Reflection lanza Beam, modelo abierto que rivaliza con GLM 5.2 usando mucho menos cómputo
Hecho Qué ha ocurrido
Reflection ha anunciado Beam, su primer modelo de pesos abiertos, un sistema de mezcla de expertos con 501.000 millones de parámetros totales que activa solo 23.000 millones por token. Según la empresa, iguala a GLM 5.2 en razonamiento usando de tres a cuatro veces menos cómputo, y se acerca a Qwen3.8-Max en codificación y tareas de agentes, aunque Kimi K3 lo supera en rendimiento bruto. El modelo se entrenó con 10.500 GPU Nvidia GB300 durante más de cuatro semanas en una fase de aprendizaje por refuerzo. Los pesos bajo licencia Apache 2.0, documentación y reporte técnico se publicarán este mes; actualmente solo hay acceso anticipado para usuarios seleccionados.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Es un intento occidental serio de competir con los modelos abiertos chinos (Deepseek, Qwen) en eficiencia de cómputo, no solo en rendimiento, lo que puede abaratar el despliegue de IA para codificación y automatización en empresas.
- Quién se ve afectado
- Equipos de desarrollo de software, empresas que despliegan agentes de codificación y automatización, y proveedores de infraestructura cloud.
- Qué puede cambiar
- Si se confirman los benchmarks, las empresas podrían obtener capacidades cercanas a modelos top-tier con costes operativos sustancialmente menores, ampliando opciones frente a modelos chinos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la publicación del reporte técnico y resultados de seguridad este mes, la adopción real por desarrolladores, y si el sucesor anunciado cierra la brecha con Kimi K3 y otros líderes abiertos.
Recomendación Qué debería hacer una empresa
Equipos técnicos interesados en modelos abiertos económicos para codificación deberían evaluar Beam en pruebas piloto quandofi los pesos se publiquen a finales de mes, antes de decidir integración en producción.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗LLMmixture-of-expertscodingagentesreinforcement learning ReflectionNvidiaDeepseekQwenGLM BeamDeepSeekGLM-5.2modelos abiertosReflection
Tu opinión
0 comentarios
Relacionadas
Mistral lanza en preview Large 4, modelo de un billón de parámetros entrenado en GPUs propias
Mistral presentó una preview de Mistral Large 4, un modelo de 1 billón de parámetros totales y 49.000 millones activos, entrenado en un clúster propio de 3.800…
Por qué importaMistral recupera competitividad frente a la frontera tecnológica tras un modelo anterior claramente rezagado, lo que mantiene viva una alternativa…
Mistral lanza Large 4, su modelo insignia más potente y se posiciona como alternativa europea abierta
Mistral presentó Large 4 (ML4), un modelo Mixture-of-Experts con 1,05 billones de parámetros totales y 49.000 millones activos, multimodal y entrenado con…
Por qué importaEs el intento más ambicioso de Mistral por acercarse a la frontera de los modelos abiertos y ofrece a empresas europeas una alternativa con…
Mistral presenta Mistral Large 4, modelo de un billón de parámetros
Mistral ha presentado Mistral Large 4, descrito como su modelo más grande y potente hasta la fecha, con un billón de parámetros. La compañía destaca su…
Por qué importaEs la apuesta más ambiciosa de Mistral por competir con los grandes modelos de OpenAI, Google o Anthropic en capacidades empresariales avanzadas como…
Mistral lanza Large 4 'Le Chonk', modelo abierto de un billón de parámetros
La francesa Mistral ha lanzado en preview Mistral Large 4, apodado 'Le Chonk', un modelo de un billón de parámetros de pesos abiertos, con versión final…
Por qué importaSupone una alternativa europea de pesos abiertos frente a la dependencia de modelos cerrados estadounidenses, en un contexto de restricciones de EEUU…