A Reflection anunciou o Beam, seu primeiro modelo open-weight, mirando tarefas de coding, reasoning e workloads agentic. Com arquitetura Mixture-of-Experts (MoE), o Beam apresenta 501 bilhões de parâmetros totais, dos quais 23 bilhões são ativados por token — combinação que promete eficiência computacional em inferência.
O que diferencia o Beam
O modelo foi treinado com 23,8 trilhões de tokens de alta qualidade, usando dados da web e conjuntos licenciados proprietários. O processo incluiu uma etapa massiva de reinforcement learning (RL): mais de 100 milhões de rollouts em 10.500 GPUs NVIDIA GB300 durante quatro semanas. Segundo a Reflection, esse é um dos maiores experimentos de RL já realizados por um laboratório open.
O foco do Beam está em tarefas de código e agentes. Os benchmarks internos mostram desempenho competitivo com modelos open-weight de maior porte, como GLM 5.2 e Qwen 3.8-Max, especialmente em coding e raciocínio. Em benchmarks como DeepSWE v1.1, SWE Bench Pro v2-Hard e Terminal Bench v2.1, o Beam registra, respectivamente, 44,4, 77,2 e 80,1 pontos — números próximos ou acima de concorrentes diretos na mesma faixa de parâmetros ativos.
Eficiência e posicionamento
A principal aposta da Reflection está na eficiência de inferência. Por ser MoE, o Beam exige menos FLOPs por token gerado e, segundo a empresa, entrega “mais inteligência por token” quando comparado a modelos dense equivalentes ou até maiores. O modelo atinge 80,9 em SWEbench Verified e 97,8 em AIME 2026, com eficiência que, nas palavras da Reflection, se destaca frente a modelos como Qwen 3.8-Max (2T+ parâmetros), que demandam mais computação por token.
Nos gráficos divulgados, o Beam fica atrás de Kimi K3 e Qwen 3.8-Max em capacidade bruta, mas se aproxima ou ultrapassa GLM 5.2 e DeepSeek V4.1 Flash em coding e reasoning, consolidando-se como alternativa viável para uso prático em coding corporativo e aplicações agentic.
Lançamento e acesso
O Beam está em fase final de red-teaming e avaliações. A Reflection abriu inscrição para acesso antecipado e promete liberar os pesos, relatório técnico, model card e artefatos de desenvolvedor ainda em outubro. O modelo será open-weight, mas detalhes sobre licenciamento e disponibilidade de API ainda não foram divulgados.
Por que importa
A chegada do Beam reforça a tendência de modelos open-weight voltados para tarefas de código, com eficiência de inferência comparável a soluções proprietárias. Para empresas que buscam alternativas abertas para agentes e automação de código, o Beam oferece um novo ponto de referência — especialmente para workloads sensíveis a custo computacional e privacidade.
A movimentação também pressiona concorrentes como GLM, DeepSeek e Qwen a acelerar ciclos de lançamento e abertura de modelos, mantendo o ecossistema de LLMs aberto em ritmo competitivo.