Notícia
outubro 6, 2026
Beam é a aposta de alto risco da Reflection AI para desafiar a liderança chinesa em modelos abertos
A Reflection AI apresenta o Beam como uma contraofensiva americana de modelo aberto: uma tentativa de combinar controle local e abertura com custos computacionais muito mais baixos. O desafio da empresa é transformar essas alegações em desempenho verificado de forma independente contra rivais chineses que ainda ditam o ritmo.
A Reflection AI foi fundada em março de 2024 por Misha Laskin e Ioannis Antonoglou, ex-pesquisadores do Google DeepMind, entrando em um mercado no qual desenvolvedores chineses construíram uma presença dominante em modelos de pesos abertos. O Beam pretende mudar essa equação — não igualando os rivais parâmetro por parâmetro, mas tornando a IA de nível de fronteira mais barata de operar.1
A startup começou a montar a infraestrutura para essa aposta neste ano. Em maio, fez uma parceria para fornecer modelos ao Departamento de Energia e ao Departamento de Guerra dos EUA; em junho, assinou um acordo de computação de US$ 6,3 bilhões com a SpaceX e, em julho, outro acordo de US$ 1 bilhão por meio da Nebius. Antes do lançamento do Beam, uma publicação amplamente compartilhada afirmou que se esperava que o modelo competisse com “os principais modelos chineses de pesos abertos”, citando os pesados gastos da Reflection em computação Colossus.
2
O Beam, apresentado neste mês, é um modelo de mistura de especialistas com 501 bilhões de parâmetros que ativa apenas 23 bilhões de parâmetros por token. A Reflection afirma que esse design lhe confere desempenho competitivo em programação e tarefas agênticas por uma fração do custo por token e da computação de inferência dos rivais. Seu anúncio chamou o Beam de um modelo que “avança a fronteira aberta ocidental em programação e tarefas agênticas”, com os pesos completos previstos para serem lançados neste mês.3
Essa proposta confronta diretamente a vantagem de escala da China. O Kimi K3, da Moonshot, tem 2,8 trilhões de parâmetros totais e ativa 104 bilhões por token; o V4-Pro, da DeepSeek, tem 1,6 trilhão de parâmetros totais e ativa 49 bilhões. A Reflection afirma que o Beam pode usar até quatro vezes menos computação de inferência, enquanto Laskin argumenta que “o progresso tecnológico é impulsionado pelos valores de abertura e colaboração”.4
Mas a disputa não é resolvida por um anúncio de lançamento. A Reflection disse que os testes internos do Beam se assemelham aos do GLM-5.2 da Z.ai, mas dados públicos de benchmarks da Artificial Analysis não estavam disponíveis no momento da reportagem. As alegações de eficiência da empresa agora enfrentam o teste mais difícil: se desenvolvedores e empresas verão o Beam como mais do que uma alternativa patriótica — e como uma verdadeira ferramenta de trabalho competitiva.