谁来做西方的开源前沿：Reflection AI 谈 Beam、追赶价签与「开放即安全」

信源说明：本文基于 No Priors 频道一期约 70 分钟访谈（视频 ID up4sG9RM20M，时长约 4184 秒），嘉宾为 Reflection AI 联合创始人兼 CEO Misha Laskin（转写多次误作 Misha Lasko / Misha Prior / Meisha，本文统一校正），联合创始人 Yannis 在转写中亦作 Giannis，指同一人（DeepMind 创始工程师之一、AlphaGo 关键贡献者）。文中所有模型成绩、算力数字与商业判断均为嘉宾或主持人自述，未做独立核实；转写疑似错误处随文标注。

先说结论

这期访谈的真正主角不是 Beam 这个模型本身，而是它背后的三个结构性判断。第一，Reflection AI 原本想「借西方开源底座做 RL」，一年前发现优质开源模型全部来自中国、且 RL 与预训练耦合之紧使借底座行不通，于是转向端到端自建——嘉宾所称的「第一个进入前沿级别的西方开源模型」正是这条被迫路线的产物。第二，追赶前沿的资本门槛在快速上涨：18 个月前约数亿美元、如今约数十亿美元、明年约百亿美元量级，每代模型约 4 倍算力增量，但同时模型自己参与造模型，让单位算力的智能产出以每年约 30 倍（嘉宾口算）的速度改善。第三，安全观上的正面交锋：嘉宾把闭源实验室的安全叙事称为「单一视角的教条」，主张「开放即安全」，并引用一起闭源模型入侵事件作为经验证据。对读者的意味：token 结构、毛利结构与地缘结构都在同时重排。

从「借底座」到自建：一家美国开源实验室的两年半

Laskin 把公司起点放回两年半前的世界：他与联合创始人 Yannis 当时在谷歌 DeepMind 的强化学习团队做初代 Gemini（Yannis 带队），刚发布 Gemini 1 与 1.5。那个时代的模型「主要是聊天」，约 95% 的算力花在预训练上，没有编码、没有 agentic。作为 RL 出身的研究者，他们的赌注是：把已经验证有效的「RL 对齐聊天模型」延伸到数学、编码这类领域，就能把系统做成智能体——而且作为独立实验室可以借开源底座，资本效率远高于从零造模型。当时的指望是 Mistral 的小模型、刚发布的 Llama 2 和「我们看到 Llama 3 要来了」。

一年之内两件事推翻了这个计划（360–480 秒段）。其一是 RL 成熟得比预期快：他们原本按「ImageNet 2012 到规模化 RL 系统约四年」的历史节奏外推，结果 o1 在那时出现，「每一年都比上一年预测的更快」。其二是「所有好的开源模型都来自中国，西方没有真正好的开源模型」，而他们需要这样一个底座。于是决定自己端到端造开源模型，理由有三：企业需求、地缘政治，以及一个研究层面的发现——要让 RL 在规模上真正起效，必须自己做预训练，「两者耦合得太紧，必须两件都做」。

组织上的代价被嘉宾描述得相当直白（120–240 秒段）：一年前约 30 人，现在约 300 人，组齐了预训练、中训练、强化学习团队；被问「算力、人才、数据哪个最难」时，他的答案是「一切都难——你必须做对三十件事」。他特别强调在大实验室被视为理所当然的工具链（他在 DeepMind 亲历过）在创业公司都要从零重建。Beam 的最终训练用他原话说是「七月拿到的 SpaceX 集群」（转写原文如此），数周预训练加数周合成数据 RL 后即发布，「很多已知有效的东西没来得及放进去」。

追赶前沿的价签：从一亿到一百亿，以及 RL 曲线不封顶

关于「追上前沿要多少钱」，Laskin 给出的时间序列本身就是信息（480–600 秒段）：18 个月前约 1 亿美元量级，约 6 个月前约 10 亿（个位数十亿），进入明年约 100 亿。他的经验法则是每代模型约 4 倍算力乘数——几年前的前沿是十万张 H100，其后某前沿大模型在十万张 Blackwell 上训练（转写音如 Astra，疑为 Astro），下一代将是约十万张 Vera Rubin（英伟达 Rubin 世代）。但他强调追赶者与站前沿者的成本结构不同：研究可以拆成「探索新想法」与「执行已知想法」，顶尖人才的价值在于砍掉探索，所以追赶可以便宜得多。

主持人追问这条曲线会不会渐近（600–840 秒段），嘉宾的两条对冲值得完整记录：一是前沿实验室已投入数千亿美元、一两年内到万亿「不太可能」，但单位算力的智能产出在提升——纯人工时代研究改进约每年 7 倍（可用预训练损失和计算效率严格度量），而 RL 侧现在「大约 30 倍」，整体速度「比研究者单独干快四倍以上」；二是每 flop 能产出的收入也随智能密度上升。Beam 的训练账本则显示 RL 已经反超预训练：预训练用 6000 张 GB300 跑数周（如今的基础设施效率可压到约 12 天），强化学习用了 1 万多张 GB300 跑四周——「花在 RL 上的 flop 更多」，且嘉宾称这是开源界首次有文档记录的该规模 RL 运行。

支撑这套投入的是他对 RL 的核心信念（840–960 秒段）：当年吸引他入行的正是 AlphaGo 那条「从不停止改进」的学习曲线，「只是算力问题」。因此领域的性质变了——从「能不能训出来」变成「数据从哪来、什么有经济价值」，变成一个「投多少钱换多少改进」的经济学决策；嘉宾强调「两年前还不是这样」。他也坦承这更像工程学科而非科学前沿（火箭类比）：阶段已定——预训练、合成数据、强化学习——「不像五年前的狂野西部」，且存在硬件彩票效应：一旦某条路线跑通，硬件会跟着协同优化，异端想法更难存活。

推理效率、租赁与所有权：开源模型的生意怎么做

Beam 被问最多的卖点是推理效率（1200–1320 秒段）：嘉宾称同能力级别下比其他模型快 3–4 倍，相对更大的模型效率增益约 10 倍，归因于「强预训练底子＋开源史上最大规模的 RL」。他用了 AlphaGo 的类比：早期智能体解题「绕来绕去」，到李世石版本的搜索已经非常聪明——RL 越多，能力越高且解题越快。而他提醒听众初代 AlphaGo 先用人类业余棋谱做模仿学习再做 RL，「这些必须一起工作」。

商业模式上，嘉宾把开源与闭源的货币化统一为「最大化推理」，差别是「租赁对所有权」（1320–1560 秒段）：买 token 是租一整条栈（harness、模型、推理软件、集群管理、GPU）的份额，而企业「年轻时租房、成熟后想买房」——年花一亿美元以上闭源模型（他称并不罕见）后，所有权诉求自然出现。开源模型本身宽松，但客户需要围绕它的全套东西，Reflection 的生意就是给大企业和主权客户卖这些工具与服务，服务被明确定位为推理需求的「需求侧驱动器」。

token 结构的判断是全场最可观察的预测之一（1440–1680 秒段）：嘉宾称约六个月前还是闭源占多数，而现在通过 OpenRouter、Vercel 这类网关，「几乎精确地从 70/30 闭源对开源翻转为 70/30 开源对闭源」，且会继续加速。他用操作系统作类比：全球 95% 以上的服务器跑 Linux，但微软和苹果仍是极其值钱的公司；开源侧的经济价值同样会很大，因为模型之外的一切（尤其是算力）依然昂贵。他并给出一个与企业界流行说法相反的预测（1680–1920 秒段）：专用推理商说开源 token 90% 以上是定制化的，但那是因为他们最大客户是 AI 原生公司（Cursor、Cognition、Abridge、Harvey，产品本身就是一个大定制）；企业的多数 token 消耗将来自「定制系统」——不微调模型、只定制围绕模型的 agentic harness——成熟后才走向微调。企业会先在闭源模型上跑出可观负载、被成本驱动再切换，而算力短缺正在带来本地部署回潮（他举例通过 Dell 搭裸金属）。竞争的终局公式被他压缩成一句：持久收入＝智能密度×算力×信任；算力稀缺且「不认为是暂时的」，全栈都在商品化、毛利都在压缩，AI 原生公司正因为开源的存在才敢对闭源合同极度压价。

中国开源、特洛伊木马与美国回防

被问到中国开源模型的走向时（2040–2520 秒段），嘉宾的框架出人意料地正面：中国做出优质开源生态「对世界是巨大收益」，很多西方公司借此建立了更耐久的生意，「是一种礼物」——可以想象一个没有开源模型的世界。他的反垄断逻辑是双重的：一两家闭源实验室比十家二十家可怕；全球共用的智能来源集中在单一国家同样不可取，「竞争张力本身就是好事」。

他不回避中国实验室的优势清单：以工业规模蒸馏闭源模型（「这是真的」）、数据更便宜（在中国训练受版权保护的 PDF「没问题，监管不同」）、以及直接或间接的国家支持（这些公司很长时间没有收入）。主持人顺势总结「中国开源基本上是中国政府对西方企业的补贴」，嘉宾答「正是如此」且会继续——但这些公司如今在国内已是「闭源实验室的等价物」，是真实生意。至于为何继续对海外开源，他的假说是中国国内本身是足够大的 captive market，而持续发布优质开源模型对中国「在地缘政治上非常有利」：他援引 5G、一带一路与稀土的类比——「开源模型是随行的特洛伊木马」，你接入的不只是模型，而是整个软件与基础设施生态；华为正在提供全栈方案、把盟国锁进自己的供应链，甚至「在特定芯片上推理特定模型会更优」这样细的耦合。他承认中国芯片今天性能劣势但有能源优势、且在用模型设计下一代芯片。至于美国，他把开源上的处境放进更长的历史剧本：「互联网、开放协议、开源、美元、海军——这一直是美国的打法」，美国在开源上曾处下风，「现在不再是」，但中国的竞争者「真的非常强」，美国生态刚成形、需要追赶。

「开放即安全」的论证，与它的反方

面对闭源实验室对开源模型「安全与可控性」的经典批评（2640–3360 秒段），嘉宾先承认这是「合理的关切」，随即指控既有安全世界观「由一个特定视角建立、已近乎教条」。他的第一性原理论证从软件史出发：AI 是更高级的软件、一种数字公用设施；上世纪 90 年代的加密战争里，NSA 与公民自由派争论强加密协议该封闭还是开放，封闭一侧发生了灾难性失败（少数工程师设计的系统出现无法预见的后果、被轻易攻破），最终强加密开放，「催生了整个网络安全产业」。由此他主张「世界的默认状态是：开放即安全」，并把 Linus 定律延伸——「眼球足够多，虫子变浅」——到安全领域：眼球足够多，多数安全漏洞也会变浅；闭源实验室里几百名安全研究员「再尽心也覆盖不了长尾」。

他的经验证据是全场最有争议的段落：一个强大的闭源模型「黑进了另一家公司，而那家公司自救的唯一办法是使用开源模型」，因为先进实验室的护栏使它们无法提供帮助（嘉宾提及某「OpenAI–Hugging Face 相关事件」，转写不清晰，具体所指无法核实）。配套论点还有：网络攻击与防御能力不可分割，「移除攻击能力的同时也移除了防御能力」，因此防御方需要获得能力；生态像白血球，让更多人拥有防御能力反而有利于抵御攻击。主持人随即做了扎实的反方陈述：其一，「我们能接触强大工具、别人不能」的立场本身在道德上可疑（嘉宾以武器类比回应：美国政府也向别国卖战机）；其二，即便开源模型经过安全训练，投入算力把它改造得很危险并非不可能（嘉宾承认「不是不可能」，但认为并不容易）。在安全光谱上，嘉宾把议题按「经验—理论」排列：去年还属理论的网络能力今年已成现实，所以不能轻视理论；但公众感知的分布「峰值在末日场景」，而该服务的峰值是现实——他点名「公司领导者说有 10% 概率我们都会死」这类说法无依据、「只是编出来的数字」。他对对齐科学的评价是「深刻地乏味」：没有魔法方程，是打地鼠——发现漏洞、用数据补丁修复、用语言模型做检测器，并援引 ChatGPT 之前「毒性模型不可修复」的悲观预言被后训练数据推翻且泛化良好为例证。

科研加速、数据中心工厂与「百人稳态」

展望两到五年（3360–3480 秒段），嘉宾讲了一个个人实验：把自己的博士论文题目逐年喂给语言模型——两年前纯聊天时代什么都做不了；一年前能给出「本科作业水平」的答案；六个月前「以真正的博士水平解对了」；现在甚至会给出他当年没考虑到的新信息。「那你为什么还需要几年？你可以一周拿一个博士。」他并援引 OpenAI 近一两天内多个数学定理获证明的新闻（嘉宾转述）作为同向信号；更让他兴奋的是接口真实实验的真实世界科学——生命科学、材料、化学——可以建立专有数据飞轮，慢于黑板上的理论科学但远快于从前。

就业叙事则来自地面观察（3480–3720 秒段）：他数周前参观了 Stargate，「最触动我的是停车场里的车」——数据中心项目创造数万个高薪岗位，在他看来「数据中心就是当年的工厂」，像二十世纪的制鞋厂养活一座镇；地面上有恐惧，但现实是就业与税收，需要讲究的只是噪音治理和选址。研究组织侧（3720–4080 秒段），他描述了「先把已知有效的高影响事项做完、再扩大风险敞口」的节奏，指出有些现象只在大规模涌现，判断「继续砸算力找下一个东西还是换想法」是艺术；model-in-the-loop 被他形容为「一个又快又热心、还真听你说话的同事」。用人问题上他与主持人交锋后达成共识：同样的事明年 20 人就够，「但我们总在扩张野心，所以总缺人」；存在人员—算力比，3000 名研究者没有用、两三百名非常有用；AlphaGo 当时约 10 人，如今大项目约百人，他估计稳态就是「百人量级」。真正的岗位增长在应用研究——把能力落到真实问题的「部署工程师」，技能与评测研究员同源，「今天是训练缺口，来多少人我们要多少人」。主持人收尾时把这期访谈钉在历史上：恭喜「第一个进入前沿级别的西方模型，是生态的一大步」。

读什么、看什么

从这些信息可以推出三条观察线：其一，技术报告——嘉宾承诺将公布 RL 曲线与构建细节，若曲线真如他所述不封顶，将成为「RL 即经济学」论述的关键证据；其二，网关数据——OpenRouter/Vercel 的开源 token 配比是否如他所称继续走向 70/30 乃至操作系统式的 95%；其三，地缘与安全——中国实验室是否维持海外开放权重、闭源实验室的反蒸馏工具是否生效、以及 Fortune 500 的开源足迹（嘉宾称今天其实很低）会不会抬升。安全争论的检验点则更朴素：下一起 AI 安全事件中，开源与闭源各自扮演攻方还是守方。