Reflection AI 13亿沙盒 RL 训练，峰值动用 88万 vCPU

Reflection AI 公布 Beam 项目迄今最大规模的强化学习运行，累计执行约 13 亿个沙盒。算力集群横跨 Google Cloud 和 AWS 的 23 个集群，峰值动用 883,006 个 vCPU，占可分配资源的 83%。团队未来将采用现已归属 Agentic AI Foundation 的 OpenEnv，把此次运行经验回馈开源生态。