El nuevo modelo abierto de Reflection AI busca reducir el coste de la inteligencia artificial mediante respuestas más eficientes.
Reflection AI ha presentado Beam, su primer modelo de pesos abiertos, como alternativa a los sistemas chinos que han ganado terreno por sus precios competitivos. Con 501.000 millones de parámetros totales y 23.000 millones activos por token, está concebido para la programación y los agentes autónomos.
La compañía quiere trasladar el debate desde la tarifa por millón de tokens hasta el coste de completar una tarea. Un modelo puede cobrar más por cada unidad y, pese a ello, resultar más barato si llega a una solución correcta mediante un razonamiento mucho más breve. La apuesta de Beam descansa en esa eficiencia, no en una rebaja directa del token.
Para fomentar la concisión, Reflection sometió el modelo a cuatro semanas de aprendizaje por refuerzo, durante las que acumuló más de cien millones de intentos. Penalizar los tokens superfluos exigía cautela: un incentivo demasiado simple podía enseñar al sistema a eludir el problema. El objetivo consistía en reducir pasos sin renunciar a resolver la tarea ni recurrir a atajos que distorsionaran la evaluación.
En Terminal-Bench 2.1, Beam ronda el 80 % con unos 25.000 tokens por intento, frente a los cerca de 80.000 que emplea GLM-5.2 para obtener una nota algo inferior. No obstante, DeepSeek V4.1 Flash supera a Beam. La comparación es favorable, pero no definitiva.
Esa reducción del consumo aún no equivale a un ahorro confirmado. Reflection no ha fijado el precio de su servicio, cuyo acceso alojado es gratuito durante la prueba pública. También admite que la optimización para cada chip altera el coste real. La prueba decisiva llegará cuando pueda calcularse el precio de cada trabajo terminado.
Basado en: Matt Marshall, VentureBeat