A Reflection, novo laboratório dos EUA, lançou seu primeiro modelo, o Beam, e o publicou no Hugging Face. O post de lançamento do Hugging Face, de 16 de outubro de 2026, descreve o Beam como um modelo apenas de texto, pensado para programação e uso agêntico. Ele sai sob a licença Apache 2.0.
O que é o Beam
O Beam é um modelo de mistura de especialistas (MoE) com 501B de parâmetros no total, dos quais 23B ficam ativos a cada token. Cada camada MoE tem 256 especialistas, e cada token é roteado para 8 deles. A janela de contexto é de 1M de tokens. O modelo oferece cinco níveis de raciocínio (low, medium, high, xhigh e max), com medium como padrão, e tem uma gramática própria para chamada de ferramentas. Ele vem com um harness de código aberto escrito em Rust.
Segundo o post, a necessidade de memória acompanha o tamanho total de 501B, enquanto o custo de computação por token acompanha os 23B de parâmetros ativos. A maioria das camadas usa janela deslizante de 512 tokens, e só 9 das 52 camadas olham o contexto inteiro. Com 1M de tokens de contexto, o cache de chave-valor fica em cerca de 36 GiB por sequência, contra 208 GiB se todas as camadas fossem globais.
Hardware e acesso
São publicados três formatos de checkpoint: BF16 (cerca de 1 TB), FP8 e NVFP4. O NVFP4 reduz os pesos para cerca de 280 GB, mas roda de forma nativa apenas em GPUs NVIDIA Blackwell. O FP8 é a opção para GPUs mais antigas, como a H200. Os autores sugerem quatro B200 como configuração prática, o que deixa folga para contextos longos e requisições simultâneas. Entre as outras opções listadas estão um nó 8xB200, duas B300 ou 8xRTX Pro 6000.
Transformers, vLLM e SGLang oferecem suporte desde o primeiro dia. Quem não tem hardware Blackwell também encontra o Beam nos Inference Providers do Hugging Face, com tecnologia de Baseten, Fireworks e Together, e como receita de um clique nos Inference Endpoints, em FP8 ou NVFP4.
Benchmarks
Os números abaixo vêm da equipe da Reflection, não de testes independentes. No checkpoint BF16, incluem 81,6% no SWE Bench Verified, 80,1% no Terminal Bench v2.1, 90,6% no GPQA Diamond e 80,8% no MCP Atlas. Os resultados em FP8 e NVFP4 ficam a poucos pontos do BF16 na maioria dos testes.
O Hugging Face também rodou cinco tarefas informais, com esforço de raciocínio baixo e alto, e diz que elas não são benchmarks. Com esforço alto, as cinco passaram. Com esforço baixo, uma tarefa de código com contexto longo e uma de matemática ficaram aquém. Na de código, a resposta não seguiu o formato esperado pelo parser; na de matemática, faltou a justificativa pedida.
Personalização
O post trata de fine-tuning com TRL e de aprendizado por reforço com Miles. O fine-tuning supervisionado com LoRA cabe em um único nó de 8 GPUs B300. Após uma época em um conjunto de dados de raciocínio multilíngue, o Beam raciocinou no idioma pedido em 16 de 16 prompts reservados para teste, contra 3 de 16 do modelo base. O treinamento GRPO com todos os parâmetros exige 96 GPUs H200 na configuração de referência, e o GRPO com LoRA exige 32.
A Reflection também oferece US$ 10.000 em créditos do Hub para os melhores projetos construídos sobre o Beam e compartilhados no Hub.