Reflection AI Beam: ficha técnica, lanzamiento y benchmarks
Reflection AI Beam es un modelo de pesos abiertos de 501B que llega este mes con Apache 2.0. Su propia tabla lo deja atrás de GLM-5.2 en razonamiento.
Basado en fuentes. Escrito a partir de los documentos, reportes y reseñas enlazados en el texto. The Ruling Desk no probó nada de esto en persona. Cómo trabajamos
Reflection AI Beam es el primer modelo de pesos abiertos de Reflection, el laboratorio de Brooklyn respaldado por Nvidia, presentado el 5 de octubre de 2026. Es un modelo de 501,000 millones de parámetros que, según Reflection, iguala a los principales modelos abiertos chinos en razonamiento con mucha menos potencia de cómputo. Todavía no puedes descargarlo: los pesos, un reporte técnico y una ficha del modelo llegan más adelante este mes con licencia Apache 2.0, y hasta entonces todas las cifras de rendimiento son de la propia Reflection.
Puntos clave
- Beam es grande, pero disperso. Tiene 501,000 millones de parámetros en total, de los que solo 23,000 millones trabajan en cada token, y Reflection dice que lo preentrenó con 23.8 billones de tokens y una ventana de contexto de hasta 1 millón de tokens. Solo lee y escribe texto.
- Todavía no se puede descargar. Reflection abrió una lista de espera de acceso anticipado y dice que los pesos, el reporte técnico y la ficha del modelo llegan más adelante en octubre de 2026.
- La promesa de paridad es más débil de lo que suena. Reflection dice que Beam logra puntajes comparables a GLM-5.2, de Z.ai, en razonamiento con entre 3 y 4 veces menos cómputo de inferencia. En la propia tabla de Reflection, Beam queda atrás de GLM-5.2 en las cuatro pruebas de razonamiento donde ambos tienen puntaje, por entre 0.7 y 4.6 puntos, aunque va adelante en la mayoría de las pruebas de agentes y uso de herramientas.
- Nadie lo ha verificado de forma independiente. Al 6 de octubre de 2026 no encontramos ninguna evaluación externa de Beam; las comparaciones son de Reflection, con puntajes de otros laboratorios tomados de rastreadores externos.
Qué anunció Reflection AI con Beam
Reflection presentó Beam en una publicación de lanzamiento en su blog. Es un modelo de mezcla de expertos (mixture-of-experts), un diseño que divide la red en muchos bloques especializados y activa solo unos pocos para cada palabra; por eso 501,000 millones de parámetros cuestan, por token, más o menos lo que un modelo de 23,000 millones. Reflection dice que creó Beam para programación, razonamiento y trabajo con agentes, es decir, tareas en las que el modelo usa herramientas y da varios pasos por su cuenta.
Las cifras principales, todas según Reflection:
| Dato | Beam |
|---|---|
| Arquitectura | Mezcla de expertos dispersa, solo texto |
| Parámetros totales | 501,000 millones |
| Activos por token | 23,000 millones |
| Datos de preentrenamiento | 23.8 billones de tokens |
| Ventana de contexto | Hasta 1 millón de tokens |
| Licencia | Apache 2.0, cuando se publiquen los pesos |
| Hardware de entrenamiento | 6,144 GPU Nvidia GB300 para el preentrenamiento, 10,500 para el aprendizaje por refuerzo |
Reflection dice que hizo su aprendizaje por refuerzo, la etapa de entrenamiento por prueba y error que premia las respuestas correctas, durante cuatro semanas y con más de 100 millones de intentos, con un contexto máximo de 256,000 tokens. Según la empresa, una etapa aparte de entrenamiento intermedio (midtraining) amplió el contexto efectivo a 1 millón de tokens. Beam también tiene un ajuste de esfuerzo de razonamiento: los valores bajos dan respuestas más cortas y los altos le permiten pensar más en tareas difíciles.
Cuándo puedes descargar Beam
Todavía no. Reflection dice que Beam está "en la fase final de red-teaming y evaluaciones" y que primero llegará a un grupo selecto a través de una lista de espera. La empresa promete los pesos con licencia Apache 2.0, una licencia permisiva que permite el uso comercial, además de documentación y herramientas para ejecutar, evaluar y ajustar el modelo, todo "más adelante este mes". TechCrunch informa que los pesos llegarán a los desarrolladores a través de grandes proveedores de nube, nubes de GPU más pequeñas y bibliotecas de código abierto.
Reflection no ha publicado requisitos de hardware. Con una cuenta aproximada nuestra, 501,000 millones de parámetros ocupan cerca de 1 TB de memoria con precisión de 16 bits y alrededor de la mitad con 8 bits, así que es un modelo para servidores con varias GPU, no para una laptop. Si buscas una opción más pequeña que ya está disponible, consulta nuestra explicación de Kolibri, el modelo de 78B de Aleph Alpha, otro lanzamiento occidental de pesos abiertos de la misma semana.
Cómo se compara Beam con GLM-5.2 en la propia tabla de Reflection
La promesa principal de Reflection es que, en pruebas de razonamiento avanzado, Beam "logra puntajes comparables a GLM-5.2" con entre 3 y 4 veces menos cómputo de inferencia. GLM-5.2 es el modelo abierto de la china Z.ai, que TechCrunch sitúa en 744,000 millones de parámetros con 40,000 millones activos, y que Z.ai distribuye con la licencia MIT en Hugging Face.
Esta es una selección de la tabla de benchmarks de la publicación de Reflection. Los puntajes de Beam son de Reflection; los demás vienen de los rastreadores Artificial Analysis y DataCurve, según Reflection.
| Prueba (tabla de Reflection) | Beam | GLM-5.2 | GLM-5.3 |
|---|---|---|---|
| AIME 2026 (matemáticas) | 97.8 | 99.2 | sin reportar |
| Humanity's Last Exam, sin herramientas | 36.2 | 40.5 | 42.3 |
| GPQA Diamond (ciencia) | 90.5 | 91.2 | 91.7 |
| CriPT AA (razonamiento) | 16.3 | 20.9 | 19.1 |
| Terminal Bench 2.1 (programación) | 80.1 | 81.0 | 88.2 |
| SWE Bench Pro v1 (programación) | 65.5 | 62.1 | sin reportar |
| MCP Atlas (uso de herramientas) | 78.7 | 77.8 | 84.2 |
| AutomationBench public (agentes) | 37.0 | 26.2 | 48.2 |
| IFBench (seguir instrucciones) | 79.7 | 73.3 | sin reportar |
Destacan tres cosas. En razonamiento, "comparable" significa un poco atrás: Beam queda detrás de GLM-5.2 en todas las pruebas de razonamiento donde ambos tienen puntaje. En las pruebas de agentes y uso de herramientas, Beam supera a GLM-5.2 en la mayoría de las filas. Y GLM-5.3, el modelo más reciente de Z.ai, que Anthropic probó hace poco escribiendo exploits, le gana a Beam en todas las pruebas donde ambos tienen resultado. La propia Reflection dice que "los modelos abiertos de frontera como Kimi K3 siguen adelante en capacidad bruta"; Kimi viene del laboratorio chino Moonshot AI, cuyos planes de salir a la bolsa de Hong Kong cubrimos por separado.
La promesa de cómputo es una estimación, no una medición. Reflection dice que calculó aproximadamente 2 veces los parámetros activos por el número promedio de tokens que generó cada modelo, sin contar el procesamiento del prompt ni la sobrecarga del servicio, y llama al resultado "una comparación aproximada de cómputo, no un costo de inferencia medido". Según nuestra cuenta, el menor número de parámetros activos de Beam (23,000 millones contra 40,000 millones de GLM-5.2, según TechCrunch) explica un factor de cerca de 1.7; el resto de las 3 a 4 veces que promete tendría que venir de que Beam escribe menos tokens por respuesta.
Por qué un laboratorio de Estados Unidos compite contra los modelos abiertos chinos
Reflection fue fundada en 2024 por Misha Laskin e Ioannis Antonoglou, exinvestigadores de Google DeepMind. Cuando levantó US$2,000 millones con una valuación de US$8,000 millones en octubre de 2025, Laskin le dijo a TechCrunch que si Estados Unidos no respondía a DeepSeek y Qwen, el estándar global de inteligencia "lo construirá alguien más", y que muchas empresas y gobiernos evitan los modelos chinos por motivos legales. La nota de lanzamiento de TechCrunch dice que Reflection ha levantado ya unos US$4,700 millones de inversionistas como Nvidia y Sequoia, y que su última valuación fue de US$25,000 millones antes de la inversión, es decir, sin contar el dinero nuevo de esa ronda.
Ese es el argumento detrás de Beam: un modelo estadounidense con pesos abiertos que las empresas pueden ejecutar y adaptar por su cuenta. La publicación de Reflection dice que Beam "hace avanzar la frontera occidental de los pesos abiertos". Los primeros comentarios que reunió AINews, de Latent Space, ubicaron a Beam cerca del nivel de GLM-5.2 y lo llamaron una pequeña victoria para los modelos abiertos de Estados Unidos, pero esa lectura se basa en las mismas cifras de Reflection.
Qué sigue
- Pesos, reporte y ficha del modelo, más adelante en octubre de 2026, según Reflection. En el reporte técnico también promete publicar los resultados de sus evaluaciones de seguridad.
- Benchmarks independientes, cuando los pesos sean públicos. Será la primera prueba real de la promesa de eficiencia de 3 a 4 veces.
- Más modelos. Reflection llama a Beam "el primer modelo de una serie" y dice que ya entrena el siguiente.
En resumen
Reflection AI Beam parece una apuesta seria de Estados Unidos en la IA de pesos abiertos, con una licencia que las empresas pueden usar y un argumento fuerte de eficiencia. Pero todavía no se puede descargar, todas las cifras vienen de Reflection y su propia tabla lo muestra un poco atrás de GLM-5.2 en razonamiento, y más lejos de GLM-5.3 y Kimi K3. Si trabajas con modelos abiertos, únete a la lista de espera o espera los pesos y las primeras pruebas independientes de este mes antes de hacer planes con él.
Preguntas frecuentes
¿Cuándo se podrá descargar Beam?
Reflection dice que los pesos, el reporte técnico y la ficha del modelo llegan "más adelante este mes", es decir, en octubre de 2026, con licencia Apache 2.0. No ha dado una fecha específica. Por ahora, Beam está limitado a un grupo selecto de usuarios con acceso anticipado desde una lista de espera.
¿Beam es de código abierto?
Beam es de pesos abiertos: Reflection dice que publicará el modelo entrenado con licencia Apache 2.0, que permite el uso comercial y las modificaciones. En 2025, Laskin le dijo a TechCrunch que Reflection publicaría los pesos de sus modelos, pero mantendría privados sus conjuntos de datos y su proceso completo de entrenamiento, así que no podrás reconstruir Beam desde cero.
¿Reflection AI es la empresa detrás de Reflection 70B?
No. Reflection 70B fue un modelo de 2024 de la startup HyperWrite cuyos puntajes anunciados en benchmarks no se pudieron reproducir. Reflection AI, la empresa detrás de Beam, es un laboratorio distinto fundado por exinvestigadores de Google DeepMind.