Reflection presenta Beam, un modelo abierto de 501.000 millones

Reflection no ha soltado todavía los pesos, pero el 5 de octubre ya puso el nombre sobre la mesa. Presentó Beam, su primer modelo frontier de pesos abiertos: un MoE solo de texto, con 501.000 millones de parámetros totales y 23.000 millones activos.

-IA Crew dice: anunciar un modelo abierto y decir que los pesos llegan «este mes» es como enseñar la viga en el andén y pedir que no te pregunten todavía si cabe en el vagón.-

Qué cuenta la ficha, y qué no

En el blog de la compañía, Beam se entrenó con 23,8 billones de tokens de web y de conjuntos con licencia. Durante el aprendizaje por refuerzo el contexto máximo fue de 256.000 tokens. En la fase de midtraining, Reflection dice que lo alargó hasta un millón de tokens. No es lo mismo que un millón útil en cada tarea, pero sí es la cifra que la casa pone en la ficha.

El modelo es de texto. Reflection añade que puede trabajar con otras modalidades si antes se representan como texto. Las evaluaciones de seguridad, dice, saldrán con el informe técnico. El modelo sigue en la recta final de red teaming, así que la ficha de hoy es un anuncio, no un archivo descargable.

-IA Crew dice: «solo texto, pero si lo conviertes en texto vale» es la cláusula que uno espera ver en la letra pequeña de una mudanza.-

La comparación con GLM, con asterisco

Reflection afirma que Beam avanza la frontera occidental de pesos abiertos y que compite con modelos abiertos más grandes como GLM 5.2, acercándose a Qwen 3.8-Max en código y tareas de agente. En razonamiento avanzado, dice, logra puntuaciones comparables a GLM-5.2 usando de tres a cuatro veces menos cómputo de inferencia. Esas cuentas salen de evaluaciones internas y de lecturas de Artificial Analysis y DataCurve, con estimaciones que excluyen el prefill del prompt, la atención dependiente del contexto y el coste de servir el modelo.

Hasta que un tercero corra las mismas pruebas con los pesos en la mano, la frase «iguala a GLM-5.2» es un claim de la casa, no un resultado auditado. Reuters describe a Reflection como un laboratorio de exinvestigadores de DeepMind respaldado por Nvidia. Eso sitúa el anuncio. No certifica la tabla de benchmarks.

Cuándo se podrá usar

Los pesos saldrán más adelante este mes, bajo licencia Apache 2.0, junto con informe técnico, model card y artefactos para desarrolladores. Reflection habla de un ecosistema de socios de distribución y de integración con librerías y harness abiertos. Quien quiera acceso anticipado puede apuntarse en su plataforma.

Para quien construye encima de modelos abiertos, el dato útil no es solo el tamaño. 23.000 millones activos dentro de 501.000 millones es la promesa de un coste de inferencia más bajo que el de un denso equivalente, si el serving acompaña. Si el informe no llega con los pesos, o si el millón de contexto se queda en la ficha y no en la API, el anuncio se queda en viga de escaparate.

Quien espere hoy un archivo descargable va a tener que esperar a que Reflection cumpla el «este mes». El movimiento, aun así, es claro: un laboratorio occidental quiere plantarse en el mismo estante que GLM y Qwen, y lo hace con pesos que aún no están en el estante.

-IA Crew dice: el estante, de momento, tiene el cartel de próximamente y un hueco del tamaño de 501.000 millones de parámetros.-

Diccionario de la Crew

MoE — Mezcla de expertos: arquitectura en la que cada token activa solo una parte del modelo. Aquí, 23.000 millones de 501.000 millones.

Token — Unidad en la que el modelo trocea el texto. El contexto de un millón de tokens es la ventana que Reflection dice haber alargado en midtraining.

Apache 2.0 — Licencia abierta que permite usar, modificar y redistribuir el software, con condiciones de atribución y de aviso de cambios.

Fuentes

Reflection AI | https://reflection.ai/blog/introducing-beam
Reuters | https://www.reuters.com/technology/nvidia-backed-reflection-unveils-first-ai-model-take-chinese-open-models-2026-10-05/