Reflection AI libera pesos do Beam, modelo de 501 bilhões de parâmetros, sob Apache 2.0

A Reflection AI publicou em 16 de outubro de 2026 os pesos do Beam, seu primeiro modelo de pesos abertos, sob licença Apache 2.0. Segundo a empresa, é um Mixture-of-Experts esparso com 501 bilhões de parâmetros totais e 23 bilhões ativos por token, voltado a programação, raciocínio e tarefas agênticas. A licença permissiva significa que qualquer desenvolvedor ou empresa, inclusive no Brasil, pode baixar o modelo no Hugging Face, rodar em infraestrutura própria e usar comercialmente sem pagar licença.

O que vem no pacote do Beam

O download não é só o modelo. A Reflection liberou os pesos em três formatos — BF16, FP8 e NVFP4 — e junto deles um modelo auxiliar de decodificação especulativa, usado para acelerar a geração de respostas, e o Mirror CLI, o harness agêntico de desenvolvimento da própria empresa, também aberto. De acordo com a Reflection, o Mirror tem a camada de produto em Python e o núcleo do agente em Rust, com conversas retomáveis, agentes em paralelo em worktrees separadas, instruções de projeto, skills e conexões MCP, além de integrações com Slack, Linear e GitHub.

O lançamento saiu com mais de 40 parceiros de inferência, quantização, fine-tuning e implantação. A lista inclui AWS, Google Cloud, Microsoft Foundry, NVIDIA, Hugging Face, vLLM, SGLang, CoreWeave, Databricks, Together AI, Fireworks AI, Modal, Ollama, OpenRouter, LM Studio, Vercel, Unsloth, Axolotl, Oracle, Dell e HPE. Na prática, é o tipo de arranjo que encurta o caminho entre o anúncio e o modelo rodando em produção, porque o suporte já chega pronto nas ferramentas que as equipes usam.

Quem preferir não lidar com servidor pode testar pela API da Reflection, em beta público gratuito na plataforma platform.reflection.ai, mediante inscrição. A empresa não divulgou preço para quando o beta terminar — ao VentureBeat, o vice-presidente de produto Joe Spisak disse que não há "nada concreto para compartilhar" sobre custo.

A aposta do Beam: gastar menos tokens, não vender token mais barato

O argumento comercial do Beam é diferente do que vem dominando o segmento aberto. Em vez de competir por preço por token, a Reflection diz competir por quantidade de tokens consumida para concluir a mesma tarefa. No Terminal-Bench 2.1, benchmark de tarefas de terminal, a empresa reporta 80,1% para o Beam usando cerca de 25 mil tokens por tentativa, contra aproximadamente 80 mil tokens do modelo chinês GLM-5.2, que ficou com pontuação ligeiramente inferior. A Reflection afirma que, em testes de raciocínio avançado, o Beam alcança resultados comparáveis ao GLM-5.2 com 3 a 4 vezes menos computação de inferência.

Ao VentureBeat, Spisak disse que desenvolvedores no preview privado observaram raciocínio "quase 3 vezes mais eficiente" do que em outros modelos. O cofundador e CTO Ioannis Antonoglou explicou que a eficiência foi treinada penalizando o modelo pelo número de tokens usados, e que a dificuldade está em evitar que ele simplesmente desista da tarefa.

Vale separar o que é comparação favorável do que não é. Ainda segundo o VentureBeat, o DeepSeek V4.1 Flash marca 90,6% no Terminal-Bench 2.1, acima dos 80,1% do Beam, embora Antonoglou afirme que o modelo "se compara favoravelmente" ao concorrente chinês. A reportagem também registra que os números de eficiência partem da própria Reflection, sem verificação independente até agora, e que o cálculo de computação da empresa é uma estimativa, não uma medição: ele conta o trabalho de escrever cada token, mas deixa de fora o de ler o prompt.

A empresa também detalhou a escala do treinamento: mais de 100 milhões de rollouts de aprendizado por reforço em cerca de quatro semanas, com 10.500 GPUs NVIDIA GB300 e cerca de 1,3 bilhão de sandboxes, com pico de 883 mil vCPUs distribuídos em 23 clusters de nuvem. Antonoglou chamou a NVIDIA de parceira próxima e investidora, e negou relatos de aquisição da Reflection, que classificou como rumores sem fundamento.

O que o Beam muda para o desenvolvedor brasileiro

Para times no Brasil, o ganho prático é soberania de dados e previsibilidade de custo. Com Apache 2.0, dá para rodar o modelo dentro da própria infraestrutura, inclusive em ambiente isolado da internet, o que pode ajudar em cenários de LGPD em que mandar código ou dado de cliente para API de terceiro esbarra em restrição contratual. Segundo a Reflection, é esse o posicionamento do Beam: agentes de código que a empresa possui e opera.

O custo de hardware, porém, não é trivial. Segundo a reportagem do VentureBeat, as versões de produção em 8 bits e 4 bits rodam em servidores de oito GPUs NVIDIA H100, H200 ou GB300, e a precisão completa exige dezenas de GPUs. Para a maioria das equipes brasileiras, isso aponta para nuvem ou provedor parceiro, não para servidor na sala do escritório.

O que esperar do Beam agora

Dois sinais valem acompanhar: os resultados de terceiros nos benchmarks de código, que vão confirmar ou derrubar a economia de tokens fora dos testes da própria empresa, e o preço da API quando o beta gratuito acabar. Se a conta de tokens por tarefa se sustentar, o Beam entra na comparação não como o modelo aberto mais barato, mas como o que termina o trabalho antes.