Reflection AI
Reflection AI apresenta o Beam, um modelo de pesos abertos com 501B de parâmetros que sai sob Apache 2.0
O modelo esparso de mixture-of-experts ativa 23B de parâmetros por token, lê até 1M de tokens e, pelos números da própria Reflection, compete com o GLM 5.2 em código e trabalho de agentes. Os pesos, o relatório técnico e as versões quantizadas saem ainda em outubro; por enquanto só existe um programa de acesso antecipado.
Compartilhe esta notícia
A Reflection AI anunciou nesta segunda-feira o Beam, um modelo só de texto com 501 bilhões de parâmetros no total, dos quais 23 bilhões ficam ativos a cada token, treinado para código, raciocínio e trabalho de agentes. Ele foi pré-treinado com 23,8 trilhões de tokens em 6.144 GPUs NVIDIA GB300 em menos de quatro semanas e depois passou mais quatro semanas em aprendizado por reforço em cerca de 10.500 GB300, gerando mais de 100 milhões de rollouts avaliados em 1,3 bilhão de sandboxes. "O Beam avança a fronteira ocidental de pesos abertos", escreveu a empresa.
Segundo a Reflection, os pesos saem sob a licença Apache 2.0 ainda este mês, junto com um relatório técnico, um model card, versões quantizadas em FP8 e NVFP4 e ferramentas para fazer fine-tuning. Até lá, o Beam só está disponível por um programa de acesso antecipado. A startup, fundada pelos ex-pesquisadores do Google DeepMind Misha Laskin e Ioannis Antonoglou, levantou dinheiro a uma avaliação de US$ 25 bilhões há alguns meses, segundo o SiliconANGLE.
Onde ele fica
A tabela da própria Reflection põe o Beam em 77,2% no SWE-Bench Pro v2-Hard, 80,1% no Terminal Bench v2.1, 44,4% no DeepSWE v1.1, 97,8% no AIME 2026 e 90,5% no GPQA Diamond. A empresa diz que ele é competitivo com o GLM 5.2, um modelo com cerca de 250 bilhões de parâmetros a mais, usando de três a quatro vezes menos computação de inferência para notas de raciocínio parecidas, e que chega perto do Qwen 3.8-Max em código e tarefas de agente. Também diz que o Kimi K3 continua à frente em capacidade bruta. Esses três são os modelos abertos da Zhipu, da Alibaba e da Moonshot que lideraram os pesos abertos este ano, e o Beam mira empresas que querem um modelo dessa classe vindo de um laboratório americano. No DeepSWE, o mais difícil dos testes de código, a fronteira fechada ainda está longe: o Google informou 77,9% para o Gemini 4 Argon na semana passada.
O projeto mira o custo de servir. Com 23 bilhões de parâmetros ativos, cada token custa mais ou menos a computação de um modelo denso de porte médio, mas os 501 bilhões continuam precisando caber na memória: cerca de 500 GB de pesos em FP8 e uns 280 GB em NVFP4, o que significa um servidor com várias GPUs, não uma estação de trabalho.
O que ainda não saiu
Todos os números acima vêm do próprio harness de avaliação da Reflection, e ninguém de fora da empresa consegue conferi-los até os pesos e o código de serving ficarem públicos. O contexto de 1M de tokens foi alcançado no midtraining, enquanto o aprendizado por reforço rodou com 256K, e uma janela que a arquitetura suporta diz pouco sobre a precisão ao longo dela inteira. A parte firme do anúncio é a licença: a Apache 2.0 permite uso comercial, modificação e fine-tuning sem as restrições de uso que vêm com licenças próprias de modelos. Se o resto se sustenta, vai ficar claro quando os pesos saírem, ainda este mês.
Fontes e leituras complementares
Compartilhe esta notícia
Conteúdos relacionados
- NotíciasMistral apresenta o Large 4, um modelo de 1 trilhão de parâmetros que sai com pesos abertos este mêsO modelo de mixture-of-experts ativa 49B de parâmetros por token, lê texto e imagens e, pelos números da Mistral, lidera os modelos abertos da China em código com agentes. A API está em preview a US$ 1,36 e US$ 4,18 por milhão de tokens, quem trabalha com defesa cibernética recebe antes uma versão menos restrita, e os pesos saem em 27 de outubro.
- NotíciasMeta lança o Muse Spark Open, um modelo aberto de 816B feito para rodar em dois Mac StudioO modelo de mistura de especialistas ativa 42B dos seus 816B parâmetros por token, lê texto, imagem, vídeo e áudio e tem contexto de 1M de tokens. A Meta o chama de modelo de pesos abertos mais capaz dos EUA, e a própria tabela dela confirma isso, mas ainda o coloca atrás do GLM 5.3 e do Kimi K3 na maioria dos benchmarks de agentes e código.
- NotíciasDeepSeek lança o V4.1-Flash-1017 com pesos sob licença MIT e abre as APIs pagas de Search e FetchA atualização menor leva o Terminal-Bench 4.0 da própria DeepSeek de 31,2 para 42,3, com janela de 1M de tokens, e as novas ferramentas de web custam US$ 0,75 por 1.000 chamadas bem-sucedidas, de graça nas ferramentas server-side até 31 de outubro.
Comentários
Dúvidas, correções ou sua própria visão são todas bem-vindas. Entre com o GitHub para participar.