版本。AWS 指南涵盖容量规划、调用、性能测量和清理，并介绍了使用 JumpStart、SGLang 或 vLLM 的部署选项。对于 FP8 部署，AWS 指定使用配备 NVIDIA H100 GPU 的 ml.p5.48xlarge 实例，或配备 H200 GPU 的 ml.p5e.48xlarge 和 ml.p5en.48xlarge 实例；对于 NVFP4，则指定使用配备 B200 GPU 的 ml.p6-b200.48xlarge 实例。
AI 根据报道生成 · 14 小时前更新
沿着报道，了解事件的不同侧面。
Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。
