Historia
octubre 6, 2026
Beam es la apuesta de alto riesgo de Reflection AI para desafiar el liderazgo de China en modelos abiertos
Reflection AI presenta Beam como un contraataque estadounidense en los modelos abiertos: una apuesta por combinar control local y apertura con costes de computación mucho menores. El desafío de la empresa es convertir esas afirmaciones en un rendimiento verificado de forma independiente frente a rivales chinos que aún marcan el ritmo.
Reflection AI fue fundada en marzo de 2024 por los antiguos investigadores de Google DeepMind Misha Laskin e Ioannis Antonoglou, entrando en un mercado en el que los desarrolladores chinos han construido una presencia dominante en modelos de pesos abiertos. Beam pretende cambiar esa ecuación, no igualando a sus rivales parámetro por parámetro, sino haciendo que la IA de frontera sea más barata de operar.1
La startup comenzó este año a reunir la infraestructura para esa apuesta. En mayo se asoció para suministrar modelos al Departamento de Energía y al Departamento de Guerra de Estados Unidos, luego firmó en junio un acuerdo de computación de 6.300 millones de dólares con SpaceX y otro acuerdo adicional de 1.000 millones de dólares a través de Nebius en julio. Antes del lanzamiento de Beam, una publicación muy difundida afirmó que se esperaba que el modelo compitiera con «los principales modelos chinos de pesos abiertos», citando el fuerte gasto de Reflection en computación Colossus.
2
Beam, presentado este mes, es un modelo de mezcla de expertos con 501.000 millones de parámetros que activa solo 23.000 millones de parámetros por token. Reflection afirma que ese diseño le brinda un rendimiento competitivo en programación y tareas agénticas por una fracción del coste por token y de la computación de inferencia de sus rivales. Su anuncio describió a Beam como un modelo que «impulsa la frontera abierta occidental en tareas de programación y agénticas», con los pesos completos previstos para su lanzamiento este mes.3
Esa propuesta se enfrenta directamente a la ventaja de escala de China. Kimi K3 de Moonshot cuenta con 2,8 billones de parámetros totales y activa 104.000 millones por token; V4-Pro de DeepSeek tiene 1,6 billones de parámetros totales y activa 49.000 millones. Reflection afirma que Beam puede usar hasta cuatro veces menos computación de inferencia, mientras que Laskin sostiene que «el progreso tecnológico está impulsado por los valores de apertura y colaboración».4
Pero la competencia no se decide con un anuncio de lanzamiento. Reflection ha dicho que las pruebas internas de Beam se asemejan a GLM-5.2 de Z.ai, aunque los datos públicos de evaluación comparativa de Artificial Analysis no estaban disponibles en el momento de la publicación. Las afirmaciones de eficiencia de la empresa afrontan ahora una prueba más difícil: si los desarrolladores y las empresas ven a Beam como algo más que una alternativa patriótica y como una herramienta de trabajo genuinamente competitiva.