Reflection AI ha presentado Beam, su primer modelo de inteligencia artificial con pesos abiertos, y lo hace con una arquitectura pensada para competir en uno de los segmentos donde las compañías chinas han ganado mucho terreno: los modelos que pueden ejecutarse y adaptarse fuera de las plataformas cerradas de las grandes tecnológicas. La propuesta suma 501.000 millones de parámetros totales, aunque solo activa 23.000 millones en cada tarea, una configuración que busca reducir de forma considerable el coste de inferencia.
El modelo ha sido desarrollado como un sistema Mixture-of-Experts (MoE) centrado especialmente en programación, razonamiento y tareas agénticas. Reflection AI asegura que Beam consigue resultados comparables a GLM-5.2 en varias pruebas avanzadas de razonamiento y que se acerca a Qwen 3.8-Max en programación y trabajo con agentes. Son resultados publicados por la propia compañía y todavía deben interpretarse con cautela hasta que existan evaluaciones independientes más amplias.
La llegada de Beam tiene además una lectura estratégica. Reflection AI fue fundada por antiguos investigadores de Google DeepMind y ha recibido una fuerte inversión de NVIDIA. Su objetivo declarado es construir modelos abiertos que puedan ser controlados por empresas, desarrolladores y organismos públicos, frente al modelo de acceso mediante API que utilizan buena parte de los sistemas propietarios actuales.
Beam apuesta por activar solo una pequeña parte de sus 501.000 millones de parámetros
La característica técnica más llamativa de Beam es la diferencia entre sus parámetros totales y los que utiliza realmente en cada token. El modelo dispone de 501.000 millones de parámetros, pero su arquitectura dispersa activa alrededor de 23.000 millones para cada tarea. Esto permite mantener un modelo enorme sin asumir en cada operación el coste computacional de utilizar toda la red.
Reflection afirma que esta arquitectura, combinada con un entrenamiento intensivo mediante aprendizaje por refuerzo, le permite ofrecer una relación especialmente favorable entre capacidad y coste de inferencia. La empresa asegura que Beam utiliza entre tres y cuatro veces menos cómputo de inferencia que algunos modelos abiertos occidentales comparables en determinadas pruebas.
Para entrenarlo, Reflection utilizó 23,8 billones de tokens procedentes de información web y conjuntos de datos licenciados. El entrenamiento de refuerzo a gran escala generó más de 100 millones de interacciones o rollouts utilizando 10.500 GPU NVIDIA GB300 durante cuatro semanas.
Los resultados publicados por Reflection incluyen pruebas de programación, razonamiento, STEM y tareas agénticas. En SWE Bench Pro v2-Hard, por ejemplo, Beam obtiene un 77,2 %, mientras que la tabla publicada por la compañía sitúa a GLM-5.3 en 84,3 %, Kimi K3 en 88,2 % y a Inkling en 56,9 %. En DeepSWE v1.1 obtiene un 44,4 %, frente al 44 % de GLM-5.2, aunque estos resultados no deben interpretarse como una clasificación definitiva porque las condiciones y evaluaciones pueden variar entre modelos.
La estrategia de Reflection es especialmente interesante porque Beam todavía no está disponible públicamente con sus pesos. El modelo se encuentra en una fase final de pruebas de seguridad y evaluación, mientras que un grupo limitado de usuarios puede solicitar acceso anticipado. La compañía asegura que publicará los pesos durante octubre bajo una licencia Apache 2.0, acompañados del informe técnico, el model card y herramientas para desarrolladores.
Una alternativa occidental a los modelos abiertos chinos
El lanzamiento coloca a Reflection AI en una competición que hasta ahora ha estado dominada en buena medida por modelos chinos como los de Z.ai, Alibaba, DeepSeek o Moonshot AI. Beam no pretende ser el modelo más potente en términos absolutos: la propia Reflection reconoce que Kimi K3 continúa por delante en capacidad bruta. Su argumento es otro: conseguir resultados competitivos utilizando menos recursos durante la inferencia.
Eso puede ser importante para empresas que quieran ejecutar modelos propios, reducir costes o mantener mayor control sobre sus datos. Los modelos open-weight permiten descargar los pesos y adaptar la tecnología a infraestructuras propias, algo que no ofrece de la misma forma un servicio cerrado basado exclusivamente en una API.
Reflection también está desarrollando una propuesta de «AI factories» para empresas y organismos que quieran construir sistemas de IA personalizados sobre su propia infraestructura. La compañía ha asegurado que Beam se distribuirá mediante diferentes proveedores de infraestructura y que tendrá integración con herramientas y bibliotecas del ecosistema abierto.
Por ahora, sin embargo, hay una diferencia importante entre lo que Reflection afirma y lo que ya puede comprobar la comunidad. Los pesos todavía no se han publicado y buena parte de los resultados disponibles proceden de las pruebas realizadas por la propia compañía. Cuando Beam llegue públicamente y aparezcan evaluaciones independientes será posible determinar con mayor precisión hasta dónde llega realmente su ventaja de eficiencia.
Lo que sí está claro es que Reflection AI ha entrado oficialmente en la carrera de los modelos abiertos con una arquitectura muy ambiciosa. Si Beam cumple sus promesas de rendimiento con solo 23.000 millones de parámetros activos, puede convertirse en una alternativa especialmente interesante para desarrolladores que necesiten programación y agentes sin asumir los costes de inferencia de modelos mucho más pesados.
Para entender mejor el panorama de herramientas disponibles actualmente, puedes consultar también nuestra guía de las mejores herramientas de IA de 2026 y conocer otras soluciones que ya pueden utilizarse en diferentes tareas.
Preguntas frecuentes
¿Qué es Reflection AI Beam?
Beam es el primer modelo open-weight de Reflection AI. Está diseñado principalmente para programación, razonamiento y tareas agénticas.
¿Cuántos parámetros tiene Beam?
Cuenta con 501.000 millones de parámetros totales y aproximadamente 23.000 millones activos por tarea gracias a su arquitectura Mixture-of-Experts.
¿Ya se puede descargar Beam?
Todavía no. Reflection está realizando las últimas pruebas de seguridad y evaluación. La compañía prevé publicar los pesos durante octubre de 2026.
¿Qué modelos compite con Beam?
Reflection lo compara principalmente con modelos abiertos como GLM-5.2, GLM-5.3, Qwen 3.8-Max, Kimi K3, Nemotron e Inkling.
¿Beam es realmente mejor que esos modelos?
Todavía no se puede afirmar de forma general. Reflection ha publicado resultados muy competitivos, pero los pesos aún no están disponibles y las pruebas independientes tendrán que confirmar sus cifras.
Fuentes
Reflection AI — Introducing Beam: Reflection’s 501B open-weight model —
Seguir en Google
