Beam, da Reflection: rival aberto de verdade ou só um placar até os pesos saírem?

Em 5 de outubro, o laboratório nova-iorquino Reflection AI anunciou o Beam, seu primeiro modelo: um sistema de pesos abertos com 501 bilhões de parâmetros, apresentado como a resposta ocidental aos modelos abertos chineses que dominam a IA auto-hospedada. O problema é que, por enquanto, ninguém fora de uma lista de espera consegue usá-lo. Então, para quem escolhe um modelo aberto para agentes de programação, ferramentas internas ou implantações soberanas, a pergunta é direta: o Beam já é uma alternativa real ou é só um placar até os pesos serem liberados?

A resposta curta

No papel, o Beam é um concorrente crível, e sua afirmação mais interessante é sobre eficiência, não sobre capacidade bruta. Mas todos os números até agora foram divulgados pela própria empresa, os pesos estão prometidos para "ainda este mês" e, nos próprios gráficos da Reflection, o Beam fica atrás dos modelos abertos chineses mais recentes na maioria dos testes de programação com agentes. Coloque-o na sua lista de avaliação, mas não planeje uma migração até que os pesos e o relatório técnico sejam públicos e surjam testes independentes.

O que a Reflection anunciou de fato

Segundo o TechCrunch e a análise do anúncio feita pela DataCamp, o Beam é um modelo esparso de mistura de especialistas (MoE), apenas texto, com 501 bilhões de parâmetros no total, dos quais 23 bilhões ficam ativos a cada token. A Reflection diz que ele foi pré-treinado com 23,8 trilhões de tokens e suporta uma janela de contexto de 1 milhão de tokens.

As informações sobre o treinamento são incomumente detalhadas para um anúncio. Entre os números divulgados:

• Pré-treinamento: menos de quatro semanas em 6.144 GPUs Nvidia GB300, segundo o Implicator e a DataCamp.
• Aprendizado por reforço: mais quatro semanas em cerca de 10.500 GPUs GB300, gerando mais de 100 milhões de rollouts em aproximadamente um milhão de tarefas de programação, agentes e STEM.
• Licença: está prevista a Apache 2.0, com pesos, relatório técnico e ferramentas para desenvolvedores ainda em outubro.

Hoje o acesso é um beta privado. A DataCamp relata uma API compatível com o Chat Completions da OpenAI, com o ID de modelo Beam-501B-A23B, um limite no beta de 262.144 tokens somando entrada e saída (bem abaixo do 1 milhão anunciado) e nenhum preço publicado até 6 de outubro.

Onde o Beam lidera e onde fica para trás

As tabelas comparativas da Reflection, reproduzidas pela DataCamp, pelo MarkTechPost e pelo Implicator, contam uma história mais matizada do que a manchete.

Contra modelos abertos ocidentais

A vitória mais clara do Beam é sobre outros sistemas de pesos abertos dos EUA. No SWE-bench Verified, ele registra 80,9, contra 70,7 do Nemotron 3 Ultra, da Nvidia. Isso importa para organizações que, por política interna ou regras de compras, não podem implantar pesos de origem chinesa.

Contra modelos abertos chineses

Aqui o quadro é misto. O Beam empata, grosso modo, com o GLM-5.2, da Z.ai, em vários testes: 80,1 contra 81,0 no Terminal-Bench 2.1, 44,4 contra 44,0 no DeepSWE v1.1 e 65,5 contra 62,1 no SWE-bench Pro v1. Mas fica claramente atrás de modelos mais novos. No Terminal-Bench 2.1, o GLM-5.3 marca 88,2, o Kimi K3, da Moonshot, 88,3 e o DeepSeek V4.1 Flash, 90,6. No Humanity's Last Exam sem ferramentas, os 36,2 do Beam ficam abaixo dos 40,5 do GLM-5.2 e dos 46,9 do Kimi K3. No BrowseComp, o Beam registra 77,4, contra 91,2 do Kimi K3.

Ou seja, o Beam se compara mais de perto a um modelo que, segundo a Semafor, foi lançado em junho, enquanto a fronteira chinesa atual já avançou. O Implicator observa que a própria Reflection reconhece que o Kimi K3 continua à frente em capacidade bruta.

A promessa de eficiência, examinada

O argumento central da Reflection é que o Beam iguala o GLM-5.2 em raciocínio usando "de 3 a 4 vezes menos computação de inferência". A direção é plausível: o Beam ativa 23 bilhões de parâmetros por token, enquanto a tabela comparativa do MarkTechPost lista o GLM-5.2 com cerca de 40 bilhões ativos. Menos parâmetros ativos significam menos operações de ponto flutuante por token gerado.

Mas três ressalvas importam. Primeiro, a Reflection descreve o número como uma comparação aproximada de computação, não como um custo de inferência medido. Segundo, de acordo com o RuntimeWire, a estimativa exclui o prefill do prompt, a atenção dependente do contexto e a sobrecarga de serviço, que dominam os custos em cargas de agentes com contexto longo. Terceiro, o autor da DataCamp aponta que medir FLOPs por tentativa naturalmente favorece modelos esparsos como o Beam.

Há também uma realidade de hardware que o discurso de eficiência não apaga. Os parâmetros ativos definem a computação por token; os parâmetros totais definem a memória. Pelas nossas contas, 501 bilhões de parâmetros a um byte cada (FP8) equivalem a cerca de 500 GB só de pesos, antes de qualquer cache, e mais ou menos metade disso com precisão de 4 bits. Segundo o MarkTechPost, a Reflection prevê variantes FP8 e NVFP4. De qualquer forma, estamos falando de servidores com várias GPUs, não de um modelo para estação de trabalho.

Por que isso importa além dos benchmarks

O argumento estratégico é de oferta, não de pontuação. O CEO Misha Laskin disse à Semafor que empresas e governos que querem modelos abertos capazes sem origem chinesa "não têm opções realmente boas hoje". O TechCrunch informa que a Reflection levantou cerca de US$ 4,7 bilhões, com avaliação pré-investimento de US$ 25 bilhões, tendo a Nvidia entre seus investidores, e assinou mais de US$ 7 bilhões em contratos de computação. Um laboratório americano bem capitalizado se comprometendo com pesos Apache 2.0 nessa escala é relevante para compradores que precisam de licença permissiva e de uma cadeia de fornecimento doméstica, mesmo que o Beam não seja o modelo aberto mais forte.

Para quem implementa, a métrica útil é a que a DataCamp sugere: custo por tarefa resolvida na sua própria carga de trabalho. Um modelo que pontua um pouco menos, mas roda com uma fração da computação, pode vencer em produção, desde que a sobrecarga de serviço se comporte como anunciado.

O que sabemos vs. o que estamos inferindo

Sabido (relatado por vários veículos citando a Reflection): os 501B de parâmetros totais e 23B ativos; os 23,8 trilhões de tokens de pré-treinamento; as quantidades de GPUs GB300; a licença Apache 2.0 planejada; os pesos prometidos para o fim de outubro; o acesso hoje restrito a uma lista de espera; os números de benchmark citados acima.

Ainda não verificado: todos os benchmarks e a afirmação de 3 a 4 vezes menos computação. O TechCrunch afirma claramente que as alegações de desempenho não foram verificadas de forma independente.

Nossa inferência: que os requisitos de memória vão restringir o Beam a servidores com várias GPUs; que sua vantagem real de custo vai encolher em cargas de contexto longo por causa dos custos de prefill e atenção excluídos; e que seu mercado mais forte são organizações que descartam pesos de origem chinesa.

O que observar a seguir

• Até 31 de outubro de 2026 (23h59 ET / 0h59 UTC-3 de 1º de novembro): se a Reflection cumpre a promessa de "ainda este mês" para pesos, relatório técnico e model card sob Apache 2.0.
• Avaliações independentes: com os pesos públicos, resultados de terceiros no Terminal-Bench e nas variantes do SWE-bench, além da vazão medida por GPU, vão testar a promessa de eficiência.
• Preços: se a API vai publicar valores por token e se parceiros de hospedagem vão cobrar menos.
• Janela de contexto: se o limite de 262.144 tokens do beta sobe em direção ao 1 milhão anunciado.

Apenas informação educativa.