O anúncio
Em 5 de outubro de 2026, a startup americana Reflection AI apresentou o Beam, seu primeiro modelo de pesos abertos: um Mixture-of-Experts (MoE) esparso com 501 bilhões de parâmetros no total e 23 bilhões ativos por token, voltado para programação, raciocínio e agentes. A empresa promete liberar os pesos sob licença Apache 2.0 "ainda este mês", junto com relatório técnico, model card e ferramentas de fine-tuning.
Status em 12/10: os pesos ainda não estão disponíveis. Por enquanto, só há uma API beta com lista de espera, sem preço público. O modelo segue em "red-teaming e avaliações finais".
Ficha técnica (segundo a Reflection e a cobertura)
- Arquitetura: MoE esparso com especialistas roteados, atenção local e global intercaladas, 52 camadas (9to6ai). ID:
Beam-501B-A23B. - Somente texto, com corte de conhecimento em junho de 2026; a API beta lista 256 mil tokens de contexto.
- Pré-treino: 23,8 trilhões de tokens em 6.144 GPUs NVIDIA GB300, em menos de 4 semanas.
- API: endpoint compatível com OpenAI (Chat Completions, streaming, tool calling, saídas estruturadas). Responses, Embeddings, Batch e Files não são suportados.
- Infraestrutura: segundo a SiliconANGLE, a Reflection fechou um acordo de US$ 6,3 bilhões com a SpaceX para alugar sistemas GB300 NVL72, e captou recursos com avaliação de US$ 25 bilhões.
As alegações de desempenho (não verificadas)
A Reflection diz que o Beam fica no nível do GLM-5.2 (da Z.ai, com ~250 bilhões de parâmetros a mais) em tarefas de raciocínio usando 3 a 4 vezes menos computação de inferência, e que se aproxima do Qwen 3.8-Max. Segundo a cobertura, os números divulgados incluem 80,9 no SWE-bench Verified.
Esses números são da própria empresa e, segundo a Startup Fortune citada pelo The Terminal, não foram verificados de forma independente.
Por que importa
- Open source americano competitivo: segundo a SiliconANGLE, muitos dos melhores modelos abertos vêm de empresas chinesas (Qwen, GLM, Kimi, DeepSeek). O Beam seria o primeiro de uma startup americana a mostrar desempenho comparável.
- Eficiência: com 23B ativos, o custo por token tende a ser bem menor que o de um modelo denso do mesmo tamanho, mas ainda é preciso memória para os 501B parâmetros. Não é modelo para rodar num notebook.
- Apache 2.0 permite uso comercial, mas os dados de treino não serão abertos ("datasets licenciados proprietários").
O que fazer
- Não planeje migração, planeje avaliação. Espere os pesos e o relatório técnico.
- Teste no seu caso de uso (seu código, seus agentes) antes de confiar em benchmarks.
- Calcule o custo de hospedagem: 501B parâmetros exigem várias GPUs de alto nível mesmo com quantização. Provedores de inferência podem ser mais baratos.
- Leia a licença final quando sair.
Fontes
- Reflection blog: https://reflection.ai/blog/introducing-beam
- SiliconANGLE (5/10/2026): https://siliconangle.com/2026/10/05/reflection-ai-debuts-open-source-beam-model-with-501b-parameters/
- 9to6ai: https://9to6ai.com/reflection-beam-501b-open-weight-model/
- The Terminal: https://theterminal.space/ai/reflection-beam-501b-weights-due-october
Quer avaliar modelos abertos para uso na sua empresa? A KGA IT oferece uma consulta gratuita: kga-it.com.