Reflection AI, la startup estadounidense respaldada por Nvidia, presentó su primer modelo de peso abierto el 5 de octubre, un sistema de mezcla escasa de expertos llamado Beam que la compañía posiciona como el desafío occidental más fuerte hasta el momento para la frontera de peso abierto actualmente dominada por los laboratorios chinos. El anuncio, publicado en el blog del propio Reflection y rápidamente recogido por Reuters, TechCrunch, Fortune y Semafor, llega con una vuelta de tuerca: el modelo aún no se puede descargar.
Beam está pasando por lo que la compañía describe como evaluaciones y equipos rojos finales. El acceso temprano está abierto a través de un proceso de registro, y Reflection dice que publicará los pesos, un informe técnico, una tarjeta modelo y artefactos de desarrollador a finales de este mes. Cuando eso suceda, Beam se convertirá en uno de los lanzamientos de peso abierto más grandes jamás publicados por un laboratorio de EE. UU., y la prueba más clara hasta ahora de si una empresa estadounidense puede igualar la cadencia de lanzamiento y la apertura que ha convertido a los modelos chinos en la opción predeterminada para gran parte de la comunidad de código abierto. Para una cobertura continua de la carrera de peso abierto y todo lo demás que se mueve en el campo, agregue nuestra página de inicio de noticias sobre IA.
Los números detrás de Beam
Beam es un modelo de escasa mezcla de expertos con 501 mil millones de parámetros totales, de los cuales aproximadamente 23 mil millones están activos por token. Reflection dice que entrenó previamente el modelo con 23,8 billones de tokens extraídos de la web y conjuntos de datos con licencia patentada, afirmando que el modelo base coincide o supera a los modelos de base abiertos de tamaño similar.
La afirmación más distintiva se refiere al aprendizaje por refuerzo. Reflection creó los algoritmos, los entornos de capacitación y la infraestructura para sostener la RL de alta computación a escala, y la compañía informa que su ejecución de RL generó más de 100 millones de implementaciones en 10,500 GPU NVIDIA GB300 durante cuatro semanas de capacitación. Se trata de una inversión de RL inusualmente grande para una versión de peso abierto, y Reflection le atribuye el rendimiento competitivo de Beam con lo que llama eficiencia informática de inferencia de frontera.
Puntos de referencia: competitivos, aún no líderes
La tabla de referencia publicada por Reflection coloca a Beam sólidamente en el grupo de peso abierto, detrás de los modelos chinos más grandes, pero por delante o al nivel de varios nombres establecidos.
En SWE-Bench Pro v2-Hard, Beam obtiene una puntuación de 77,2, detrás de GLM 5.3 con 88,2 y Kimi K3 con 88,2 en la misma fila, pero muy por delante de Inkling con 56,9. En SWE-Bench Pro v1, Beam obtiene una puntuación de 65,5, por delante de Inkling (54,3), Nemotron 3 Ultra (46,4) y GLM 5.2 (62,1), mientras que Qwen 3.8-Max registra 67,7. En el punto de referencia de codificación agente DeepSWE v1.1, Beam registra 44,4, al nivel de 44,0 de GLM 5.2 y detrás de GLM 5.3 (61,0), Qwen 3.8-Max (51,0) y DeepSeek V4.1 Flash (74,2).
El propio marco de la empresa es sincero sobre dónde se ubica Beam. En la publicación del blog, Reflection escribe que Beam "avanza la frontera occidental de peso abierto" y es "competitivo con modelos abiertos más grandes como GLM 5.2 y acercándose a Qwen 3.8-Max en tareas de codificación y agentes". También admite que los modelos abiertos como el Kimi K3 "se mantienen a la cabeza en cuanto a capacidad bruta".
Dos advertencias merecen énfasis. En primer lugar, Reflection informa cada número aquí antes de la publicación del peso, y la verificación independiente solo será posible una vez que el informe técnico y los puntos de control sean públicos. En segundo lugar, varias celdas de la propia tabla de la empresa están marcadas como no informadas, lo que hace imposible por ahora realizar comparaciones completas entre manzanas y manzanas.
El argumento de la eficiencia
Lo que Reflection presenta como la verdadera ventaja de Beam no es la posición bruta en la tabla de clasificación, sino el costo en el momento de la inferencia. Debido a que solo 23 mil millones de sus 501 mil millones de parámetros se activan por token, la compañía argumenta que Beam puede ofrecer un rendimiento de codificación y agencia cercano a la frontera a una fracción del costo de cómputo de modelos densos más grandes. Ese posicionamiento refleja la estrategia que hizo que las familias chinas de peso abierto fueran tan populares entre las nuevas empresas: capacidad lo suficientemente fuerte a precios que hacen que los agentes siempre disponibles sean económicamente viables.
Si la afirmación de eficiencia sobrevive a la evaluación comparativa independiente, podría importar más que los deltas en la clasificación. Los equipos que ejecutan miles de agentes de codificación paralelos se preocupan más por el costo por tarea completada que por los puntos de referencia de un solo dígito.
Una corriente geopolítica
La cobertura del lanzamiento ha sido sorprendentemente geopolítica para un lanzamiento de modelo de código abierto. Reuters describió a Beam como el "primer modelo de IA" de Reflection que "afronta los modelos abiertos chinos". Fortune preguntó si Beam podría ser "la mejor oportunidad de Estados Unidos para competir con China", y Semafor describió a la empresa como "una respuesta occidental de código abierto a los laboratorios chinos".
Ese marco refleja el estado del ecosistema de peso abierto a finales de 2026: los modelos descargables más capaces provienen abrumadoramente de laboratorios chinos, incluida la familia GLM de Z.ai, la línea Kimi de Moonshot, Qwen y DeepSeek de Alibaba. Los laboratorios estadounidenses han mantenido en gran medida cerrados sus mejores pesos, apostando en su lugar por los ingresos de API. Reflection apuesta por lo contrario: que un modelo de frontera occidental abierta puede atraer al ecosistema de desarrolladores y que el respaldo de Nvidia le brinda la pista informática para mantenerse al día.
¿Qué pasa después?
El lanzamiento de pesas a finales de este mes responderá las preguntas importantes: cómo se desempeña Beam fuera de las propias evaluaciones de Reflection, qué licencia acompaña a las pesas y si la eficiencia se mantiene bajo carga independiente. Hasta entonces, Beam sigue siendo una tabla de referencia prometedora, un formulario de registro y la promesa de peso abierto más importante que haya hecho un laboratorio estadounidense este año.
Para los desarrolladores que deciden estandarizar GLM, Kimi, Qwen o esperar a Beam, el consejo práctico es posponer las decisiones finales hasta que llegue el informe técnico y las evaluaciones de terceros. La carrera de peso abierto tiene un nuevo participante estadounidense y, por primera vez en mucho tiempo, no comienza desde el final del pelotón.
Manténgase por delante de la IA
La frontera del peso abierto se mueve semanalmente y los laboratorios liberan más rápido de lo que nadie puede rastrear. Lea más noticias sobre IA en AI Buzz Wire para conocer los lanzamientos de modelos, los desgloses de los puntos de referencia y las historias comerciales detrás de ellos.
Explore los últimos desarrollos de IA aquí.
