Reflection presenta Beam: su modelo de pesos abiertos de 501B

Reflection AI, la startup fundada por ex investigadores de Google DeepMind Misha Laskin e Ioannis Antonoglou, anunció el 5 de octubre de 2026 su primer modelo propio: Beam, un modelo de pesos abiertos construido para código, razonamiento y cargas de trabajo con agentes. El anuncio fue la historia tecnológica más cubierta del día, con notas de Reuters, Bloomberg, Financial Times, TechCrunch, Fortune y Axios, además de discusión activa en Hacker News y Reddit.

¿Qué es Beam y por qué importa que sea abierto?

Beam es un modelo Mixture-of-Experts disperso con 501.000 millones de parámetros totales y solo 23.000 millones activos por token. Fue preentrenado desde cero sobre 23,8 billones de tokens curados provenientes de la web, fuentes públicas y conjuntos de datos propietarios con licencia. El preentrenamiento completo tomó menos de cuatro semanas sobre un clúster de 6.144 GPU NVIDIA GB300 NVL72.

El punto político del lanzamiento es explícito: hasta ahora la frontera de modelos abiertos estaba dominada por laboratorios chinos. Beam se presenta como el primer competidor occidental serio en esa categoría. Reflection publicará los pesos, el reporte técnico y la ficha del modelo bajo licencia Apache 2.0 durante este mes, junto con documentación y el stack completo para ejecutar, evaluar y afinar el modelo.

¿Qué dicen los benchmarks de Beam?

Reflection reporta resultados competitivos frente a modelos abiertos más grandes, con énfasis en tareas agénticas y de terminal:

• Terminal Bench v2.1: 80,1 (GLM 5.2 marca 81,0; Kimi K3, 88,3).
• SWE Bench Verified: 80,9.
• SWE Bench Pro v2-Hard: 77,2.
• SWE Bench Multilingual: 78,0.
• DeepSWE v1.1: 44,4, frente a 44,0 de GLM 5.2.

La propia empresa es transparente sobre el techo: «donde modelos abiertos de frontera como Kimi K3 siguen adelante en capacidad bruta, la ventaja de Beam es la eficiencia en tiempo de inferencia». Es decir, no se vende como el modelo más capaz del mundo, sino como el más barato por unidad de capacidad.

¿Por qué la eficiencia de inferencia es el dato que importa?

Beam alcanza puntajes de razonamiento comparables a GLM 5.2 usando entre 3 y 4 veces menos cómputo de inferencia. La brecha se amplía frente a modelos de la familia de 2 billones de parámetros o más, como Qwen 3.8-Max, que requieren significativamente más cómputo por token. Reflection resume el efecto como «más inteligencia por token».

Ese es exactamente el cuello de botella que enfrentan hoy los equipos comerciales en Chile y Latinoamérica cuando intentan pasar un agente de piloto a producción: el presupuesto no se rompe por la licencia, se rompe por el consumo. Un modelo que entrega resultados equivalentes con un cuarto del cómputo cambia el caso de negocio de automatizar prospección, soporte o enriquecimiento de datos a escala regional.

Del lado del entrenamiento, el detalle técnico también es relevante como señal de madurez: la corrida de aprendizaje por refuerzo usó 10.500 GPU NVIDIA GB300 durante cuatro semanas, generó más de 100 millones de rollouts y consumió cerca de 1.300 millones de sandboxes sobre un pool de casi un millón de entornos de entrenamiento. Reflection sostiene que las capacidades seguían mejorando al aumentar el cómputo de refuerzo, sin señales de meseta.

¿Cómo se accede a Beam hoy?

Beam está en etapa final de red-teaming y evaluaciones. Hay una lista de espera para acceso temprano en la plataforma de Reflection, y la liberación de pesos bajo Apache 2.0 está prometida para este mes, con socios de distribución e integración con librerías y harnesses de código abierto. El modelo es solo texto, aunque Reflection muestra demos donde trabaja con información de otras modalidades representada como texto. El contexto efectivo llega a 1 millón de tokens tras la etapa de midtraining.

Análisis de Revenue Hub

Para un líder comercial B2B en Chile o Latinoamérica, la noticia no es «hay otro modelo». Es que el eje de competencia se corrió del benchmark al costo unitario. Durante dos años la decisión de qué modelo usar se tomó mirando tablas de capacidad; a partir de lanzamientos como este la pregunta correcta es cuánto cuesta resolver una tarea completa de tu proceso, medida punta a punta, incluyendo los reintentos. Un modelo 10 por ciento menos capaz pero 4 veces más barato puede ser la decisión correcta para clasificar leads, redactar seguimientos o limpiar un CRM.

La segunda implicancia es de soberanía operativa. Un modelo con pesos Apache 2.0 se puede desplegar en infraestructura propia o regional, lo que abre conversaciones que hasta ahora se trababan en comités de datos: industrias reguladas, información de clientes que no puede salir del país, o simplemente el riesgo de depender de un proveedor único que cambie precios sin aviso. No es gratis: alguien tiene que operar el modelo, y ese costo de ingeniería suele ser mayor que el ahorro en tokens para empresas de menos de 200 personas.

La recomendación práctica: no migres nada todavía. Beam aún no tiene pesos públicos ni reporte técnico. Lo que sí conviene hacer esta semana es instrumentar el costo por tarea de los agentes que ya tienes corriendo, para que cuando los pesos salgan puedas comparar peras con peras en lugar de discutir benchmarks. Si todavía no mides eso, el problema no es el modelo. Revisa nuestros análisis de IA aplicada a ventas y el blog de Revenue Hub para los marcos que usamos con clientes.