Reflection, un nuevo laboratorio estadounidense de IA, ha publicado su primer modelo, y es grande y con condiciones generosas. Beam es un modelo de mezcla de expertos de 501B parámetros, de los que 23B están activos en cada token, con una ventana de contexto de 1M de tokens y una licencia Apache 2.0 que permite el uso comercial y la modificación. Está pensado para programación y trabajo con agentes, y dirigido a equipos que quieren un modelo de escala de frontera en su propio hardware y no detrás de la API de otro.
El artículo de Hugging Face ofrece una mirada inusualmente detallada al diseño. El modelo tiene 52 capas; la mayoría usa atención de ventana deslizante sobre los 512 tokens anteriores, mientras que nueve atienden a todo el contexto, lo que reduce la memoria necesaria para contextos largos a cerca de una sexta parte de un diseño ingenuo. Cada una de 49 capas tiene 256 expertos, de los que se activan ocho por token, elegidos por un enrutador inspirado en el de DeepSeek-V3. El razonamiento puede mantenerse entre turnos, hay cinco niveles de esfuerzo de low a max y las llamadas a herramientas usan una gramática propia. Beam tiene soporte desde el primer día en Transformers, vLLM y SGLang, incluye un entorno de ejecución de código abierto escrito en Rust por Reflection y trae recetas de ajuste fino y aprendizaje por refuerzo.
El hardware es la barrera práctica. El punto de control en BF16 ocupa cerca de 1 TB. Una versión NVFP4 lo reduce a unos 280 GB, que según Hugging Face caben en dos GPU Nvidia B200 con poco margen; recomienda prever cuatro. NVFP4 solo funciona de forma nativa en chips Blackwell, así que las configuraciones H200 más antiguas necesitan los puntos de control FP8, y el ejemplo de vLLM sirve el modelo completo en 16 GPU H200. Para la mayoría de equipos, eso significa alquilar capacidad o usar proveedores alojados, que Hugging Face ofrece.
La verdadera noticia es una licencia permisiva a esta escala. Muchos modelos grandes de pesos abiertos llegan con restricciones al uso comercial o al número de usuarios, y Apache 2.0 elimina esa duda para las empresas que necesitan alojarlo ellas mismas por privacidad o control. Se suma a Muse Spark Open de Meta, publicado la misma semana, como señal de que los laboratorios estadounidenses vuelven a competir en lo más alto de los pesos abiertos. Reseñamos Beam junto a las herramientas de servicio que admite, vLLM y SGLang.
Lo que falta es una prueba independiente de que programa tan bien como los modelos de frontera. Los resultados de las pruebas del artículo los aporta Reflection, y como primer modelo de un laboratorio nuevo no tiene historial. Reflection ofrece 10.000 dólares en créditos del Hub para los mejores proyectos construidos con él, lo que debería atraer pruebas tempranas de la comunidad. Hasta que aparezcan pruebas de programación independientes, conviene tratar Beam como una opción prometedora para alojar en casa, no como una alternativa confirmada a los mejores modelos cerrados.