美版开源模型"比GLM便宜4倍"刷屏这三天：砍的是FLOPs不是账单，追平的是上代GLM-5.2，权重要到月底才有——Reflection和Mistral的自报成绩我摆成两张表
美西时间10月5日，英伟达重仓投资的Reflection AI交出首个开放权重模型Beam，公告里直接点了智谱的名：部分高级推理任务上，推理算力约为GLM-5.2的四分之一到三分之一。一天之后，Mistral Large4跟进，在一场代码质量盲测里把分数压到了GLM-5.3之上。再往后三天，国内平台开始传"美国开源模型杀到GLM斩杀线"，B站和知乎接连出现各自的"斩杀线"视频和长文。36氪
最扎的一句其实出自知乎问题区的评论区：“还在跟GLM 5.2比价格，咋不跟GLM 5.3F比啊？”——一句话，把整场热闹里最关键的错位点破了。知乎
先把判断给完：这一轮不是"被杀"，是美欧开源模型被资本和算力重新拉回牌桌附近——而它们坐回去的，是上一代的座位。公告真正值得读的，是三处口径错位，我一条条摆给你看。
口径错位一：说"便宜4倍"，砍的是FLOPs，不是你的账单
Reflection的原话口径是generation FLOPs（生成算力）降到GLM-5.2的约1/4到1/3——这是一个物理量，不是价格。截至目前，Beam仍处于early access加最终红队测试阶段，权重要等本月晚些时候才以Apache 2.0放出，API价目表一个字都没公布。36氪微博
也就是说，现在能被"便宜4倍"的，只有公告里的算力，不是你账单上的钱。等权重落地、有人真把它跑出速度、有人开始报价，这个"4倍"才有翻译回你的月费的可能。
口径错位二：对标的基准是上代GLM-5.2
全部是Reflection自报的成绩，但摆成表以后，差距自己会说话：
评测（自报口径） | Beam | GLM-5.2 | GLM-5.3 | Kimi K3 | DeepSeek V4.1 Flash |
|---|---|---|---|---|---|
DeepSWE v1.1 | 44.4 | 44.0 | 61.0 | 68.0 | 74.2 |
TerminalBench v2.1 | 80.1 | — | 88.2 | 88.3 | 90.6 |
HLE | 36.2 | — | 42.3 | 46.9 | — |
第一行最直白：44.4对44.0，差0.4——这叫"持平"，不叫"反超"。而同一份表上，GLM-5.3是61.0、Kimi K3是68.0、DeepSeek V4.1 Flash是74.2。TerminalBench和HLE同理：80.1对88.2、36.2对42.3，都不是半步的事。Reflection自己也没回避，官方直接承认Kimi K3在绝对能力上仍然领先，顺手把卖点改成"单位算力能换多少智能"。36氪
公告挑GLM-5.2对标、不挑5.3——这个选择本身，就是评论区那句"新闻学的魅力"。知乎
口径错位三：把"已发布"和"还没发生"混着说
这套自报成绩全部建立在：权重未公开、技术报告未放出、第三方独立复现数量为0。这几天B站几支"AI日报"转述的是同一组数字，都老老实实带了"第三方尚未复现"的限定；但到了标题接力里，限定被一层层磨掉了，只剩"4倍"“杀到”。36氪微博
Mistral Large4也是同样的状态：API预览已开，完整权重要等10月底。但平心而论，它在单项上比Beam咬得狠——和SurgeAI合作的盲测里，代码质量3.74，高于GLM-5.3的3.60和GLM-5.2的3.40（低于Claude Opus 5的4.22）；AutomationBench的657个跨应用业务工作流里，超过Kimi K3和DeepSeek V4Pro，但仍低于GLM-5.3。注意"和SurgeAI合作"这个措辞：比纯自报可信，但还够不上完全独立第三方。36氪
真实的图景是：美欧开放模型和中国头部开放模型之间的差距，从"看不见车尾"缩到了"一代左右、单项偶尔咬人"。
真正定性的，是这两条统计
HuggingFace数据：过去一年，中国模型占平台模型下载量约41%，月度和累计下载都超过美国模型。36氪
Vercel AI Gateway：今年8月，开放权重模型已经处理其平台56%的token流量，去年12月这个比例还不到10%。
开放模型是全球增长最快的盘子，而这个盘子的重心在中文阵营这边。Reflection两位创始人出自DeepMind（一位做过Gemini的奖励建模，一位参与过AlphaGo/AlphaZero），这次为Beam烧了23.8万亿预训练token、动用超过1万张GB300连续四周高算力强化学习、跑了一亿多次rollout——砸这么大，选的对标线是GLM-5.2。“被当成对标对象”，本身就是上牌桌的证明。这才是这三条新闻合在一起讲的完整故事。36氪知乎
三类人，三笔账
1）118元套餐/API用户：先别动。10月底之前，"搬家"没有"家"可搬。这个月真正要算的账，是10/7免费窗口收掉之后的续费成本、effort档位和FlashX那档2.5倍定价——这些都跟Beam无关，别把两本账混着算。
2）自部署玩家：兜里揣好这道算术。Beam总参数501B、每token激活约23B（激活比例4.59%），按4bit估算权重约250GB量级——注意，这是知乎拆解放里明写的"算术估算，不代表实测文件大小或最低显存要求"。它到底进不进得了你的机箱、首token几秒、1M上下文并发下稳不稳，全是权重放出后的实测题。值得等的不是那个"4倍"，是"同硬件、同精度、可复现"的第三笔实测。知乎
3）转发"GLM被杀"标题的人：先问三个问题——“比谁便宜4倍”（GLM-5.2）、“4倍是什么单位”（FLOPs，不是钱）、“数字是谁的表”（自报，权重未放）。三个答案凑齐，标题基本就没法原样转了。
接下来盯什么（都已有日历位）
10月底：Beam的Apache 2.0权重与技术报告、Mistral Large4的完整权重。两场落地之后，等第三方同硬件实测出现，再谈换不换。36氪
路线信号：Reflection已经明说，2027年要发更大模型，并继续走"基座模型+多个RL增强版本"——这正是GLM们已经跑通的发布节奏。
价格信号：GLM这端会不会用降价或新Flash档，回应"单位算力智能"叙事——这是套餐用户最该盯的一条。
开源的护城河从来不是"没人追得上"，而是"你追上来的时候，我的价格已经降过一轮"。效率这个故事，美欧模型刚开始学着讲，GLM的用户过去三个月已经算得滚瓜烂熟。这一轮，对面刚发完公告，我们这边已经算完账了。
