El nuevo modelo abierto de Reflection AI busca reducir el coste de la inteligencia artificial mediante respuestas más eficientes.
Reflection AI ha lanzado Beam, su primer modelo de pesos abiertos, para competir con las alternativas chinas que han ganado terreno gracias a sus precios bajos. El sistema reúne 501.000 millones de parámetros, aunque solo activa 23.000 millones por token. Está orientado a la programación y al trabajo de agentes de inteligencia artificial.
La estrategia cambia la forma habitual de comparar estos modelos. En lugar de fijarse únicamente en el precio por millón de tokens, Reflection propone calcular cuánto cuesta completar una tarea. Un modelo puede cobrar más por cada token y, aun así, generar una factura menor si necesita muchos menos pasos para alcanzar una solución correcta.
Para enseñar esa concisión, la compañía aplicó cuatro semanas de aprendizaje por refuerzo, con más de cien millones de intentos. Beam recibía una penalización al producir tokens innecesarios. El equilibrio era delicado: una recompensa mal diseñada podía llevar al sistema a abandonar el problema. El propósito era acortar el razonamiento sin perjudicar la calidad de la solución.
Los resultados reflejan esa apuesta. En Terminal-Bench 2.1, Beam obtuvo cerca del 80 % con unos 25.000 tokens por intento. GLM-5.2 necesitó alrededor de 80.000 para lograr una nota algo inferior, aunque DeepSeek V4.1 Flash consiguió superar a Beam.
Falta comprobar si esta eficiencia reduce de verdad la factura. Reflection no ha anunciado el precio de su servicio y el acceso alojado es gratuito durante la prueba pública. Además, la optimización del programa para cada chip también modifica el coste. Por tanto, consumir menos tokens es una ventaja posible, pero todavía no demuestra un ahorro final.
Basado en: Matt Marshall, VentureBeat