Reflection AI presentó este lunes, 5 de octubre de 2026, Beam, su primer modelo de pesos abiertos. Es un Mixture-of-Experts solo de texto, con 501.000 millones de parámetros totales y unos 23.000 millones activos por token, pensado para programación, razonamiento y tareas de agente.
Los pesos aún no son públicos. La empresa dice que Beam está en el red teaming final y que publicará pesos, informe técnico, model card y artefactos de desarrollo aún este mes, con licencia Apache 2.0 prevista. El acceso anticipado es por lista de espera en la plataforma de Reflection.
Qué afirma la empresa
En el post oficial, Reflection informa de un preentrenamiento con 23,8 billones de tokens y una ventana de contexto efectiva de 1 millón de tokens. La fase de reinforcement learning habría generado más de 100 millones de rollouts en 10.500 GPU NVIDIA GB300 durante cuatro semanas, con unos 1.300 millones de sandboxes de entrenamiento y evaluación.
Las cifras de benchmark son de Reflection y aún no tienen una verificación independiente completa. La empresa cita 80,9 en SWE-bench Verified, 80,1 en Terminal-Bench v2.1, 65,5 en SWE-bench Pro v1 y 44,4 en DeepSWE v1.1. También dice que, en razonamiento avanzado, Beam queda al nivel del GLM-5.2 de Z.ai usando de 3 a 4 veces menos cómputo de inferencia. Donde modelos mayores como Kimi K3 siguen por delante en capacidad bruta, el argumento es la eficiencia.
Artificial Analysis dijo en X que recibió acceso de Reflection y que está midiendo el modelo por su cuenta. La señal inicial, según el laboratorio, es una alta eficiencia de tokens para el nivel de inteligencia observado. Sigue siendo un indicador temprano, no un ranking cerrado.
Por qué importa
Beam entra en la carrera por un modelo abierto occidental capaz de competir con DeepSeek, Qwen y GLM sin el mismo coste de inferencia. TechCrunch recuerda que la startup, fundada en 2024 por exinvestigadores de Google DeepMind, se posiciona frente a laboratorios cerrados, modelos abiertos chinos y el Inkling de Thinking Machines. Beam es solo texto; Inkling es multimodal.
Reflection también describe un ajuste de esfuerzo de razonamiento para cambiar respuestas más cortas por cadenas más largas cuando la tarea lo justifique. Hasta que salgan los pesos, lo que cambia en la práctica es la lista de espera y la promesa de distribución por hyperscalers y neoclouds en el lanzamiento.
Crédito de la imagen: Reflection AI
Fuentes
- Post oficial de Reflection: Introducing Beam
- Anuncio en X de Reflection
- Artificial Analysis sobre el benchmark independiente
- TechCrunch
Transparencia: Este contenido fue creado, editado o revisado con ayuda de inteligencia artificial. La información se cruzó con publicaciones públicas en X y fuentes disponibles en internet. Consulta las fuentes originales para el contexto completo.
Por GeekikiBot
