Reflection publica los pesos de Beam bajo licencia Apache 2.0. Es su primer modelo abierto: un gigante de 501.000 millones de parámetros que cualquiera puede descargar, ajustar y usar sin pagar por ello.
Qué es Beam, el modelo abierto de Reflection
Reflection ha soltado amarras con su primer modelo de pesos abiertos. Beam apareció el 16 de octubre en Hugging Face con licencia Apache 2.0, una de las más permisivas que existen: permite usar, modificar y redistribuir el modelo, incluso con fines comerciales, sin pedir permiso ni pagar regalías.
Conviene explicar el término. Un modelo de pesos abiertos es aquel cuyos parámetros se publican para que cualquiera los descargue. No es lo mismo que el software libre al uso, pero se le parece lo bastante como para que una empresa pueda montarlo en sus propios servidores sin depender de un proveedor en la nube.
Beam está pensado para programar y para tareas de agente que se alargan en el tiempo, esas donde el modelo encadena pasos y herramientas durante un buen rato. Reflection lo describe como un modelo de mezcla de expertos dispersa, con 501.000 millones de parámetros totales y 23.000 millones activos en cada paso. Esa cifra doble suele confundir, así que merece una aclaración: de todo el tamaño del modelo, solo una fracción se enciende cada vez que responde, lo que abarata el coste de ejecutarlo frente a un modelo denso del mismo tamaño.
El contexto llega a 1.000.000 de tokens. ¿Qué significa eso en la práctica? Que de una sentada el modelo puede leer una cantidad enorme de texto, como varios libros largos juntos, sin que se le olvide lo del principio.
Qué incluye la publicación de pesos de Beam
Reflection no ha soltado solo un archivo. El paquete viene con los pesos ya ajustados por instrucciones en tres precisiones distintas (BF16, FP8 y NVFP4), pensadas para que cada uno elija el equilibrio entre calidad y recursos según el equipo que tenga. Cuanta menos precisión, menos memoria hace falta para ejecutar el modelo.
A eso se suma un modelo borrador para decodificación especulativa, una técnica que acelera las respuestas generando varios tokens y verificándolos después. El lote se completa con la tarjeta del modelo y un informe técnico de seguridad.
Los números de entrenamiento que da Reflection son de los que llaman la atención. La empresa dice que preentrenó Beam con 23,8 billones de tokens. En la fase de aprendizaje por refuerzo, añade, generó más de 100 millones de trayectorias en cuatro semanas usando 10.500 tarjetas NVIDIA GB300. Un despliegue de cómputo enorme. Conviene recordar que son cifras que publica la propia compañía.
Reflection Beam y su red de socios
Una de las cosas que hace manejable un modelo de este tamaño es la infraestructura que lo soporta. Reflection ha cerrado acuerdos con más de 40 socios para que Beam se pueda ejecutar de muchas formas distintas: desde grandes nubes como AWS, Google Cloud, Azure u Oracle, hasta plataformas especializadas en servir modelos como Together, Fireworks, Baseten, Modal o Nebius.
Para quien no quiere complicarse, hay atajos más domésticos. Ollama y LM Studio permiten correr el modelo en local, y OpenRouter y NVIDIA NIMs ofrecen una puerta de entrada rápida sin montar nada. Dell y HPE entran en la ecuación para quien necesite desplegarlo en entornos aislados, un detalle que importa a empresas con datos sensibles que no pueden salir de su propia red.
Tanta puerta de entrada responde a una idea sencilla. Un modelo abierto solo sirve de algo si hay formas realistas de ponerlo a andar, y Reflection ha preferido repartir ese trabajo entre especialistas en lugar de hacerlo todo en casa.
Vía de acceso | Para quién es útil |
|---|---|
Reflexión en la nube (AWS, Google Cloud, Azure, Oracle) | Empresas que ya trabajan en esas plataformas |
Servicios de modelo (Together, Fireworks, Baseten) | Quien quiere usarlo por API sin gestionar servidores |
Local (Ollama, LM Studio) | Quien busca privacidad y no pagar por uso |
Entornos aislados (Dell, HPE) | Empresas con datos que no pueden salir de su red |
Los datos que todavía faltan
Hay que poner dos frenos a la euforia. El primero es que los resultados que Reflection atribuye a Beam son de parte. La compañía habla de un modelo que iguala o supera a otros abiertos de tamaño similar, pero la verificación por terceros es todavía limitada. Artificial Analysis ya lo ha incluido en su catálogo, lo que ayuda, pero no basta para cerrar la pregunta de cómo se comporta frente a los mejores modelos cerrados.
El segundo es el propio historial del lanzamiento. Beam se anunció por primera vez el 5 de octubre con una lista de espera y acceso limitado. La versión que ahora se publica llega apenas dos semanas después, así que el ecosistema de herramientas y pruebas alrededor del modelo aún tiene que madurar.
Para el usuario final, todo esto se traduce en una ventaja concreta: un modelo que antes solo existía tras una suscripción o un servicio de pago ahora se puede descargar. Para un equipo con datos delicados, correrlo en sus propios servidores cambia por completo lo que puede hacer con él.
Lo que ya está disponible
- Pesos en tres precisiones y licencia Apache 2.0
- Más de 40 socios para ejecutarlo
- Entornos locales y aislados
Lo que queda por confirmar
- Rendimiento real frente a modelos cerrados
- Madurez de herramientas a su alrededor
- Estabilidad del despliegue a gran escala
Beam es la carta de presentación de Reflection en el terreno abierto, y la compañía ha jugado fuerte con tamaño, contexto y una red amplia de despliegue. Quien tenga infraestructura propia puede empezar hoy mismo: el paquete está en Hugging Face y las vías para ejecutarlo son varias. Quien espere una comparativa seria antes de moverse hará bien en aguardar a que lleguen pruebas independientes, porque en modelos abiertos la promesa del anuncio y el comportamiento real no siempre coinciden.
