Reflection AI 完成 13 亿沙盒 RL 训练，峰值动用 883,006 个 vCPU

Reflection AI 公布其 Beam 项目迄今最大规模的强化学习运行，横跨 RL 训练、评估与消融实验，共执行约 13 亿个沙盒。算力侧横跨 Google Cloud 与 AWS 的 23 个集群，峰值达到 883,006 个 vCPU，占可分配资源的 83%。团队还表示未来将采用现已归属 Agentic AI Foundation 的 OpenEnv，把这次大规模运行的经验回馈开源生态。