En 30 segundos
Beam reúne 501.000 millones de parámetros totales y activa 23.000 millones por token. AWS, Hugging Face, Ollama y Vercel documentan vías de acceso.
Qué ha pasado
Reflection ha presentado Beam para programación y tareas prolongadas con herramientas. Sus pesos se distribuyen en Hugging Face y AWS describe su despliegue en SageMaker. Ollama y Vercel también anuncian acceso alojado, con ofertas temporales sujetas a sus condiciones.
Por qué importa
Beam utiliza una mezcla de expertos: tiene 501.000 millones de parámetros totales y activa 23.000 millones por token. Activar una fracción reduce cálculo por paso, pero no elimina la memoria necesaria para alojar todos los pesos y el contexto.
A quién afecta
Desarrolladores de agentes y organizaciones que evalúan despliegues propios de modelos.
Qué publica el equipo
El anuncio orienta el modelo a resolver incidencias, modificar repositorios y actuar según resultados intermedios. AWS indica una licencia Apache 2.0 y variantes BF16, FP8 y NVFP4. El contexto anunciado llega a un millón de tokens; su aprovechamiento efectivo requiere evaluación.
Elegir cómo probarlo
Un endpoint gestionado y un despliegue propio tienen requisitos y controles diferentes. Las promociones de acceso no equivalen a gratuidad permanente. IARADIA no ha ejecutado Beam ni medido sus resultados; los límites, la licencia y las condiciones operativas están enlazados en las fuentes.
Contexto: quién es Reflection
Hugging Face presenta Beam como el primer modelo de Reflection, un laboratorio estadounidense nuevo. Está orientado a programación y agentes y dirigido a equipos que quieren un modelo de escala de frontera en su propio hardware, infraestructura o nube, y adaptarlo a sus casos de uso. Se publica con licencia Apache 2.0, que permite el uso comercial.
Ficha técnica publicada
- Arquitectura: mezcla de expertos con 52 capas y 256 expertos por capa, de los que se activan 8 por token.
- Entrada y salida solo de texto, con un contexto de un millón de tokens.
- Checkpoints en BF16, FP8 y NVFP4.
- Cinco niveles de razonamiento, de low a max, y llamadas a herramientas con gramática propia.
- Compatibilidad desde el primer día con transformers, vLLM y SGLang, más un harness propio escrito en Rust.
Comparación con otras opciones abiertas
En octubre han aparecido otros modelos con pesos disponibles o anunciados: MiniMax M3.1 Flash, multimodal y también con un millón de tokens, y Kimi K3.1 Pro, cuyos pesos Moonshot AI prevé publicar antes del 4 de noviembre. EmbeddingGemma 2, con 740 millones de parámetros, juega en otra liga: sirve para búsqueda en el dispositivo, no para agentes de programación. Beam destaca por su tamaño y por ofrecer recetas de ajuste fino y aprendizaje por refuerzo.
Límites y dudas
Activar 23.000 millones de parámetros por token reduce el cálculo, pero alojar 501.000 millones exige mucha memoria. Las comparaciones de rendimiento que acompañan al lanzamiento son de Reflection. Para equipos pequeños, un endpoint gestionado puede ser más realista que un despliegue propio.
Fuentes y procedencia
- Welcome Beam: a 501B open model you can own, customize, and scale · Hugging Face / equipo del anuncio · Publicado 16/10/2026
- Introducing Reflection Beam: an open-weight model for agentic coding on AWS · AWS · Publicado 16/10/2026
- Reflection's Beam is freely available on Ollama for a limited time · Ollama · Publicado 16/10/2026
- Reflection AI's Beam now available on AI Gateway for free · Vercel · Publicado 16/10/2026
- Beam model by Reflection is now available on Amazon SageMaker JumpStart and AWS Trainium · AWS · Publicado 16/10/2026
- MiniMax M3.1 Flash now available on AI Gateway for free · Vercel · Publicado 19/10/2026
- Kimi K3.1 Pro and Kimi K3.1 Pro Highspeed are available now in AI Gateway · Vercel · Publicado 23/10/2026
- EmbeddingGemma 2: an open, lightweight multimodal embedding model · Google · Publicado 6/10/2026