Reflection AI lanza Beam, modelo abierto de 501 mil millones de parámetros con menor coste de inferencia

Reflection AI anunció Beam en un evento virtual el 5 de octubre de 2026, presentando un modelo de mezcla de expertos (MoE) con 501 mil millones de parámetros totales, de los cuales solo 23 mil millones se activan por cada solicitud, una arquitectura diseñada para reducir drásticamente los costes de inferencia sin comprometer la capacidad de respuesta.

El modelo está pensado para tres casos de uso principales: razonamiento complejo, generación de código y tareas de agente como planificación y utilización de herramientas externas. La empresa destaca que Beam admite una ventana de contexto de un millón de tokens, una cifra que supera ampliamente las típicas ventanas de 8 a 32 mil tokens que manejan la mayoría de los grandes modelos de lenguaje actuales.

Reclamaciones de rendimiento y comparaciones

Reflection AI asegura que Beam alcanza un nivel de rendimiento comparable al modelo chino GLM‑5.2 mientras consume entre tres y cuatro veces menos cómputo durante la inferencia. Hasta la fecha, la compañía no ha puesto a disposición benchmarks independientes, por lo que la comunidad investigadora no ha podido validar de forma externa esas afirmaciones.

El pre‑entrenamiento de Beam se realizó con 23,8 billones de tokens en menos de cuatro semanas, empleando un clúster de 6 144 GPUs Nvidia GB300. Esta velocidad de entrenamiento refleja las ganancias de eficiencia que brinda la arquitectura MoE, que distribuye la carga de trabajo entre múltiples sub‑redes expertas y permite activar solo una fracción de los parámetros en cada paso.

Fase de aprendizaje por refuerzo

Tras el pre‑entrenamiento inicial, Reflection AI llevó a cabo una fase de aprendizaje por refuerzo a partir de retroalimentación humana (RLHF) que utilizó 10 500 GPUs GB300 durante otras cuatro semanas. En esa fase se generaron aproximadamente 100 millones de trayectorias, que sirvieron para afinar el comportamiento de Beam en tareas de razonamiento y en la ejecución de agentes.

La compañía ha anunciado que publicará los pesos de Beam bajo licencia Apache 2.0 a finales de octubre de 2026, después de completar evaluaciones internas de seguridad y pruebas adversariales. Este enfoque abierto pretende fomentar la inspección comunitaria y acelerar la innovación downstream al permitir que investigadores y desarrolladores modifiquen el modelo libremente.

Contexto empresarial y financiación

Reflection AI fue fundada en 2024 por ex‑investigadores de DeepMind y ha recaudado aproximadamente 4,7 mil millones de dólares hasta la fecha. Además, la empresa reveló acuerdos estratégicos de infraestructura con SpaceX y Nebius, los cuales podrían aportar hasta 7 mil millones de dólares en recursos de cómputo hasta 2029, reforzando su capacidad para entrenar y servir modelos a gran escala.

• 501 mil millones de parámetros totales, 23 mil millones activos por solicitud
• Ventana de contexto de un millón de tokens
• Pre‑entrenamiento con 23,8 billones de tokens en <4 semanas usando 6 144 GPUs GB300
• RLHF con 10 500 GPUs GB300 durante 4 semanas, generando ~100 millones de trayectorias
• Lanzamiento planificado de peso abierto bajo Apache 2.0 a finales de octubre 2026

La eficiencia computacional anunciada podría hacer que Beam resulte atractivo para empresas que necesitan capacidades lingüísticas de alta calidad pero están limitadas por presupuestos de inferencia. Al activar solo una fracción de los parámetros totales, las organizaciones pueden ejecutar modelos más grandes en hardware existente o reducir el gasto en proveedores de nube.

Si la paridad de rendimiento con GLM‑5.2 se confirma, Beam también podría ofrecer una alternativa no china para cargas de trabajo multilingües y centradas en código, ampliando la oferta para desarrolladores en mercados de habla inglesa y española.

En términos prácticos, una empresa española podría sustituir un modelo propietario de 175 mil millones de parámetros por Beam, logrando resultados de razonamiento similares mientras reduce las horas de GPU de inferencia hasta en un 75 por ciento. Ese ahorro se traduce en menores gastos operativos, respuestas más rápidas para los usuarios finales y la posibilidad de atender más peticiones por dólar de cómputo.

Perspectivas de adopción en Europa

Analistas del sector señalan que la combinación de un modelo abierto, un coste de inferencia reducido y una gran ventana de contexto posiciona a Beam como un candidato fuerte para proyectos de IA gubernamentales y académicos en la Unión Europea, donde las regulaciones de datos y la soberanía tecnológica son prioridades.

En conclusión, Beam representa una apuesta audaz de Reflection AI por democratizar el acceso a modelos de gran escala, ofreciendo un equilibrio entre capacidad, eficiencia y apertura que podría redefinir la competencia en el mercado global de IA en los próximos años.