Reflection ha presentado Beam, su primer modelo de pesos abiertos con 501.000 millones de parámetros totales, diseñado específicamente para tareas de codificación, razonamiento y trabajo agéntico. El modelo, que combina un esquema Mixture-of-Experts (MoE) con 23.000 millones de parámetros activos, busca ofrecer una eficiencia de inferencia superior a los modelos de frontera actuales, como GLM 5.2 y Qwen 3.8-Max, mientras mantiene un rendimiento competitivo en benchmarks de código y agentes.
El desarrollo de Beam se caracterizó por una inversión masiva en el aprendizaje por refuerzo (RL) a gran escala. La empresa ejecutó un entrenamiento que generó más de 100 millones de rollouts utilizando 10.500 GPUs NVIDIA GB300 durante cuatro semanas. Para sostener esta infraestructura, Reflection construyó una plataforma asíncrona que permite ejecutar rollouts concurrentes de 110.000, mitigando la obsolescencia de la política mediante algoritmos nuevos que reducen la discrepancia entre el entrenamiento y la inferencia.
Además, Beam incorpora un parámetro de esfuerzo de razonamiento que permite a los usuarios ajustar el equilibrio entre la longitud de la respuesta y la capacidad de resolución, optimizando así el uso de recursos computacionales. El modelo está en fase final de pruebas de seguridad (red-teaming) y se espera la liberación de sus pesos y documentación técnica a finales de este mes, marcando un avance significativo en la frontera de modelos de código abierto de gran escala.