Reflection AI presentó Beam, su primer modelo de pesos abiertos. Desarrollado con una arquitectura Sparse Mixture-of-Experts, el modelo tiene un total de 501 mil millones de parámetros, de los cuales 23 mil millones se activan en cada token. Beam, centrado en la programación, el razonamiento y las tareas basadas en agentes, completó su preentrenamiento con 23,8 billones de tokens y ofrece una ventana de contexto de 1 millón de tokens. En la fase de aprendizaje por refuerzo se utilizaron 10 mil 500 GPU Nvidia GB300 durante cuatro semanas, se generaron más de 100 millones de rollouts y se ejecutaron aproximadamente 1,3 mil millones de entornos sandbox.
Según las pruebas propias de la empresa, Beam logra en exigentes benchmarks de razonamiento un rendimiento similar al de GLM-5.2 con entre 3 y 4 veces menos cómputo de inferencia; los resultados aún no han sido verificados de forma independiente. El modelo obtuvo 77,2 puntos en SWE Bench Pro v2-Hard, 80,1 en Terminal Bench v2.1 y 80,9 en SWE Bench Verified. La empresa reconoce que modelos abiertos más grandes, como Kimi K3, van por delante en rendimiento bruto.
Beam, que funciona únicamente con texto, puede realizar investigaciones mediante el uso de herramientas y acceso a la web. Reflection AI, fundada en 2024 por dos exinvestigadores de Google DeepMind, ha recaudado aproximadamente 4,7 mil millones de dólares; su valoración en la última ronda fue de 25 mil millones de dólares. Los pesos del modelo y las herramientas para desarrolladores se publicarán en octubre.
Contexto
Beam no es un nombre nuevo en el archivo de FikirPilot: en los últimos 90 días hemos publicado 3 noticias en las que aparece este nombre; la más reciente es del 6 de octubre de 2026.