Reflection lanza Beam, un modelo abierto de 501B parámetros que iguala a gigantes con 3-4 veces menos cómputo
Beam: Reflection's 501B open-weight model

Reflection presenta Beam, su primer modelo open-weight: un MoE disperso de 501B parámetros totales y 23B activos, entrenado con 23.8 billones de tokens y una RL masiva en 10.5K GPUs NVIDIA GB300. Destaca en coding y tareas agénticas, compitiendo con GLM 5.2 y acercándose a Qwen 3.8-Max, pero con una eficiencia de inferencia muy superior. Los pesos y el informe técnico se publicarán este mes.
En lugar de eso, la ventaja de Beam es la eficiencia en el momento de la inferencia.
- Ariarule
Siempre me alegra ver más modelos de pesos abiertos, pero este pie de foto en la segunda imagen de la demo me hizo hacer un doble take: "Experimento de generalización tierra o agua: Recreamos el puzle viral de X pidiéndole a Beam que creara una cuadrícula fija de 180×90 para longitudes de -179° a 179° y latitudes de -89° a 89°, con 16.200 puntos. Este puzle tiene unos días, así que no podría aparecer en los datos de entrenamiento, lo que pone a prueba la generalización del modelo. Beam acierta el 95,5% de la cobertura, lo que nos sitúa entre Opus 5 (92,5%) y Fable 5 (97,8%), lo que demuestra lo bien que generaliza a tareas nuevas."
Uf, no, esto de "el puzle tiene unos días" es incorrecto incluso si es una tendencia de redes sociales reciente. Pedirle a un modelo que genere un mapamundi de esta manera es _al menos_ de agosto de 2025, ya que apareció en LessWrong en esa época: https://www.lesswrong.com/posts/xwdRzJxyqFqgXTWbH/how-does-a...
- htrp
> Beam es un modelo disperso de Mezcla de Expertos con 501 mil millones de parámetros totales, 23 mil millones activos, diseñado para cargas de trabajo de programación, razonamiento y agentes.
> Las capacidades de Beam provienen de grandes inversiones tanto en preentrenamiento como en aprendizaje por refuerzo (RL). Preentrenamos el modelo con 23,8 billones de tokens diversos, seleccionados y de alta calidad de la web y conjuntos de datos propios con licencia, igualando o superando a los modelos base abiertos de tamaño similar disponibles. En paralelo, desarrollamos los algoritmos, entornos de entrenamiento e infraestructura necesarios para sostener RL de alto cómputo a escala excepcional. Nuestra ejecución de RL de alto cómputo generó más de 100 millones de rollouts en 10.500 GPUs NVIDIA GB300 durante 4 semanas de entrenamiento.
Acceso anticipado, sin pesos ni detalles técnicos, solo regístrate aquí para recibir información
- algoth1
¿Este también enruta a Claude por debajo como hizo Reflection 70B? Recuerdo que incluso ejecutaban una regex básica para eliminar "Claude" de la salida. Luego prometieron ser completamente transparentes en el postmortem (afirman que no tenían idea de lo que había pasado), pero el postmortem nunca llegó
- wren6991
Pensé que sería interesante comparar algunas cifras clave con otro modelo contemporáneo de la misma clase de peso (DeepSeek V4.1 Flash)
DS V4.1F Beam
Parámetros totales LM 552B 501B
Parámetros activos LM (prefill) 8B 23B
Parámetros activos LM (decode) 16B 23B
Parámetros N-gram/PLE 196B 0
Tokens de preentrenamiento 45T 28T
Bytes KV en disco/token (FP4) 890 Sin información
Visión Sí (preentrenamiento) No
Pesos disponibles Sí (día de lanzamiento) "Este mes"
Licencia de pesos MIT Apache 2.0
A primera vista los benchmarks son impresionantes, pero parafraseando a Linus: "Hablar es barato, muéstrame los pesos." :-)
- NorwegianDude
¿Más grande y aún peor que los modelos chinos gratuitos existentes que son más pequeños? Los modelos de pesos abiertos son agradables, pero a estas alturas parece que los modelos occidentales están muy por detrás de los chinos, a pesar de que las empresas chinas publican muchos de sus hallazgos. Espero que tengamos más modelos abiertos y más proveedores, ya que quedarse atascado con un modelo de China o EE. UU. sin competencia es arriesgado.
Google hace un gran trabajo con los modelos Gemma. Es uno de los pocos modelos de lenguaje realmente buenos en lenguaje. Los mejores modelos cerrados de OpenAI ni siquiera pueden escribir noruego correctamente.
- efficient_dairy
Ya no encuentro tan impresionantes los modelos de pesos abiertos. MiMo-V2.6 ya demostró que se puede tener una arquitectura no tan loca y suficiente cómputo, el cuello de botella entonces son solo los datos. OAI y Anthropic están en la frontera en gran medida por los datos sintéticos que crearon. Tienen una gran base de clientes y tienen los datos de los usuarios, además de saber para qué tareas usan los modelos sus clientes y en qué dominio deberían obtener datos sintéticos.
- onlyrealcuzzo
Esto parece ser más grande que DeepSeek v4.1 Flash, más caro de ejecutar y peor en todas las métricas medidas.
¿Me estoy perdiendo algo?
- reissbaker
En lugar de otro modelo abierto mediocre pero totalmente hecho en Occidente (junto a Mistral, Trinity, Poolside, Inkling, etc., etc.), realmente me encantaría que un neo-lab occidental empezara como lo hizo Qwen: centrándose en el post-entrenamiento. ¡El primer lanzamiento de Qwen fue un finetune de Llama 1 [1]! Una vez que lo hicieron útil, empezaron a trabajar hacia atrás en la pila para también hacer su propio preentrenamiento, etc. Empezar con el preentrenamiento parece un desperdicio: hay millones de dólares en cómputo y datos cristalizados en los pesos de los modelos chinos. ¿Por qué no empezar con uno de esos, y solo volver al preentrenamiento una vez que hayas lanzado algo que puedas demostrar que es útil?