Reflection presenta Beam, su primer modelo de IA de pesos abiertos para rivalizar con los modelos chinos a menor coste

Reflection AI, una startup de dos años con sede en Brooklyn, ha presentado oficialmente Beam, su primer modelo de inteligencia artificial de pesos abiertos ("open-weight") de nivel frontera. La compañía afirma que Beam iguala el rendimiento de los principales modelos abiertos chinos —como los de DeepSeek, Qwen y Z.ai— en benchmarks avanzados de razonamiento, pero con un coste computacional notablemente menor. El anuncio, publicado en un extenso post de blog, confirma informaciones previas de Axios que ya apuntaban a un lanzamiento inminente durante el fin de semana.

Según la propia empresa, Beam es un modelo de texto (no multimodal) basado en una arquitectura de mezcla de expertos (mixture-of-experts), entrenado con aprendizaje por refuerzo de alto cómputo para rendir especialmente bien en tareas de razonamiento, programación y uso agéntico. Reflection asegura que logra estos resultados con "una fracción del coste por token y del cómputo de inferencia" que necesitan sus rivales. En cifras concretas: Beam cuenta con 501.000 millones de parámetros totales, de los cuales solo 23.000 millones están activos en cada inferencia, fue preentrenado con 23,8 billones de tokens y ofrece una ventana de contexto de 1 millón de tokens. Como referencia, el GLM-5.2 de Z.ai tiene unos 744.000 millones de parámetros totales con 40.000 millones activos.

Es importante subrayar que estas cifras de rendimiento proceden de la propia Reflection y no han sido verificadas de forma independiente. Según sus benchmarks, Beam empataría con GLM-5.2 en razonamiento avanzado y superaría a los modelos abiertos occidentales líderes actuales, usando entre 3 y 4 veces menos cómputo de inferencia. La empresa lo describe como un "modelo de trabajo" (workhorse) pensado para empresas, sector público y desarrolladores, y se posiciona simultáneamente frente a laboratorios cerrados como Anthropic y OpenAI, frente a los modelos abiertos chinos, y frente a actores occidentales como Mistral, Meta y Cohere. Su rival más directo en EE. UU. sería Inkling, el modelo abierto del Thinking Machines Lab de Mira Murati lanzado en julio; Reflection sostiene que Beam supera a Inkling en las cuatro pruebas de programación en que ambos reportan resultados, aunque matiza que Inkling es multimodal mientras que Beam es solo texto.

El contexto financiero de Reflection ayuda a entender la apuesta: fundada en 2024 por dos exinvestigadores de Google DeepMind, ha recaudado alrededor de 4.700 millones de dólares de inversores como Nvidia, Sequoia Capital y Lightspeed Venture Partners, con una valoración pre-money de 25.000 millones de dólares en su última ronda, según PitchBook. Además, este verano cerró acuerdos por más de 7.000 millones de dólares con SpaceX y Nebius para asegurarse acceso a chips GB300 de Nvidia hasta 2029, un movimiento clave para poder entrenar modelos de frontera capaces de competir tanto con los laboratorios cerrados como con los modelos abiertos chinos, más baratos.

Más allá de Beam en sí, Reflection apunta a un modelo de negocio centrado en "fábricas de IA" (AI factories): un producto que permitiría a empresas y naciones soberanas entrenar versiones personalizadas de sus modelos sobre datos propietarios propios. Esta visión coincide con la que lleva tiempo promoviendo Jensen Huang, CEO de Nvidia —inversor de Reflection—, interesado en fortalecer el ecosistema de IA abierta, lo que a su vez beneficia la demanda de GPUs de su compañía. Según Axios, fondos de cobertura y firmas de trading figuran entre los interesados en este tipo de infraestructura, y Reflection ya ha comenzado a probar el concepto de "fábrica de IA soberana" en una asociación con el grupo surcoreano Shinsegae.

Reflection ha anunciado que publicará los pesos de Beam y la documentación técnica completa este mismo mes, con distribución a través de hyperscalers y neoclouds, además de integraciones con bibliotecas de código abierto desde el lanzamiento. La empresa no respondió a tiempo a las preguntas adicionales de TechCrunch. El movimiento se enmarca en una carrera cada vez más intensa por ofrecer una alternativa occidental sólida a los modelos abiertos chinos, en un momento en que el coste de inferencia se perfila como un factor competitivo tan importante como el propio rendimiento del modelo.