RespuestasPublicado18 fuentes
Beam: el modelo de pesos abiertos con el que Reflection AI quiere medirse con los líderes chinos
Reflection AI presentó Beam el 5 de octubre de 2026. El modelo suma 501.000 millones de parámetros, aunque activa unos 23.000 millones por token, y está pensado para programación, razonamiento y tareas con agentes de IA.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Reflection AI presentó Beam el 5 de octubre de 2026. El modelo suma 501.000 millones de parámetros, aunque activa unos 23.000 millones por token, y está pensado para programación, razonamiento y tareas con agentes de IA.
- La empresa afirma que Beam se preentrenó con 23,8 billones de tokens y tiene una ventana de contexto de hasta un millón de tokens.
- Reflection lo presenta como una alternativa estadounidense a modelos chinos, pero sus comparaciones y su supuesta ventaja de eficiencia son declaraciones de la empresa, no resultados verificados de forma independiente.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Reflection AI—the two-year-old, Nvidia-backed startup founded by two former Google DeepMind researchers—announce with the October 5. Article summary: On October 5, Reflection AI announced Beam, its first open-weight model, as a U.S.-developed option for organizations that want to run and adapt advanced AI themselves. The two-year-old, Nvidia-backed company founded by . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Reflection AI presentó Beam el 5 de octubre de 2026: su primer modelo de pesos abiertos y una nueva apuesta estadounidense en un campo donde destacan modelos de empresas chinas como DeepSeek, el equipo Qwen de Alibaba y Z.ai. La compañía lo plantea como una opción para empresas e instituciones públicas que buscan desplegar y adaptar sistemas de IA con mayor control. Eso no significa que Beam haya demostrado superar a sus competidores: por ahora, las cifras de rendimiento provienen de Reflection y no han sido verificadas de manera independiente. 4
7
18
Un modelo para programar, razonar y usar herramientas
Beam está diseñado para tareas de programación, razonamiento complejo y trabajo con agentes de IA: procesos en los que un modelo puede usar herramientas y seguir varios pasos para completar una tarea. Reflection lo presenta como una alternativa para organizaciones que quieren operar y adaptar sus propios sistemas de IA. 4
5
18
Su arquitectura dispersa de mezcla de expertos suma 501.000 millones de parámetros, pero activa alrededor de 23.000 millones para cada token. Reflection afirma que lo preentrenó con 23,8 billones de tokens y que el modelo admite una ventana de contexto de hasta un millón de tokens. 7
18
La empresa también informa que una fase de aprendizaje por refuerzo de cuatro semanas utilizó 10.500 GPU Nvidia GB300 y produjo más de 100 millones de rollouts, es decir, intentos del modelo por resolver tareas. Son cifras comunicadas por Reflection. 18
Qué dice Reflection sobre la competencia
Reflection afirma que Beam obtiene resultados comparables a GLM-5.2, de Z.ai, en pruebas avanzadas de razonamiento. También reporta puntuaciones de 80,1 en Terminal Bench v2.1, 80,9 en SWE-Bench Verified y 90,5 en GPQA Diamond, y lo compara con Qwen 3.8-Max, Kimi K3 y modelos occidentales de pesos abiertos. Esas comparaciones deben entenderse como afirmaciones de la compañía, no como una clasificación independiente o definitiva. 3
7
13
La principal promesa de eficiencia es que Beam ofrecería un rendimiento comparable con entre tres y cuatro veces menos cómputo durante la inferencia. La propia estimación es aproximada y no incluye el prellenado del prompt ni los costes de servir el modelo. TechCrunch señaló que las afirmaciones de rendimiento todavía no habían sido verificadas de forma independiente. Sin pruebas externas y condiciones de despliegue comparables, no conviene tomar la supuesta ventaja de cómputo como un ahorro demostrado en el uso real. 7
13
En otras palabras, Beam suma un nuevo competidor estadounidense al panorama de modelos de pesos abiertos, pero la información disponible no demuestra que haya superado en conjunto a sus rivales chinos. 13
Qué falta antes de evaluar Beam
Al momento del anuncio, Beam seguía en la fase final de pruebas de seguridad y evaluaciones. Reflection dijo que algunos usuarios podrían solicitar acceso anticipado mediante una lista de espera y que planeaba publicar los pesos con licencia Apache 2.0 más adelante en octubre, junto con un informe técnico, una ficha del modelo y materiales para desarrolladores. La publicación de los pesos aún estaba pendiente. 18
25
28
Cuando esos materiales estén disponibles, desarrolladores y organizaciones podrán probar el modelo de forma más directa. Hasta entonces, su rendimiento práctico, el coste de desplegarlo y su posición frente a otros modelos siguen por confirmarse.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Beam: el modelo de pesos abiertos con el que Reflection AI quiere medirse con los líderes chinos"?
Reflection AI presentó Beam el 5 de octubre de 2026. El modelo suma 501.000 millones de parámetros, aunque activa unos 23.000 millones por token, y está pensado para programación, razonamiento y tareas con agentes de IA.
¿Cuáles son los puntos clave a validar primero?
Reflection AI presentó Beam el 5 de octubre de 2026. El modelo suma 501.000 millones de parámetros, aunque activa unos 23.000 millones por token, y está pensado para programación, razonamiento y tareas con agentes de IA. La empresa afirma que Beam se preentrenó con 23,8 billones de tokens y tiene una ventana de contexto de hasta un millón de tokens.
¿Qué debo hacer a continuación en la práctica?
Reflection lo presenta como una alternativa estadounidense a modelos chinos, pero sus comparaciones y su supuesta ventaja de eficiencia son declaraciones de la empresa, no resultados verificados de forma independiente.