Reflection AI presenta Beam: 501B parámetros, 23B activos

¿Qué es Beam y por qué debería importarte como founder?

Reflection AI, respaldada por Nvidia, presentó este lunes Beam, su primer modelo de pesos abiertos con 501.000 millones de parámetros, en un movimiento que busca arrebatarle terreno a las chinas DeepSeek, Qwen y Z.ai en la categoría de IA abierta para programación y agentes. La startup, fundada en 2024 por los ex-DeepMind Misha Laskin e Ioannis Antonoglou, asegura que Beam iguala el rendimiento de GLM-5.2 (Z.ai) y se acerca al de Qwen3.8-Max en tareas de razonamiento y código, según reportó Forbes México y confirmó TechCrunch.

La movida llega cuando los modelos abiertos ya son la mitad del mercado de tokens: según Yahoo Finance, el 56% de los tokens procesados en la plataforma Vercel AI Gateway en agosto correspondieron a modelos de pesos abiertos, frente a apenas 7% en diciembre. La apertura dejó de ser nicho: es la nueva base de la inferencia.

Las cifras clave: 501B parámetros con solo 23B activos

Beam es un modelo Mixture-of-Experts (MoE) con 501.000 millones de parámetros totales y solo 23.000 millones activos por consulta, según Reflection AI (recogido por TechCrunch y la documentación técnica resumida por Marktechpost). Esto lo hace drásticamente más barato de operar: Reflection asegura que corre las pruebas de razonamiento avanzado con 3 a 4 veces menos cómputo de inferencia que sus rivales.

Para dimensionar el modelo frente a su competencia directa:

• GLM-5.2 (Z.ai, China): ~744B totales, 40B activos
• Nemotron 3 Ultra (Nvidia, EE. UU.): 550B totales, 55B activos
• DeepSeek V4.1 Flash (China): 552B base + 196B Engram, 8B en prefill / 16B en decode
• Kimi K3 (Moonshot, China): 2,8 billones totales, 104B activos

La compañía entrenó el modelo sobre 23,8 billones de tokens en un cluster de 6.144 GPUs Nvidia GB300 NVL72, completó el preentrenamiento en menos de cuatro semanas y ejecutó una fase de reinforcement learning durante otras cuatro semanas sobre 10.000-10.500 GB300, generando más de 100 millones de rollouts y 1,3 billones de sandboxes, según reportó SiliconAngle citando datos de Reflection.

¿Cómo se compara Beam con los modelos abiertos chinos?

Los benchmarks que Reflection publica son sólidos para una primera versión, aunque no han sido verificados de forma independiente, como aclara TechCrunch:

• SWE-bench Verified (resolución de issues en GitHub): 80,9 — supera a Nemotron 3 Ultra (70,7)
• Terminal Bench v2.1 (tareas de agente en terminal): 80,1, prácticamente igualado con GLM-5.2 (81,0)
• Kimi K3 (88,3) y DeepSeek V4.1 Flash (90,6) todavía lideran en esas pruebas

A diferencia de Inkling, el modelo abierto de Mira Murati (Thinking Machines Lab) lanzado en julio, Beam es solo texto: no procesa imagen. Los pesos se publicarán bajo licencia Apache 2.0 a finales de octubre, con distribución a través de hyperscalers y neoclouds, según Reflection.

¿Por qué Nvidia invirtió US$800M en Reflection AI?

Reflection no es una startup cualquiera. Ha recaudado más de US$4.000 millones desde 2024 (Yahoo Finance eleva la cifra a US$4.700M con datos de PitchBook) y su última ronda la valoró en US$25.000 millones pre-money. Nvidia ya inyectó US$800M y provee acceso a sus chips GB300, según el mismo reporte. Entre los demás inversores aparecen Sequoia Capital, Lightspeed Venture Partners, Disruptive y 1789 Capital, fondo en el que participa Donald Trump Jr.

La estrategia de cómputo es descomunal:

• A comienzos de este año, Reflection firmó un acuerdo con SpaceX para arrendar capacidad en el centro de datos Colossus 2 de Elon Musk, estimado en US$6.300M por SiliconAngle.
• En paralelo, cerró con Nebius otro compromiso para acceder a más GB300 hasta 2029, sumando en conjunto más de US$7.000 millones en infraestructura según TechCrunch.

La tesis de producto, alineada con la visión del CEO de Nvidia Jensen Huang, es construir «AI factories»: infraestructura que permita a empresas y gobiernos entrenar modelos abiertos sobre sus propios datos, sin enviarlos a APIs cerradas. Ya hay un piloto con Shinsegae Group en Corea del Sur, y la compañía colabora con el Pentágono y el Departamento de Energía estadounidenses, según Yahoo Finance.

¿Qué significa esto para tu startup?

La primera lectura obvia: entrenar un modelo frontera ya no es solo cuestión de dinero, sino de asegurar cómputo. Reflection pudo completar un modelo de 501B parámetros en cuatro semanas porque tenía 6.144 GB300 reservadas. Para una startup promedio, eso es una señal del tipo de ventaja estructural que se necesita para competir en esta capa.

Dos efectos prácticos inmediatos:

1. El costo de inferencia para código y agentes va a seguir bajando. Si Beam cumple lo que promete (3-4x menos cómputo que GLM-5.2 con rendimiento equivalente) y los pesos son Apache 2.0, el menú de modelos abiertos para construir productos se amplía. Un founder podrá elegir entre DeepSeek, Qwen, GLM-5.2 o este nuevo Beam, sin pagar licencia por token.
2. El ángulo geopolítico redefine la demanda enterprise. Gobiernos y grandes empresas europeas y latinoamericanas, preocupadas por la dependencia de modelos chinos o cerrados, empiezan a ver a Reflection como opción «amiga» de código abierto. Si vendes a sector público, banca o salud, este tipo de modelo con respaldo institucional puede ser un argumento comercial.

Acciones concretas que puedes aplicar esta semana:

• Evalúa Beam en cuanto salgan los pesos (finales de octubre). Si tu producto depende de generación de código o agentes, descarga los pesos y mide latencia y costo de inferencia en tu propio cluster o en un neocloud como Nebius o CoreWeave. Compara contra Qwen3.8-Max y GLM-5.2, que ya están disponibles hoy.
• Revisa tu dependencia de APIs cerradas. Si más del 30% de tu costo de infraestructura viene de tokens de OpenAI o Anthropic, diseña un plan B de portabilidad a modelos abiertos (DeepSeek, Qwen, GLM-5.2 o este Beam). El switch dejó de ser ciencia ficción: ya es un ejercicio de procurement trimestral.

Conclusión

Beam no es solo un modelo más: es la primera señal concreta de que una startup estadounidense puede sentarse a la mesa de los pesos abiertos, dominada hasta ahora por China. Su éxito depende de tres cosas que se juegan en los próximos 60 días: que los benchmarks se verifiquen de forma independiente, que los pesos Apache 2.0 lleguen a tiempo y que el piloto de «AI factory» con Shinsegae funcione como caso de referencia. Si algo de eso falla, el modelo queda como un experimento caro. Si las tres salen bien, Reflection se convierte en la opción por defecto para cualquier empresa occidental que quiera IA abierta sin tocar código chino.

Fuentes

• Startup presenta su primer modelo de IA para competir con modelos abiertos chinos — Forbes México
• Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost — TechCrunch
• Reflection AI debuts open-source Beam model with 501B parameters — SiliconAngle
• Reflection AI Introduces Beam: A 501B Open-Weight MoE Model With 23B Active Parameters — Marktechpost
• Reflection AI boosts US ambition to compete with Chinese ‘open’ models — Yahoo Finance

Artículos relacionados:

Beam: el modelo open-weight de 501B parámetros de Reflection Reflection AI lanza Beam, el modelo abierto que reta a China SpaceX firma acuerdo US$150M mensuales con Reflection AI hasta 2029 SpaceX firma acuerdo $6.3B con Reflection AI: infraestructura IA SpaceX y Reflection AI: acuerdo de US$150M mensuales hasta 2029