Reflection Beam: modelo de pesos abiertos frente a China
Reflection AI ha dado a conocer los detalles de Beam, el primer modelo de frontera de pesos abiertos de esta startup con sede en Brooklyn. La compañía asegura que Beam iguala a los mejores modelos abiertos chinos en pruebas de razonamiento avanzado con mucha menos capacidad de cómputo. Si se confirma, aumentaría la presión en la carrera por una alternativa occidental a DeepSeek, Qwen y Z.ai.
El lanzamiento llega después de que Axios informara durante el fin de semana de que Reflection estaba a punto de presentarlo. El lunes, la empresa publicó una larga entrada en su blog sobre cómo se construyó el modelo y para qué está pensado.
Qué es Beam
Beam es un modelo de mezcla de expertos que solo trabaja con texto. Con este diseño, solo una parte de la red se activa para cada token, lo que abarata su funcionamiento. Reflection lo entrenó con aprendizaje por refuerzo de alto cómputo y con tres objetivos: razonamiento, programación y tareas agénticas. La empresa afirma que Beam las resuelve con "una fracción del coste en tokens y del cómputo de inferencia" de los modelos de la competencia.
Las especificaciones clave:
- Parámetros totales: 501.000 millones
- Parámetros activos: 23.000 millones
- Datos de preentrenamiento: 23,8 billones de tokens
- Ventana de contexto: 1 millón de tokens
A modo de comparación, GLM-5.2 de Z.ai tiene unos 744.000 millones de parámetros totales, de los que 40.000 millones están activos.
Lo que promete en rendimiento
Reflection sostiene que Beam rinde al nivel de GLM-5.2 en pruebas de razonamiento avanzado y supera a los principales modelos abiertos occidentales actuales, con "entre 3 y 4 veces menos cómputo de inferencia". Ninguno de estos resultados se ha verificado todavía de forma independiente.
La compañía presenta Beam como un "modelo de batalla" para empresas, el sector público y desarrolladores. Es un argumento práctico, no una aspiración a encabezar todas las clasificaciones.
Reflection compite en varios frentes a la vez. Por un lado están los laboratorios cerrados, Anthropic y OpenAI. Por otro, los populares modelos abiertos de desarrolladores chinos, entre ellos DeepSeek. Y también están los fabricantes occidentales de modelos abiertos, como Mistral, Meta y Cohere.
Su competidor estadounidense más directo podría ser Inkling, el modelo abierto que Thinking Machines Lab, de Mira Murati, lanzó en julio. Según las propias cifras de Reflection, Beam supera a Inkling en cuatro pruebas de programación en las que ambos han publicado resultados. Aun así, no es una comparación en igualdad de condiciones: Inkling es multimodal y Beam solo trabaja con texto.
Dinero y cómputo
Reflection fue fundada en 2024 por dos antiguos investigadores de Google DeepMind. Según PitchBook, ha captado unos 4.700 millones de dólares de inversores como Nvidia, Sequoia Capital y Lightspeed Venture Partners. Su última ronda fijó una valoración previa a la inversión de 25.000 millones de dólares.
La startup también se ha asegurado capacidad de cómputo, algo que necesita para entrenar modelos de frontera capaces de arrebatar clientes a los sistemas cerrados y a las opciones chinas de pesos abiertos, más baratas. Este verano, Reflection firmó acuerdos con SpaceX y Nebius por un valor conjunto de más de 7.000 millones de dólares. Los contratos le dan acceso a los chips GB300 de Nvidia hasta 2029.
La apuesta por las "fábricas de IA"
Los principales destinatarios de Beam y de los futuros modelos de Reflection son las empresas y los Estados soberanos. La idea de producto es lo que llama "fábricas de IA": las instituciones entrenan los modelos de Reflection con sus propios datos para construir sistemas de IA a medida que funcionan en local.
El concepto le resultará familiar a quien siga a Jensen Huang, consejero delegado de Nvidia, empresa que respalda a Reflection. Huang lleva tiempo promoviendo las fábricas de IA y un ecosistema de IA abierta más sólido. Esa visión también le conviene a Nvidia, ya que sus GPU serían las que moverían esos sistemas.
Según Axios, entre los interesados en montar este tipo de sistemas hay fondos de cobertura y firmas de trading. Reflection ya está probando una alianza de fábrica de IA soberana con Shinsegae Group, un conglomerado surcoreano de distribución y negocios.
La compañía asegura que publicará este mes los pesos de Beam y todos los detalles técnicos. En su lanzamiento, el modelo se distribuirá a través de hiperescaladores y neoclouds (proveedores de nube más recientes centrados en GPU) y se integrará en bibliotecas de código abierto. Reflection no respondió a tiempo a las peticiones de TechCrunch para ampliar la información.
Nuestro análisis
La relevancia de Beam depende de que las pruebas externas confirmen las cifras de Reflection. Un modelo que iguale a GLM-5.2 con entre tres y cuatro veces menos cómputo de inferencia supondría una mejora real de eficiencia. Por ahora, sin embargo, todos los datos proceden de la propia empresa. Conviene tomar estas pruebas como punto de partida y esperar a las evaluaciones independientes cuando los pesos sean públicos.
El momento encaja con una tendencia más amplia. Los laboratorios chinos llevan tiempo marcando el ritmo en la IA de pesos abiertos, y la familia GLM de Z.ai no ha dejado de avanzar desde GLM-5.2. Las empresas occidentales responden con sus propios modelos abiertos, desde Inkling, de Thinking Machines, hasta iniciativas regionales como Kolibri, de Aleph Alpha. Reflection apuesta a que la eficiencia, y no solo las puntuaciones brutas, conquistará a los clientes empresariales preocupados por los costes de funcionamiento.
La estrategia de las fábricas de IA puede pesar más que las pruebas de rendimiento. Vender a gobiernos y a empresas reguladas que quieren modelos con sus propios datos y en su propia infraestructura es un negocio muy distinto de vender acceso por API. Con Nvidia como inversor y el acceso a chips asegurado hasta 2029, Reflection parece tener los recursos para intentarlo.
Hay tres cosas a las que prestar atención. Primero, si las pruebas independientes respaldan lo que dice sobre eficiencia de cómputo. Segundo, si el piloto con Shinsegae se convierte en un despliegue completo. Y tercero, si la falta de capacidades multimodales lastra a Beam frente a rivales como Inkling.