Reflection anuncia Beam: un modelo de pesos abiertos de 501 mil millones de parámetros que solo activa 23 mil millones a la vez

La respuesta corta: El 5 de octubre de 2026, la empresa estadounidense Reflection AI anunció Beam, su primer modelo de pesos abiertos. Tiene 501 mil millones de parámetros en total, pero está construido como un modelo de mezcla de expertos (mixture of experts), por lo que solo 23 mil millones de parámetros están activos para cada token, y maneja un contexto efectivo de hasta un millón de tokens. Los pesos se publicarán bajo la licencia Apache 2.0, que permite el uso comercial, "a finales de este mes", junto con un informe técnico, una ficha del modelo y herramientas para desarrolladores. A día de hoy no se puede descargar; la única opción es inscribirse en el programa de acceso anticipado.

Esto importa a cualquier empresa que esté pensando en ejecutar IA en sus propios servidores en lugar de enviar sus datos a un servicio en la nube fuera del Reino. Pero lee con calma las cifras publicadas antes de hacer planes con ellas.

Lo que Reflection anunció realmente

  • Tamaño: 501 mil millones de parámetros en total, 23 mil millones activos por token, con una arquitectura dispersa de mezcla de expertos.
  • Entrenamiento: 23,8 billones de tokens de datos web y conjuntos de datos con licencia, en 6.144 GPU NVIDIA GB300 en menos de cuatro semanas.
  • Aprendizaje por refuerzo: cuatro semanas más en unas 10.500 GPU GB300, con más de 100 millones de rollouts de entrenamiento.
  • Uso previsto: programación, razonamiento y trabajo agéntico, en el que el modelo ejecuta por sí solo una secuencia de pasos.
  • Control del razonamiento: un ajuste que decide cuánto "piensa" el modelo antes de responder, para que puedas elegir entre una respuesta corta y rápida o un análisis más largo.
  • Eficiencia: la empresa dice que Beam logra puntuaciones comparables a GLM-5.2 en benchmarks de razonamiento avanzado, ligeramente por debajo en su propia tabla, mientras usa, según sus estimaciones, entre tres y cuatro veces menos cómputo de inferencia. Esa cifra se calcula a partir de los parámetros activos y los tokens generados, no del coste real medido de servirlo.

Las cifras tal como se publicaron, y quién lo supera

Reflection publicó una tabla comparativa frente a siete modelos, entre ellos GLM 5.2, Qwen 3.8 Max y Kimi K3. Estos son los resultados principales frente a esos tres, según el anuncio:

  • Terminal Bench v2.1 (tareas de línea de comandos): Beam 80,1, frente a 81,0 de GLM 5.2, 86,6 de Qwen 3.8 Max y 88,3 de Kimi K3.
  • MCP Atlas (uso de herramientas mediante el protocolo MCP): Beam 78,7, frente a 77,8, 84,5 y 82,3.
  • GPQA Diamond (preguntas científicas de nivel experto): Beam 90,5, frente a 91,2, 92,6 y 93,5.
  • DeepSWE v1.1 (corrección de problemas reales de software): Beam 44,4, frente a 44,0, 51,0 y 68,0.
  • AIME 2026 (matemáticas): Beam 97,8 frente a 99,2 de GLM 5.2.

La lectura honesta de esta tabla: Beam no es el modelo abierto más potente. Kimi K3 lo supera en 13 de los 14 benchmarks en los que ambos tienen puntuación (la única excepción es tau3 banking, 38,0 para Beam frente a 37,1), y por un amplio margen en la reparación de código (68,0 frente a 44,4 en DeepSWE). Lo que Reflection vende es eficiencia: un rendimiento cercano a GLM-5.2 con un coste de ejecución menor. Las puntuaciones de Beam las reporta la propia Reflection, mientras que la empresa afirma que tomó las puntuaciones de los competidores de Artificial Analysis y DataCurve. Los grupos independientes no podrán volver a evaluar Beam hasta que se publiquen los pesos y el informe técnico.

23 mil millones activos no significa un servidor pequeño

Este es el punto más malinterpretado de los modelos de mezcla de expertos. El número de parámetros activos determina el cómputo por token, es decir, la velocidad y el coste de cada respuesta. Pero la memoria tiene que contener igualmente el modelo completo. Con aritmética simple, 501 mil millones de parámetros necesitan aproximadamente 500 GB de memoria de GPU a 8 bits cada uno, o alrededor de 1 TB a 16 bits, solo para los pesos, antes de la caché de contexto y de los usuarios simultáneos. Reflection no ha dicho con qué precisión publicará los pesos. Hablamos de un servidor con varias GPU de gama alta, no de un ordenador de escritorio. Reflection aún no ha publicado requisitos oficiales de despliegue ni versiones comprimidas, así que espera a que lo haga antes de estimar un presupuesto.

Qué significa esto para las empresas saudíes

El verdadero valor de cualquier modelo de pesos abiertos está en dónde se ejecuta. Cuando el modelo funciona en tus servidores o en un centro de datos dentro del Reino, los datos de los clientes, los contratos y las facturas permanecen bajo tu control. Eso facilita el cumplimiento de la Ley de Protección de Datos Personales (PDPL), supervisada por la Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA), especialmente de sus normas sobre la transferencia de datos fuera del Reino.

  • Agentes de programación internos: un equipo técnico que quiere un asistente de programación sin enviar su código fuente a un servicio externo.
  • Automatización de procesos: un agente que lee solicitudes y llama a herramientas de los sistemas internos, donde la puntuación en MCP Atlas importa más que los benchmarks de matemáticas.
  • Análisis de documentos largos: un contexto de un millón de tokens permite leer contratos o registros completos de una sola pasada, siempre que verifiques la calidad de la comprensión con tus propios archivos.

Una advertencia importante: el anuncio no nombra los idiomas compatibles ni menciona el árabe. El único resultado multilingüe es SWE-Bench Multilingual con 78,0, y se refiere a lenguajes de programación, no a idiomas humanos. No des por sentada la calidad en árabe antes de probarla.

Cómo abordarlo, paso a paso

  • No cambies tu plan hoy: el modelo no está disponible para descarga y las cifras no se han revisado de forma independiente.
  • Prepara un conjunto de pruebas con tu propio trabajo: entre 50 y 100 tareas reales, como mensajes de clientes en árabe, solicitudes y documentos, con la respuesta correcta para cada una.
  • Compara cuando lleguen los pesos: Beam frente al modelo abierto que ya estés considerando, como Kimi K3, en precisión, latencia y coste de servidor.
  • Calcula el coste total: servidor, energía, operación y mantenimiento, frente al coste de una API en la nube con el mismo volumen de solicitudes.
  • Construye una capa de cambio: haz que tu sistema llame al modelo a través de una única interfaz, para poder pasar de un modelo a otro sin reconstruir la aplicación.

Así trabajamos en Origami cuando construimos sistemas de IA para nuestros clientes: probamos el modelo con los datos de la propia empresa y diseñamos el sistema para que el modelo sea una pieza reemplazable, de modo que cada nuevo anuncio no se convierta en un proyecto de reconstrucción. Si tus datos son sensibles, lee nuestra guía sobre la Ley de Protección de Datos Personales antes de elegir dónde ejecutarlo.

Fuentes