Principais destaques
- Primeiro modelo aberto: a Reflection AI apresentou o Beam, seu primeiro modelo de pesos abertos, voltado a programação, raciocínio e tarefas agênticas.
- 501 bilhões de parâmetros: o modelo usa uma arquitetura de mistura esparsa de especialistas, mantendo apenas 23 bilhões de parâmetros ativos por vez.
- Aposta contra a liderança chinesa: a startup afirma alcançar desempenho próximo ao GLM-5.2 usando de 3 a 4 vezes menos computação de inferência, embora os resultados ainda não tenham sido verificados de forma independente.
A corrida pelos modelos de IA de pesos abertos ganhou um novo competidor americano. A Reflection AI apresentou nesta segunda-feira, 5 de outubro, o Beam, modelo que a startup de apenas dois anos pretende colocar frente a frente com alguns dos sistemas mais avançados desenvolvidos na China.
A proposta é particularmente ambiciosa porque não se resume a competir em capacidade bruta. A empresa quer mostrar que é possível chegar perto do desempenho dos modelos mais sofisticados usando menos poder computacional durante a inferência.
E isso pode ser tão importante quanto a quantidade de parâmetros estampada na ficha técnica.
Um modelo gigante que não funciona como um modelo gigante 🧠
O Beam possui 501 bilhões de parâmetros, mas não utiliza todos eles simultaneamente.
A arquitetura é baseada em sparse mixture-of-experts (MoE), um sistema no qual diferentes especialistas internos são acionados de acordo com a tarefa. Na prática, apenas cerca de 23 bilhões de parâmetros ficam ativos a cada momento.
É uma diferença importante.
Imagine um prédio com 501 bilhões de funcionários, mas no qual apenas 23 bilhões precisam entrar no escritório para resolver determinado problema. O restante permanece disponível para outras situações, sem participar diretamente daquela operação.
💡 A jogada da Reflection: o tamanho total impressiona, mas a eficiência durante o uso é justamente uma das principais apostas do Beam.
O alvo está na China 🇨🇳
A apresentação acontece em um momento no qual boa parte da disputa por modelos abertos de alto desempenho está concentrada em empresas chinesas.
Entre os nomes citados pela própria Reflection estão a DeepSeek, o Qwen, da Alibaba, e a Z.ai, responsável pela família GLM.
A startup americana afirma que o Beam consegue chegar praticamente ao nível do GLM-5.2 em benchmarks de raciocínio avançado utilizando entre 3 e 4 vezes menos computação de inferência.
A empresa também diz que o modelo se aproxima do Qwen 3.8-Max em programação e tarefas agênticas.
Há, porém, um adversário que a própria Reflection reconhece estar à frente em capacidade bruta: o Kimi K3, da Moonshot.
E os números? 📊
A Reflection divulgou uma série de resultados obtidos pelo Beam:
| Benchmark | Resultado |
|---|---|
| Terminal Bench v2.1 | 80,1 |
| SWE-Bench Verified | 80,9 |
| GPQA Diamond | 90,5 |
O desempenho chama atenção especialmente porque o modelo foi pensado para tarefas que exigem mais do que simplesmente gerar texto.
Programação, resolução de problemas complexos e utilização de ferramentas por agentes estão entre os principais alvos.
⚠️ Mas existe uma ressalva importante: os resultados e as comparações de eficiência foram divulgados pela própria Reflection e ainda não foram verificados de maneira independente.
Os números de computação também são estimativas. A empresa explica que eles não incluem o prefill do prompt nem toda a sobrecarga operacional, portanto não devem ser interpretados como uma medição completa do custo de funcionamento.
23,8 trilhões de tokens depois…
O treinamento do Beam também dá uma ideia da escala do projeto.
O modelo foi pré-treinado com 23,8 trilhões de tokens e possui uma janela de contexto de 1 milhão de tokens.
Depois veio uma etapa de aprendizado por reforço que durou quatro semanas e utilizou 10.500 GPUs Nvidia GB300.
Nesse período, segundo a Reflection, foram gerados mais de 100 milhões de rollouts.
🖥️ É uma infraestrutura enorme: a promessa de eficiência durante a utilização não significa que construir o modelo tenha sido barato ou simples.
A diferença está em outro ponto: depois de todo esse investimento inicial, um modelo que consiga entregar resultados semelhantes utilizando menos computação por consulta pode se tornar muito mais interessante para empresas e desenvolvedores.
O verdadeiro teste do Beam não será apenas quão inteligente ele parece, mas quanto custa fazê-lo trabalhar em escala.
Quando os pesos estarão disponíveis? 🔓
A Reflection ainda não abriu completamente o modelo.
A previsão é publicar os pesos do Beam no fim de outubro, sob a licença Apache 2.0.
A empresa também pretende disponibilizar:
• relatório técnico;
• model card;
• ferramentas para execução;
• ferramentas para ajuste fino do modelo.
Enquanto isso, uma versão preliminar está disponível para usuários selecionados por meio de uma lista de espera.
Os testes finais de red teaming continuam antes da liberação mais ampla.
A ideia é virar infraestrutura, não apenas chatbot 🏗️
A ambição da Reflection vai além de lançar mais um modelo aberto.
A empresa descreve o Beam como um “modelo de batalha” destinado a empresas, desenvolvedores e ao setor público. A distribuição deverá acontecer por meio de hyperscalers e empresas de neocloud.
A startup também afirma que seus modelos de pesos abertos estão sendo fornecidos para a Genesis Mission, iniciativa do Departamento de Energia dos Estados Unidos que envolve os 17 laboratórios nacionais americanos.
A visão de longo prazo é ainda mais ousada.
A Reflection pretende construir uma espécie de “fábrica de IA”, permitindo que instituições criem sistemas próprios de inteligência artificial de baixo custo usando seus próprios dados.
Nesse cenário, o Beam seria menos um produto final e mais uma peça de infraestrutura.
Nvidia, Nebius e SpaceX entram nessa história 🚀
A escala do projeto também ajuda a explicar o apoio que a Reflection recebeu.
A startup é apoiada pela Nvidia e foi fundada por dois ex-pesquisadores do Google DeepMind.
Segundo informações citadas no material, a empresa também fechou acordos com a Nebius e a SpaceX para alugar servidores equipados com GPUs Nvidia.
A estratégia, portanto, combina três elementos que atualmente definem a disputa por IA: modelos abertos, enorme capacidade computacional e infraestrutura própria para disponibilizá-los.
O Beam pode mudar a corrida?
Ainda é cedo para dizer.
Os números são promissores, mas as principais comparações continuam sendo alegações da própria Reflection. Além disso, eficiência estimada em benchmarks não é necessariamente equivalente ao custo que uma empresa terá ao colocar milhões de consultas reais para rodar.
Mesmo assim, o lançamento é significativo.
Até pouco tempo, a narrativa sobre modelos de pesos abertos de ponta estava fortemente associada à China. Agora, uma startup americana apoiada pela Nvidia está tentando mostrar que também existe espaço para competir nessa frente, especialmente atacando um dos pontos mais sensíveis da IA atual: o custo computacional.
🧩 E essa talvez seja a parte mais interessante do Beam: não basta construir modelos maiores. A próxima batalha pode ser descobrir como fazer modelos extremamente capazes trabalharem de maneira mais econômica.
O CEO Misha Laskin resumiu a visão da empresa usando uma comparação curiosa: modelos de IA seriam como foguetes. Eles ainda precisam evoluir bastante até alcançar as capacidades mais avançadas, mas a Reflection parece interessada em descobrir não apenas como fazê-los chegar mais longe, e sim como fazer isso gastando menos combustível.
O Beam será colocado à prova quando seus pesos finalmente estiverem disponíveis. Aí a corrida deixa de ser baseada apenas em benchmarks divulgados pela própria empresa e passa a incluir desenvolvedores, pesquisadores e usuários tentando descobrir o que esses 501 bilhões de parâmetros realmente conseguem fazer.
