Reflection, un laboratorio nuevo de EE. UU., ha lanzado su primer modelo, Beam, y lo ha publicado en Hugging Face. El post de lanzamiento de Hugging Face, fechado el 16 de octubre de 2026, lo describe como un modelo solo de texto orientado a programación y uso con agentes. Se distribuye con licencia Apache 2.0.
Qué es Beam
Beam es un modelo de mezcla de expertos con 501B de parámetros en total, de los cuales 23B se activan por cada token. Tiene 256 expertos por capa MoE y envía cada token a 8 de ellos. La ventana de contexto es de 1M de tokens. Admite cinco niveles de razonamiento (low, medium, high, xhigh y max), con medium por defecto, y cuenta con una gramática propia para la llamada a herramientas. El modelo incluye su propio arnés de código abierto escrito en Rust.
Según el post, la memoria necesaria depende de los 501B completos, mientras que el cómputo por token depende de los 23B activos. La mayoría de las capas usan una ventana deslizante de 512 tokens, y solo 9 de las 52 capas atienden a todo el contexto. Con el contexto completo de 1M, la caché de clave-valor ocupa unos 36 GiB por secuencia, frente a los 208 GiB que haría falta si todas las capas fueran globales.
Hardware y acceso
Se publican tres formatos de checkpoint: BF16 (cerca de 1 TB), FP8 y NVFP4. NVFP4 reduce los pesos a unos 280 GB, pero solo funciona de forma nativa en GPU NVIDIA Blackwell. FP8 es la opción para GPU anteriores, como la H200. Los autores proponen cuatro B200 como configuración práctica, que deja margen para contextos largos y peticiones concurrentes. Entre las alternativas que citan están un nodo de 8xB200, dos B300 u 8xRTX Pro 6000.
Transformers, vLLM y SGLang lo soportan desde el primer día. Quien no tenga hardware Blackwell puede usar Beam en Hugging Face Inference Providers, con tecnología de Baseten, Fireworks y Together, o con una receta de Inference Endpoints en un clic, en FP8 o NVFP4.
Resultados en pruebas
Las cifras siguientes proceden del equipo de Reflection, no de pruebas independientes. Con el checkpoint BF16 incluyen un 81.6% en SWE Bench Verified, un 80.1% en Terminal Bench v2.1, un 90.6% en GPQA Diamond y un 80.8% en MCP Atlas. Los resultados de FP8 y NVFP4 quedan a pocos puntos de BF16 en la mayoría de las pruebas.
Hugging Face también ejecutó cinco tareas informales con esfuerzo de razonamiento bajo y alto, y aclara que no son benchmarks. Con esfuerzo alto pasaron las cinco. Con esfuerzo bajo fallaron una tarea de código de contexto largo y una de matemáticas. En la de código, la respuesta no coincidía con el formato del analizador, y en la de matemáticas faltaba la justificación pedida.
Personalización
El post cubre el ajuste fino con TRL y el aprendizaje por refuerzo con Miles. El ajuste supervisado con LoRA cabe en un solo nodo de 8 GPU B300. Tras una época con un conjunto de datos multilingüe de razonamiento, Beam razonó en el idioma pedido en 16 de 16 prompts reservados, frente a 3 de 16 del modelo base. El entrenamiento GRPO de parámetros completos requiere 96 GPU H200 en la configuración de referencia, y el GRPO con LoRA, 32.
Reflection ofrece además 10,000 dólares en créditos del Hub para los mejores proyectos construidos sobre Beam y compartidos en el Hub.