Reflection AI anuncia Beam, modelo de peso aberto que promete rivalizar com IA chinesa gastando menos computação

O anúncio

A Reflection AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI →, startup de Brooklyn fundada em 2024, anunciou nesta segunda-feira (5) o Beam, seu primeiro modelo de fronteira com pesos abertos. O anúncio confirma uma reportagem da Axios do fim de semana, que já apontava um lançamento iminente, e veio acompanhado de um post longo no blog da empresa detalhando a arquitetura e os benchmarks do modelo.

Segundo a Reflection, o Beam é um modelo de texto (sem suporte a imagem ou áudio) construído em arquitetura mixture-of-experts, treinado com aprendizado por reforço de alto custo computacional para ser eficiente em raciocínio, geração de código e tarefas agênticas. A empresa descreve o modelo como um "workhorse" (cavalo de batalha) voltado a empresas, setor público e desenvolvedores.

O que é o Beam, em números

Beam tem 501 bilhões de parâmetros totais, mas apenas 23 bilhões de parâmetros ativos por inferência, graças à arquitetura mixture-of-experts. Foi pré-treinado em 23,8 trilhões de tokens e suporta janela de contexto de 1 milhão de tokens.

A Reflection não divulgou acesso público imediato: os pesos completos e a documentação técnica devem ser liberados ainda este mês, com distribuição via hyperscalers e neoclouds, além de integração com bibliotecas open source↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) → já no lançamento.

Beam contra GLM-5.2 e Inkling

A companhia afirma que o Beam empata com o GLM-5.2, da chinesa Z.ai, em benchmarks avançados de raciocínio, superando os principais modelos abertos ocidentais atuais. O detalhe que a Reflection destaca é o custo: segundo a empresa, o resultado vem com uma fração do gasto computacional dos rivais.

O Beam entrega desempenho equivalente usando uma fração do custo em tokens e do tempo de computação de inferência dos concorrentes.

a fraction of the token cost and inference time compute of rivals.Reflection AI, em post oficial no blog da empresa

Para efeito de comparação, o GLM-5.2 tem cerca de 744 bilhões de parâmetros totais, com 40 bilhões ativos:

O rival ocidental mais direto é o Inkling, modelo aberto da Thinking Machines Lab (de Mira Murati), lançado em julho de 2026. Nos quatro testes de código em que as duas empresas divulgam resultado comparável, a Reflection afirma que o Beam supera o Inkling, mas a comparação tem ressalva: o Inkling é multimodal e o Beam é apenas texto.

Nenhuma dessas afirmações de desempenho foi verificada de forma independente até a publicação deste texto. São números divulgados pela própria Reflection AI, sem auditoria externa.

Dinheiro, Nvidia e a aposta das "AI factories"

A Reflection foi fundada em 2024 por dois ex-pesquisadores do Google DeepMind e já levantou aproximadamente US$ 4,7 bilhões em investimentos, com Nvidia, Sequoia Capital e Lightspeed Venture Partners entre os apoiadores, segundo dados da PitchBook. A rodada mais recente avaliou a empresa em US$ 25 bilhões (valuation pré-investimento).

Neste verão (do hemisfério norte), a startup fechou acordos somando mais de US$ 7 bilhões com SpaceX e Nebius para garantir acesso a chips GB300 da Nvidia até 2029. É uma quantidade de capacidade computacional incomum para uma empresa de dois anos de vida, e mostra o tamanho da aposta por trás do Beam.

O produto de longo prazo da Reflection vai além de liberar um modelo: a empresa quer vender "AI factories", um serviço em que empresas e governos treinam versões customizadas dos modelos da Reflection sobre seus próprios dados proprietários. É a mesma visão que Jensen Huang, CEO da Nvidia e investidor da própria Reflection, defende publicamente há tempos, não por acaso, já que ela também vende mais GPUs.

A Axios relatou que fundos de hedge e firmas de trading já demonstraram interesse nesse tipo de sistema, e a Reflection já testa uma parceria de "AI factory soberana" com o Shinsegae Group, na Coreia do Sul.

O que muda para quem roda IA localmente, no Brasil

Aqui está o ponto que interessa a quem não tem orçamento de hyperscaler: a arquitetura mixture-of-experts do Beam significa que, embora o modelo carregue 501 bilhões de parâmetros, cada token processado só ativa 23 bilhões deles. Isso aproxima o custo computacional de inferência do Beam ao de um modelo denso bem menor, o que é a base da alegação de "3 a 4 vezes menos computação" feita pela empresa.

Mas há uma distinção técnica que vale destacar: menos computação ativa por token não é o mesmo que menos memória necessária. Para rodar o Beam localmente, ainda é preciso ter os 501 bilhões de parâmetros carregados (ou particionados entre GPU e disco, com as técnicas de offloading já usadas em outros modelos MoE como o Mixtral). Ou seja, o ganho de eficiência aparece no tempo de inferência e no custo por token gerado, não necessariamente na quantidade de VRAM que você precisa comprar.

Na prática, isso coloca o Beam na mesma categoria de outros grandes modelos MoE abertos: inviável para rodar numa máquina de desenvolvedor comum, mas potencialmente mais barato de operar em servidor dedicado ou via provedor de nuvem do que um modelo denso de porte similar aos modelos chineses. Para equipes no Brasil que hoje dependem de API paga de modelos fechados por não terem acesso a clusters Nvidia de ponta, o atrativo real só se confirma quando os pesos saírem e alguém publicar o custo de inferência por token em hardware acessível, não hiperescala.

O que ainda está em aberto

A Reflection não respondeu a pedidos de mais informação do TechCrunch até a publicação da reportagem original. Os pesos do Beam ainda não estão disponíveis: a promessa é de liberação "este mês", sem data exata, nem detalhes sobre a licença de uso (peso aberto não garante automaticamente licença permissiva para uso comercial ou redistribuição).

Também não há, até agora, benchmark independente confirmando os números de desempenho e eficiência divulgados pela empresa. Para quem pensa em adotar o Beam em produção, o caminho prudente é esperar a liberação oficial dos pesos e rodar os próprios testes antes de trocar qualquer modelo em uso.

Fonte: TechCrunch