本週 · 節目 10 月 9 日

Reflection AI 強化學習比預訓練耗算力。自報

Reflection AI 執行長 Misha Laskin 說，自家開放模型 Beam 預訓練用了 6,000 顆 GB300、跑數週，強化學習用了一萬多顆、跑 4 週，花在強化學習上的算力比預訓練多。預訓練是讓模型讀大量文字、學會接下一個字；強化學習是讓模型做題、依對錯給獎勵再調整。GB300 是 NVIDIA 最新一代的資料中心 GPU。Beam 總參數 5,000 億、每次只啟用 230 億，屬於混合專家架構，也就是每次只叫用一部分參數（No Priors，2026-10-09）。一般印象是預訓練最吃算力，他的說法正好相反，但沒說強化學習多用了多少。他另外提到預訓練現在約 12 天可跑完，那是現在的速度，不是這一版實際花的時間。這是公司自報，沒有第三方核對；Laskin 同一集的另一段話也出現在今日主線第 1 點。怎麼查的 →

概念插圖：牆上一塊黑色招牌有紅白圖形和「REFLECTION AI」字樣。招牌下方排著一排高櫃，左邊三台黑色櫃子立在寫有「GB300」和「NVIDIA」的底座上，右邊是五台紅橙色櫃子；畫面右側一人穿黑色高領上衣、掛著識別證，伸手指向紅色櫃子，左下前景的圓桌上放著一台筆電，背蓋寫著「BEAM」。

出處與查證

這則刊在2026年10月12日的晨報，同一期還有 13 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈Reflection AI 強化學習比預訓練耗算力。自報〉，https://secondsource.io/research/2026-10-12-2/，取用日期取用。