Mindket

Beam-1.0-501B-A23B-NVFP4

新上架第 1 版 · 更新于

概览

这个模型读写文本,上下文 1M 个 token,主打编程、智能体调用工具和数学推理,是 NVFP4 形式的 501B 参数混合专家模型。适合有多 GPU 服务器、想用开源模型的团队。

Beam-1.0-501B-A23B-NVFP4 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 带 pip 的 Python
  • 约 255 GB 的磁盘空间放权重
  • 按 Reflection 文档所述、支持这个模型的部署环境
用在
  • 智能体编程工具和命令行工作流
  • 能运行超大混合专家模型的服务器
  • Windows、macOS 或 Linux,下载时需要 Python
先运行
pip install -U huggingface_hub
hf download reflection/Beam-1.0-501B-A23B-NVFP4

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Beam-1.0-501B-A23B-NVFP4 是 Beam 的 NVFP4 量化指令微调版本,Beam 是 Reflection 推出的开源模型。Beam 输入文本,输出文本。它是稀疏混合专家模型,总共有 5010 亿参数,每个 token 激活 230 亿,主要面向英语。

适合谁

适合有大型 GPU 服务器、想用开源模型做编程、智能体工作和推理的工程团队和研究团队,许可证为 Apache 2.0。

IndustryWho uses itHow they use itExample
软件工程团队修复真实的 GitHub 问题,并在命令行和 DevOps 环境里工作解决仓库里的一个缺陷报告
AI 产品智能体开发者用 MCP 工具和浏览功能完成长流程的多步任务根据一句普通请求完成一个工作流
科学和教育研究人员处理研究生水平的科学题、证明和应用数学一步一步检查一个证明
基础设施平台团队在自己的 GPU 上部署一个大型开源模型搭建内部编程助手

如果你只有一块 GPU 或一台笔记本,可以跳过它,因为光权重就约 255 GB。

用在哪里

模型卡指向智能体式编程工具和它自己的文档。

  • 智能体编程工具和命令行工作流
  • 能运行超大混合专家模型的服务器
  • Windows、macOS 或 Linux,下载时需要 Python
Use caseWhoWhat they get back
软件工程开发者针对真实问题的多种语言代码修改
智能体工具调用智能体开发者用 MCP 工具和浏览完成的多步任务
数学和科学研究人员完整的解答和证明

如何设置

你需要 Python、大量磁盘空间和一台多 GPU 服务器。

  • 带 pip 的 Python
  • 约 255 GB 的磁盘空间放权重
  • 按 Reflection 文档所述、支持这个模型的部署环境
  1. 用 pip 安装 Hugging Face hub 工具。
  2. 用 hf 命令下载模型文件。
  3. 按 Reflection 的文档部署这个检查点。
pip install -U huggingface_hub
hf download reflection/Beam-1.0-501B-A23B-NVFP4

如何使用

部署好检查点后,用它的聊天模板发送聊天请求,模板是修改过的 Harmony 格式。这里给出的模型卡文字没有代码,部署步骤请按 Reflection 文档来。

示例

你让部署好的模型读一份仓库里的缺陷报告并提出修复方案。它用文字回复推理过程和代码修改,因为文字是它唯一的输入和输出。

新手与专家

如果你刚接触大模型,要知道它需要服务器级的机器。先读 Reflection 的文档,把下载放在最后一步。

如果你熟悉这个领域:模型有 52 层,其中 3 层稠密、49 层混合专家,有 256 个专家,采用门控分组查询注意力和滑动窗口注意力。词表 152k 个 token,上下文 1M 个 token。模型卡称,在解答质量相当的情况下,它比领先的开源模型少用约 3 倍推理 token。

  1. 用 hf 下载文件
  2. 部署 NVFP4 检查点
  3. 发送聊天模板格式的消息
  4. 把 token 路由到被激活的专家
  5. 收到推理和文字回复

注意事项

这次发布还包含 BF16 和 FP8 检查点,这里是 NVFP4 版本。模型卡把技术报告列为即将发布。

  • License: Apache 2.0
  • Cost to run: 未提及,只需要你自己的硬件
  • Data it reaches: 你电脑上的模型文件,以及你接入智能体方案的任何工具或浏览功能
  • Not for: 图像或音频,因为支持的模态只有文字

README 和文件

README

Beam-1.0-501B-A23B-NVFP4

这个模型读写文本,上下文 1M 个 token,主打编程、智能体调用工具和数学推理,是 NVFP4 形式的 501B 参数混合专家模型。适合有多 GPU 服务器、想用开源模型的团队。

由 reflection 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Beam-1.0-501B-A23B-NVFP4 是 Beam 的 NVFP4 量化指令微调版本,Beam 是 Reflection 推出的开源模型。Beam 输入文本,输出文本。它是稀疏混合专家模型,总共有 5010 亿参数,每个 token 激活 230 亿,主要面向英语。

适合谁:适合有大型 GPU 服务器、想用开源模型做编程、智能体工作和推理的工程团队和研究团队,许可证为 Apache 2.0。

Industry | Who uses it | How they use it | Example
软件 | 工程团队 | 修复真实的 GitHub 问题,并在命令行和 DevOps 环境里工作 | 解决仓库里的一个缺陷报告
AI 产品 | 智能体开发者 | 用 MCP 工具和浏览功能完成长流程的多步任务 | 根据一句普通请求完成一个工作流
科学和教育 | 研究人员 | 处理研究生水平的科学题、证明和应用数学 | 一步一步检查一个证明
基础设施 | 平台团队 | 在自己的 GPU 上部署一个大型开源模型 | 搭建内部编程助手

如果你只有一块 GPU 或一台笔记本,可以跳过它,因为光权重就约 255 GB。

用在哪里:模型卡指向智能体式编程工具和它自己的文档。

  • 智能体编程工具和命令行工作流
  • 能运行超大混合专家模型的服务器
  • Windows、macOS 或 Linux,下载时需要 Python
Use case | Who | What they get back
软件工程 | 开发者 | 针对真实问题的多种语言代码修改
智能体工具调用 | 智能体开发者 | 用 MCP 工具和浏览完成的多步任务
数学和科学 | 研究人员 | 完整的解答和证明

如何设置:你需要 Python、大量磁盘空间和一台多 GPU 服务器。

  • 带 pip 的 Python
  • 约 255 GB 的磁盘空间放权重
  • 按 Reflection 文档所述、支持这个模型的部署环境
  1. 用 pip 安装 Hugging Face hub 工具。
  2. 用 hf 命令下载模型文件。
  3. 按 Reflection 的文档部署这个检查点。
pip install -U huggingface_hub
hf download reflection/Beam-1.0-501B-A23B-NVFP4

如何使用:部署好检查点后,用它的聊天模板发送聊天请求,模板是修改过的 Harmony 格式。这里给出的模型卡文字没有代码,部署步骤请按 Reflection 文档来。

示例:你让部署好的模型读一份仓库里的缺陷报告并提出修复方案。它用文字回复推理过程和代码修改,因为文字是它唯一的输入和输出。

新手与专家:如果你刚接触大模型,要知道它需要服务器级的机器。先读 Reflection 的文档,把下载放在最后一步。

如果你熟悉这个领域:模型有 52 层,其中 3 层稠密、49 层混合专家,有 256 个专家,采用门控分组查询注意力和滑动窗口注意力。词表 152k 个 token,上下文 1M 个 token。模型卡称,在解答质量相当的情况下,它比领先的开源模型少用约 3 倍推理 token。

用 hf 下载文件
部署 NVFP4 检查点
发送聊天模板格式的消息
把 token 路由到被激活的专家
收到推理和文字回复

注意事项:这次发布还包含 BF16 和 FP8 检查点,这里是 NVFP4 版本。模型卡把技术报告列为即将发布。

  • License: Apache 2.0
  • Cost to run: 未提及,只需要你自己的硬件
  • Data it reaches: 你电脑上的模型文件,以及你接入智能体方案的任何工具或浏览功能
  • Not for: 图像或音频,因为支持的模态只有文字

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 参数量:255B
  • Weights: about 255 GB in U8
  • Formats: Safetensors
  • 最近 30 天下载:6,615
  • 点赞:45
  • 许可证:apache-2.0
  • 语言:en
  • 标签:safetensors, beam, mixture-of-experts, reasoning, code, tool-use, nvfp4, text-generation, conversational, 8-bit, modelopt

链接

  • 模型:https://huggingface.co/reflection/Beam-1.0-501B-A23B-NVFP4
  • 文件:https://huggingface.co/reflection/Beam-1.0-501B-A23B-NVFP4/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download reflection/Beam-1.0-501B-A23B-NVFP4

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
Beam-1.0-501B-A23B-NVFP4 本页6,61545255Bapache-2.0
Beam-1.0-501B-A23B共有 beam · mixture-of-experts · tool-use13,747319501Bapache-2.0
Hydrogen-1.0 NVFP4共有 nvfp4 · modelopt · 8-bit10,95914381Bmit
Qwen3.8-27B-NVFP4共有 nvfp4 · modelopt · 8-bit979,44512618.2Bapache-2.0
VulnLLM-R-7B-8bit共有 8-bit · code · reasoning14847.6Bapache-2.0
MedErtas v0.1 27B LS共有 nvfp4 · modelopt · text-generation4,187618.2Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架