Reflection AI lanza Beam, el modelo abierto que reta a China

Una startup de Brooklyn apunta al trono de DeepSeek y Qwen

Reflection AI presentó este lunes Beam, su primer modelo open-weight de frontera, en un movimiento que recalienta la carrera por construir una respuesta occidental a los modelos abiertos chinos. La compañía, fundada en marzo de 2024 por los ex investigadores de Google DeepMind Misha Laskin e Ioannis Antonoglou, asegura que Beam iguala el rendimiento de Z.ai GLM-5.2 en pruebas avanzadas de razonamiento, usando entre 3 y 4 veces menos cómputo de inferencia. Los pesos del modelo se publicarán este mismo mes.

Para un founder que evalúa qué modelo de código abierto hospedar en su infraestructura, el dato de costo importa más que el ranking: si la promesa se sostiene en benchmarks independientes, Beam se convierte en una alternativa real a Anthropic u OpenAI sin la factura de API asociada.

Qué tiene Beam bajo el capó

Según el blog de Reflection y el reporte de TechCrunch, Beam es un modelo texto-only de arquitectura mixture-of-experts (MoE), entrenado con reinforcement learning de alto cómputo para razonamiento, código y tareas agenticas. Sus cifras técnicas:

• 501.000 millones de parámetros totales, con 23.000 millones activos por inferencia
• Pre-entrenado sobre 23,8 billones de tokens
• Ventana de contexto de 1 millón de tokens

El comparativo más directo es Z.ai GLM-5.2, que ronda los 744.000 millones de parámetros totales con 40.000 millones activos. La diferencia de tamaño activo (23B vs 40B) es la base técnica de la promesa de menor costo: al activarse una fracción menor de la red por consulta, el inference compute cae sin sacrificar capacidad total.

Reflection califica a Beam como un workhorse model orientado a empresas, sector público y desarrolladores. Los benchmarks propios — no verificados de forma independiente aún — lo ubican al nivel de GLM-5.2 y por encima de los principales modelos abiertos occidentales en razonamiento. En cuatro pruebas de código donde ambos modelos publicaron resultados, Beam superó a Inkling, el modelo abierto de Thinking Machines Lab de Mira Murati, lanzado en julio. La salvedad: Inkling es multimodal y Beam solo procesa texto.

La guerra de los modelos abiertos en cifras

El movimiento de Reflection ocurre en un tablero donde los laboratorios chinos llevan la delantera. DeepSeek y Qwen (Alibaba) dominan los leaderboards de modelos abiertos en código, matemáticas y razonamiento, y se convirtieron en el estándar de referencia de la categoría. Para las startups occidentales, hospedar un modelo chino en producción presenta fricciones regulatorias y de soberanía de datos en ciertos mercados, lo que deja espacio para un contendiente que combine rendimiento equivalente con residencia legal clara.

En Estados Unidos, el competidor más directo de Beam es precisamente Inkling de Thinking Machines. En Europa, Mistral, Cohere y los modelos abiertos de Meta completan la lista. Reflection se posiciona explícitamente contra todos: laboratorios cerrados (Anthropic, OpenAI), abiertos chinos y el bloque occidental de peso abierto.

Una valuación de US$25.000M y US$4.700M levantados

La cifra que rodea a Reflection ya no es la de una startup temprana. Per PitchBook, citado por TechCrunch, la compañía ha levantado unos US$4.700 millones en acumulado, con Nvidia, Sequoia Capital y Lightspeed Venture Partners entre sus patrocinadores. Su última ronda la valoró en US$25.000 millones pre-money.

Para dimensionar la trayectoria: según el reporte de CryptoBriefing citando Axios, en octubre de 2025 Reflection había cerrado una ronda de US$2.000 millones a una valuación de US$8.000 millones, un salto que muestra la velocidad a la que el capital está recalibrando a los candidatos a contendores de frontera. En 12 meses, la valuación se multiplicó por más de tres.

Reflection no solo levantó capital: también bloqueó cómputo. Este verano firmó acuerdos por más de US$7.000 millones en conjunto con SpaceX y Nebius para acceder a chips Nvidia GB300 hasta 2029. Esa capacidad de cómputo es el insumo crítico que define quién puede entrenar y hospedar modelos de frontera, y Reflection se aseguró un pipeline.

El pitch de las AI factories

La estrategia de negocio de Reflection va más allá de vender pesos abiertos. La compañía apuesta por el concepto de AI factory: combinar los pesos de Beam (y futuros modelos) con datos propietarios del cliente sobre infraestructura Nvidia, para que cada empresa o gobierno construya su propio sistema de IA localizado y personalizado. Jensen Huang, CEO de Nvidia — e inversionista de Reflection —, viene promoviendo esta idea como pilar de la estrategia de open AI de su compañía, que a la vez alimenta la demanda de GPUs.

Axios reportó que fondos de cobertura y firmas de trading figuran entre los interesados en construir estos sistemas. Reflection ya empezó a probar el modelo con Shinsegae Group en Corea del Sur, en lo que describe como una sovereign AI factory. Para gobiernos y empresas con datos sensibles que no pueden salir de su jurisdicción, esta arquitectura tiene más sentido comercial que una API cerrada.

Qué significa esto para tu startup

Si sos founder técnico o liderás un equipo de producto con workloads de razonamiento o código, Beam merece estar en tu radar de evaluación en cuanto los pesos estén disponibles. La combinación de menor cómputo de inferencia, contexto de 1 millón de tokens y modelo de pesos abiertos lo hace interesante para tres casos de uso concretos:

• Auto-hospedaje de razonamiento avanzado: si hoy pagás APIs caras de Anthropic u OpenAI para tareas de razonamiento, un modelo MoE de 23B activos puede correr en clústeres de GPUs más accesibles y bajar el costo por token sin resignar capacidad.
• Aplicaciones agenticas con contexto largo: la ventana de 1M de tokens habilita agentes que procesen bases de código completas, documentos legales extensos o historiales de conversación largos sin fragmentar.
• Sovereign AI en LATAM y España: si tu mercado exige residencia de datos (salud, finanzas, sector público en Europa), un modelo abierto hospedable en tu propio data center con pesos auditables reduce el riesgo regulatorio frente a proveedores cerrados o modelos chinos con licencia no siempre clara para uso comercial.

Dos acciones concretas esta semana:

1. Sumá Beam a tu banco de pruebas cuando se liberen los pesos (durante octubre, según Reflection). Comparalo contra tu modelo actual en dos tareas reales: una de razonamiento sobre datos propios y otra de código sobre tu repositorio más complejo. Mirá tokens per second, costo por inferencia y calidad de salida, no solo el ranking de un benchmark genérico.
2. Mapeá qué parte de tu consumo de IA es razonamiento vs generación simple. Si el grueso de tu factura viene de razonamiento o código, el ahorro de 3-4x en cómputo de inferencia que Reflection promete justifica un piloto. Si es generación corta o embeddings, no vale la complejidad de auto-hospedar.

Fuentes

• Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost — TechCrunch
• Reflection AI to release open-weight model aimed at DeepSeek and Qwen — CryptoBriefing