Reflection AI lanza Beam, modelo abierto de 501.000 millones de parámetros que reta a los gigantes chinos

Reflection AI ha presentado Beam, un modelo de lenguaje de gran tamaño (LLM) de código abierto con 501.000 millones de parámetros. El lanzamiento llega pocos meses después de que la startup cerrara una ronda de financiación que la valoró en 25.000 millones de dólares. Según informaciones recogidas en el artículo, por las mismas fechas Reflection AI habría firmado un acuerdo de 6.300 millones de dólares con SpaceX Corp. para alquilar sistemas Nvidia GB300 NVL72, cada uno equipado con 72 GPU, infraestructura que la compañía utilizó precisamente para entrenar Beam.

En sus propias pruebas comparativas, Reflection AI midió Beam frente a GLM-5.2, un modelo abierto que cuenta con unos 250.000 millones de parámetros más. La compañía afirma que Beam iguala o supera a ese rival en ciertas tareas utilizando entre un tercio y un cuarto del hardware necesario. Además, sostiene que su modelo se acerca al rendimiento de Qwen 3.8-Max, un sistema que supera los 2 billones de parámetros. Estas cifras proceden directamente de las comparativas realizadas por la propia empresa, por lo que conviene tomarlas como el punto de partida de su discurso comercial más que como una validación independiente.

El lanzamiento tiene relevancia por el contexto en el que se produce: buena parte de los modelos abiertos más avanzados del momento —entre ellos Qwen 3.8-Max y GLM-5.2— proceden de compañías chinas. Beam se presenta así como el primer modelo de código abierto de una startup estadounidense que demuestra un rendimiento comparable o superior a esas alternativas, lo que lo convierte en un hito simbólico para el ecosistema abierto occidental. Aun así, el propio artículo matiza que los modelos gratuitos siguen por detrás de los sistemas de frontera cerrados, citando como ejemplo a Claude Fable 5.1, de Anthropic.

En cuanto al proceso de desarrollo, Reflection AI explica que comenzó entrenando un prototipo relativamente pequeño y fue escalando progresivamente hacia modelos más grandes y capaces, hasta llegar a Beam Base, la base sobre la que se construye Beam. Este modelo base se desarrolló con un clúster de 6.144 GPU y se entrenó con 23,8 billones de tokens procedentes de la web pública y de fuentes comerciales, incluyendo una cantidad significativa de código de software; para depurar este último, la empresa creó filtros personalizados para cada lenguaje de programación con el fin de eliminar archivos de baja calidad. Todo este proceso se completó en menos de cuatro semanas.

Tras esa fase vino el llamado "midtraining", un proceso de optimización destinado a ampliar la ventana de contexto del modelo y mejorar su capacidad de razonamiento, que sirvió de preparación para la tercera y más exigente etapa del entrenamiento. En ella, Reflection AI puso en marcha 10.000 GPU GB300 para lanzar 1.300 millones de entornos de aprendizaje por refuerzo (sandboxes), espacios virtuales en los que el modelo aprende nuevas habilidades. Estos entornos se optimizaron específicamente para tareas de generación de código, búsqueda web y ejecución de agentes de IA, y esta fase se completó también en cuatro semanas.

La compañía destaca igualmente el esfuerzo de ingeniería destinado a mantener la continuidad del entrenamiento: desarrolló software para evitar que los fallos interrumpieran el flujo de trabajo, logrando un tiempo de recuperación mediano de ocho minutos frente a los 71 errores registrados durante todo el proceso. Es un dato que ilustra la escala operativa que exige entrenar modelos de esta magnitud y la importancia creciente de la resiliencia de la infraestructura como ventaja competitiva.

Por ahora, Beam solo está disponible a través de un programa de acceso anticipado. Reflection AI ha anunciado que publicará los pesos del modelo, su documentación y las herramientas de ajuste fino (fine-tuning) más adelante este mismo mes, lo que permitirá a la comunidad verificar de forma independiente las comparativas de rendimiento que hasta ahora solo ha presentado la propia empresa.