Misha Laskin：开放权重模型 Beam 与后训练算力范式转移

核心内容

本期发布标题为《Beam: The Great American Open Model with ReflectionAI Co-Founder and CEO Misha Laskin》。此处提供标题导览；具体观点与依据请查看下方逐条摘录及原片。

Published as “Beam: The Great American Open Model with ReflectionAI Co-Founder and CEO Misha Laskin”. This is a title-based guide; see the individual excerpts and original episode for claims and evidence.

介绍依据 · 发布标题 · 完整内容待核读

编辑导览，依据原始来源 ↗，整理于 2026-10-16。中英文均由本站概括整理。介绍只说明标题中的讨论议题，不据此判断讲者结论。

前沿大模型的算力分配重心正在发生不可逆的范式转移：在 500B MoE 模型 Beam 的研发中，强化学习（RL）所消耗的 FLOPs（逾 10,000 张 GB300 运行四周）已全面超越预训练（6,000 张卡跑两周）。同时，预训练与强化学习存在极强的底层耦合，必须端到端自研才能突破上限；而随着前沿模型成为研发自身的工具，算力使用效率正实现数倍乃至数十倍的自举跃迁。

原话

2逐字核对过；核对了说话人和位置

强化学习消耗了 10,000 多张 GB300 长达四周的时间。因此，实际上花在强化学习上的 FLOPs 比预训练还要多。强化学习任务要复杂得多，因为你既需要利用各类智能体沙箱进行大规模推理，又需要同时进行训练。

reinforcement learning was a little over 10,000 GB300s for four weeks. So, actually there are more flops spent on reinforcement learning. Reinforcement learning jobs are, you know, more complex in the sense that you do both a lot of inference at scale with all sorts of sandboxes for agents and training.

自动字幕 · 已核对Misha Laskin▶ 00:12:37 #算力与芯片 #学习范式与路线

语境：Misha Laskin 披露 Beam（500B 总参数、23B 激活 MoE）的算力分配细节：后训练强化学习在集群规模与运行时长上已全面超越预训练阶段。

支持 → source-41e2110c2ba788c4

支持 → dwarkesh-podcast-ajeya-cotra-20260901

事实证明，为了让强化学习在大规模下取得良好效果，你确实需要自己对模型进行预训练。你不得不这么做，这两者之间的耦合太紧密了，你必须两者兼顾。

it turned out you actually do need to pre-train your model in order to make reinforcement learning work very well at scale. So you actually kind of do need to do that the things are just so tightly coupled that uh you you do need to do both.

自动字幕 · 已核对Misha Laskin▶ 00:07:03 #学习范式与路线 #AI 与科学发现

语境：Misha Laskin 解释为何 ReflectionAI 不能只做微调或后训练：基础预训练与强化学习表征存在深度协同，必须端到端闭环开发。

支持 → dwarkesh-podcast-ajeya-cotra-20260901