Respuestas a tus preguntas sobre Beam

Beam es un modelo de lenguaje grande de Reflection AI, anunciado el 5 de octubre de 2026. Es un modelo de mezcla de expertos dispersa, con 501.000 millones de parámetros totales y 23.000 millones activos por token, diseñado para programación, razonamiento y tareas con agentes. Es el primer modelo de pesos abiertos de Reflection.

Reflection AI, un laboratorio de Nueva York fundado en 2024 por Misha Laskin (director ejecutivo) e Ioannis Antonoglou, ambos antiguos investigadores de Google DeepMind. Entre sus inversores están Nvidia, Sequoia y Citigroup.

Beam tiene pesos abiertos. Reflection afirma que publicará los pesos con la licencia Apache 2.0, que permite el uso comercial, la modificación y la redistribución. Los datos de entrenamiento no son abiertos: una parte procede de conjuntos de datos con licencia de uso propietario.

Reflection dice que será “a finales de este mes”, es decir, en octubre de 2026, junto con un informe técnico, una ficha del modelo y herramientas para ejecutarlo, evaluarlo y ajustarlo. No se ha anunciado una fecha exacta. Nuestro rastreador de lanzamientos muestra el estado actual.

Apúntate a la lista de espera de la API beta de Reflection. Los usuarios aprobados reciben un endpoint compatible con OpenAI en https://api.reflection.ai/openai/v1 con el ID de modelo Beam-501B-A23B. Cuando se publiquen los pesos, también podrás ejecutarlo por tu cuenta o mediante proveedores de alojamiento.

Los pesos se podrán descargar y usar gratis con la licencia Apache 2.0. Sin embargo, ejecutar un modelo de 501B no es gratis: tendrás que pagar por las GPU o por un proveedor de alojamiento. Reflection no ha publicado los precios de su API.

Todavía no hay requisitos oficiales. Según nuestros cálculos, los pesos por sí solos ocupan alrededor de 1 TB en BF16, unos 500 GB en FP8 y unos 250 GB en 4 bits, además de memoria para la caché KV. Eso requiere un servidor con varias GPU; no funcionará en un portátil convencional ni en una sola GPU de consumo.

No según la mayoría de las cifras publicadas. Frente a DeepSeek V4.1 Flash, Beam obtiene mejores resultados en CritPt y en el índice AA Omniscience, pero queda por detrás en los otros siete benchmarks compartidos, incluidos Terminal-Bench, DeepSWE, HLE y AutomationBench. Reflection destaca su eficiencia y el hecho de ser un modelo abierto de EE. UU., no una victoria rotunda.

No. La propia tabla de Reflection muestra que Kimi K3 supera a Beam en 13 de los 14 benchmarks publicados por ambos modelos. Beam solo queda por delante en τ³ banking (38.0 frente a 37.1). Reflection afirma que la ventaja de Beam frente a modelos como Kimi K3 está en la eficiencia de inferencia.

Para la ingeniería de software y la programación con agentes. Obtiene 80.9 en SWE-Bench Verified, 78.0 en SWE-Bench Multilingual y 80.1 en Terminal-Bench v2.1. También puede usar herramientas, navegar por la web y llamar a otros servicios en tareas largas con varios pasos.

No. Beam solo procesa texto. Puede trabajar con otros tipos de datos únicamente cuando se convierten en texto, por ejemplo mediante OCR.

La API beta indica 256K tokens, con hasta 128K tokens de salida, y Reflection señala que esto puede cambiar durante la beta. En su anuncio, indica que el entrenamiento intermedio amplió el contexto efectivo a 1 millón de tokens.

The Wall Street Journal informó en marzo de 2026 que algunos inversores usaban esa expresión. Al igual que DeepSeek, Reflection se centra en modelos eficientes y publicados abiertamente; a diferencia de DeepSeek, es una empresa estadounidense, algo importante para los compradores que prefieren no depender de modelos chinos.

Todavía no, según la fecha que aparece al inicio de nuestro registro de lanzamientos. Reflection planea lanzar los pesos abiertos con socios de distribución e integraciones con bibliotecas de código abierto.

No. ReflectionBeam es una guía independiente. No estamos afiliados a Reflection AI. Incluimos enlaces a fuentes oficiales para cada cifra que publicamos.