Artificial Analysis 拆解 Beam 每任务 token 用量
先了解这件事
2026年10月16日，Artificial Analysis 发布对 Reflection Beam 的 token 用量拆解：在智能指数每个任务上，该模型平均输出约 26k token，其中 19k 用于推理、7k 用于答案，最终答案仅占输出 token 的 26%。在 Intelligence Index v4.3 所测 219 个模型中，Beam 排第 28 低，报告将 token 效率视为其「Cyber Index 领先美国开源」成绩的主要驱动。同日 Artificial Analysis 还公布 Beam 在智能指数十项评测上的完整细分：AutomationBench-AA 为 48.5%，CritPt 物理研究推理为 13.1%，超过 K2 Horizon 的 4.6% 和 Qwen3.8 27B 的 5.4%，即自动化与物理推理翻倍领先，终端执行则垫底。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntArtificial Analysis 公布 Beam 十项评测细分，自动化与物理推理翻倍领先、终端执行垫底
Artificial Analysis 公布 Beam 在智能指数十项评测上的完整细分，其中 AutomationBench-AA 为 48.5%，CritPt 物理研究推理为 13.1%，超过 K2 Horizon 的 4.6% 和 Qwen3.8 27B 的 5.4%。
- AGI HuntReflection Beam 用量拆解：每任务 26k 输出 token 仅 26% 是答案，推理占 19k
Artificial Analysis 拆解 Reflection Beam 的 token 用量：每个智能指数任务约 26k 输出 token，其中 19k 用于推理、7k 用于答案，仅 26% 的输出是最终答案。该模型在 Intelligence Index v4.3 所测 219 个模型中排第 28 低，token 效率被视为其「Cyber Index 领先美国开源」成绩的主要驱动。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。