A Reflection AI apresentou na segunda-feira (5) o Beam, seu primeiro modelo de pesos abertos, com 501 bilhões de parâmetros totais e 23 bilhões ativos. A empresa posiciona o sistema como uma alternativa americana aos modelos chineses que ganharam espaço em programação, raciocínio e tarefas executadas por agentes de IA.
O Beam usa uma arquitetura Mixture of Experts, que ativa apenas uma parcela da rede durante a inferência. A estratégia reduz a quantidade de computação necessária para gerar cada resposta e coloca a eficiência no centro da disputa, em vez de depender apenas do tamanho total do modelo.
Segundo a Reflection, o Beam apresenta desempenho competitivo com o GLM 5.2, da chinesa Z.ai, e se aproxima do Qwen 3.8 Max em testes voltados a programação e agentes. Modelos como Kimi K3 e DeepSeek V4.1 Flash ainda aparecem à frente em diferentes benchmarks divulgados pela própria empresa.
Os resultados ainda precisam ser avaliados de forma independente. O Beam passa pelas etapas finais de testes de segurança e avaliação antes da liberação pública de seus pesos.
Reflection aposta em mais desempenho por unidade de compute
A principal aposta técnica está na relação entre desempenho e custo computacional. A Reflection afirma que o Beam alcança resultados comparáveis ao GLM 5.2 em testes avançados de raciocínio usando de três a quatro vezes menos compute de inferência.
Essa comparação é baseada em estimativas de operações computacionais e quantidade de tokens gerados, e não no custo real de operação dos modelos em infraestrutura comercial. Ainda assim, o indicador ataca diretamente um dos pontos que ajudaram laboratórios chineses a ampliar sua influência no mercado de modelos abertos: entregar capacidade competitiva com menor consumo de recursos.
O desenvolvimento também envolveu uma operação de reinforcement learning em grande escala. A Reflection utilizou 10,5 mil GPUs Nvidia GB300 durante quatro semanas e gerou mais de 100 milhões de rollouts, ou sequências completas de interação usadas para treinar e avaliar o comportamento do modelo. O contexto máximo chegou a 256 mil tokens.
Antes dessa etapa, o Beam foi pré treinado com 23,8 trilhões de tokens. A empresa afirma que sua infraestrutura chegou a sustentar cerca de 110 mil rollouts simultâneos durante o treinamento.
A Reflection pretende liberar os pesos do Beam ainda em outubro, sob licença Apache 2.0, junto com relatório técnico, model card e ferramentas para execução, avaliação e fine tuning. A publicação permitirá que pesquisadores e desenvolvedores testem de forma independente se a vantagem de eficiência apresentada pela empresa se mantém fora de seus próprios benchmarks.
