✨︎ Resumen (TL;DR):
- Reflection AI presentó Beam el 5 de octubre de 2026, su primer modelo para programación, razonamiento y tareas con herramientas.
- El sistema reúne 501,000 millones de parámetros y activa 23,000 millones por token; en Terminal Bench v2.1 obtuvo 80.1, frente a 81.0 de GLM 5.2 y 86.6 de Qwen 3.8-Max.
- Reflection estima entre tres y cuatro veces menos cómputo que GLM 5.2 en pruebas de razonamiento y prevé liberar los pesos bajo Apache 2.0 durante octubre.
Reflection AI presentó el 5 de octubre de 2026 Beam, su primer modelo de IA para programación, razonamiento y tareas con herramientas. La startup, respaldada por Nvidia, afirma que compite con modelos chinos usando menos cómputo y prevé liberar los pesos con licencia Apache 2.0 durante octubre. Beam reúne 501,000 millones de parámetros y activa 23,000 millones por token.
Beam es un modelo de IA que atiende tareas de programación, razonamiento y uso de herramientas. Su arquitectura de mezcla de expertos activa solo una parte de la red en cada paso.
Misha Laskin e Ioannis Antonoglou fundaron Reflection AI en 2024 después de trabajar como investigadores en DeepMind. Nvidia respalda a la startup, que tiene su sede en Nueva York.
El CEO y cofundador Misha Laskin dijo a Semafor que Beam se acerca a Qwen 3.8-Max en programación y tareas con agentes. Reflection busca empresas y gobiernos que quieren controlar su IA y prefieren evitar modelos chinos.
Beam activa una fracción de su red en cada token
Beam reúne 501,000 millones de parámetros, los valores aprendidos que determinan cómo procesa la información. Sin embargo, activa 23,000 millones por token, donde cada token representa un fragmento del texto que genera.
Las especificaciones centrales quedan así:
- Parámetros totales: 501,000 millones.
- Parámetros activos por token: 23,000 millones.
- Arquitectura: mezcla de expertos.
La arquitectura utiliza solo una parte de la red en cada paso. Esa diferencia separa el tamaño total del modelo de la cantidad de parámetros que interviene en la generación de cada fragmento.
Las pruebas cambian la distancia entre modelos
En programación y tareas con agentes, Laskin dijo a Semafor que Beam se acerca a Qwen 3.8-Max. La tabla de Reflection para Terminal Bench v2.1 ofrece esta comparación:
- Beam: 80.1.
- GLM 5.2: 81.0.
- Qwen 3.8-Max: 86.6.
Reflection publicó estos resultados. La cercanía cambia según la prueba, así que los valores corresponden a ese benchmark específico y no a todas las tareas que puede ejecutar Beam.
La eficiencia depende de cómo se calcula
Reflection afirma que Beam requiere entre tres y cuatro veces menos cómputo que GLM 5.2 en pruebas de razonamiento. En la equivalencia que propone la compañía, Beam usa entre un tercio y una cuarta parte del cómputo estimado de su rival en esas comparaciones.
Para estimar las operaciones, Reflection toma el doble de los parámetros activos y lo multiplica por el promedio de tokens generados por intento. Ese promedio incluye el razonamiento y la respuesta final.
El cálculo no incluye el procesamiento inicial de la entrada, las operaciones de atención dependientes del contexto ni el trabajo adicional de servir el modelo. Por eso, la proporción compara una parte del cómputo y no el costo completo de mantener el sistema en funcionamiento.
API beta y pesos abiertos siguen rutas distintas
La documentación oficial presenta la API de Reflection como un servicio en beta, con acceso gradual mediante una lista de espera. La presentación de Beam convive con un acceso inicial limitado, y el portal advierte que el comportamiento, los límites y otros detalles pueden cambiar durante esa fase.
La API ofrece compatibilidad con Chat Completions y Models de OpenAI. Esa compatibilidad permite reutilizar integraciones construidas para esas interfaces mediante los SDK oficiales de OpenAI, al cambiar la dirección del servicio y la clave de acceso.
Esta ruta permite consumir el modelo alojado por el proveedor. Descargar los pesos ofrece otra opción: ejecutar Beam en infraestructura propia bajo la licencia correspondiente.
Reflection prevé liberar los pesos con licencia Apache 2.0 durante octubre, junto con el informe técnico y herramientas para ejecutar, evaluar y adaptar Beam. Esos materiales ampliarán el acceso más allá del grupo inicial.
El calendario de acceso queda dividido: la API se abre mediante lista de espera y la descarga de pesos sigue prevista para octubre. Mientras tanto, las cifras de eficiencia deben leerse con su alcance declarado, porque Reflection no incluye en su estimación el procesamiento inicial de la entrada, la atención dependiente del contexto ni el trabajo adicional de servir el modelo.
