Reflection libera los pesos de Beam: 501.000 millones de parámetros, Apache 2.0 y benchmarks propios

Reflection publicó los pesos de Beam en Hugging Face el 16 de octubre, once días después de anunciar el modelo con la promesa de liberarlos ese mismo mes. La ficha del modelo indica licencia Apache 2.0 y checkpoints en BF16, FP8 y NVFP4. Es el primer modelo de este laboratorio con sede en Brooklyn que, según TechCrunch, levantó unos US$4.700 millones de inversores como Nvidia.

Lo importante no es que haya otro modelo abierto grande, sino las condiciones. Beam es un modelo estadounidense de escala frontera bajo una licencia permisiva estándar, sin umbral de facturación ni acuerdo de uso a medida. La ficha aclara que Reflection no prohíbe la destilación, entrenar con sus salidas, el fine-tuning, la cuantización ni el merging.

Qué se publicó

• Arquitectura: un mixture-of-experts disperso con 501.300 millones de parámetros totales y 23.400 millones activos: 52 capas (3 densas, 49 MoE), 256 expertos y 8 activados por token.
• Entrada y contexto: texto de entrada y de salida, con ventana de contexto de 1M de tokens. La ficha dice que se desarrolló principalmente para inglés, con fecha de corte de conocimiento el 30 de junio de 2026.
• Formatos: BF16 (alrededor de 1 TB de pesos), FP8 para GPUs Hopper y Ampere y NVFP4 (unos 280 GB) para Blackwell, más un modelo borrador DFlash2 para decodificación especulativa.
• Herramientas: soporte desde el día cero en Transformers, vLLM y SGLang, según el post de lanzamiento de Hugging Face, junto con recetas de SFT y RL y un harness open source en Rust de Reflection.
• Dónde correrlo: Hugging Face Inference Providers (Baseten, Fireworks y Together), Inference Endpoints y Amazon SageMaker JumpStart, donde AWS dice que el modelo además se portó a Trainium3.

Los benchmarks son de la propia Reflection

Para el checkpoint BF16, la ficha reporta 80,1% en Terminal Bench v2.1, 81,6% en SWE-bench Verified, 66,1% en SWE-Bench Pro v1, 80,8% en MCP Atlas y 90,6% en GPQA Diamond. Todo sale de evaluaciones de Reflection, corridas con temperatura 0,7. Ningún leaderboard independiente publicó todavía una evaluación completa.

Las cifras que reportan otros fabricantes ayudan a dimensionar esos números. VentureBeat señala que en Terminal Bench 2.1 DeepSeek V4.1 Flash reporta 90,6% y Kimi K3, de Moonshot, 85,0%, mientras que Muse Spark Open, el modelo abierto que Meta lanzó el día anterior, reporta 76,4%. Con esos datos autodeclarados, Beam supera al modelo abierto de Meta en esta prueba pero queda detrás de los chinos más fuertes. La propia Reflection dijo que no busca reemplazar a los modelos de frontera en todas las tareas.

Menos tokens, no tokens más baratos

La apuesta de Reflection es la eficiencia por tarea terminada. La ficha dice que Beam llega a una calidad comparable a la de los mejores modelos abiertos con unas 3 veces menos tokens de razonamiento. Leyendo el gráfico de Reflection, VentureBeat ubica a Beam en unos 25.000 tokens por intento en Terminal Bench, contra unos 80.000 de GLM-5.2, de Z.ai, que puntúa un poco más alto. Según VentureBeat, Artificial Analysis dijo que los primeros indicios ubican a Beam entre los modelos abiertos más eficientes en tokens para su nivel.

Hay dos salvedades. Reflection no publicó un costo en dólares por tarea completada, y su estimación de cómputo cuenta la generación pero deja afuera el procesamiento del prompt, que es lo que más pesa en los prompts largos típicos de los agentes de código. Menos tokens de salida no significa automáticamente una factura más chica.

Qué cambia para quienes desarrollan

Si estás eligiendo un modelo abierto para agentes de código, Beam suma una opción con licencia permisiva y control explícito del esfuerzo. La plantilla de chat acepta niveles de esfuerzo de razonamiento de minimal a max, y la documentación de la ficha advierte que sacar el razonamiento previo del historial en conversaciones de varios turnos degrada la respuesta. Si recortás el razonamiento entre turnos para ahorrar contexto, probalo antes de llevarlo a producción.

Las llamadas a herramientas usan un formato Harmony modificado, con argumentos en una sintaxis tipo XML. El post de Hugging Face recomienda pasarle los esquemas de las herramientas al parser de respuestas del tokenizer, así un valor suelto como 7 se convierte al tipo declarado. Si tu código parsea tool calls en JSON, vas a necesitar ese adaptador.

En contexto largo, Hugging Face calcula que el diseño de atención híbrida (43 capas de ventana deslizante de 512 tokens y 9 capas globales) hace crecer la caché KV unos 36 KiB por token en BF16, cerca de 36 GiB para una secuencia completa de 1M de tokens. Es alrededor de un sexto de lo que necesitaría un diseño totalmente global, y eso vuelve más prácticas las sesiones muy largas en hardware propio.

El hardware sigue siendo la barrera principal. Hugging Face recomienda cuatro GPUs B200 para el checkpoint NVFP4, y VentureBeat informa que la precisión completa requiere decenas de GPUs. La mayoría lo va a probar primero en proveedores alojados. Según VentureBeat, el servicio propio de Reflection es gratis durante la beta pública y todavía no tiene precio.

Preguntas abiertas

El reporte técnico figura como 'próximamente' y todavía no salió. El Financial Times informó que Nvidia mantuvo conversaciones para comprar Reflection o invertir más en ella. Según VentureBeat, el CTO de Reflection lo calificó de 'rumores sin fundamento', sin confirmar ni desmentir de forma explícita que hubiera conversaciones. Pase lo que pase con la empresa, la licencia Apache 2.0 sobre los pesos ya publicados no se puede revocar.