Nvidia impulsa a Reflection: Beam abre 501B parámetros para pelear el open source

Para entrenar a Beam hicieron falta 10.500 tarjetas Nvidia GB300 funcionando cuatro semanas y más de 100 millones de simulaciones de entrenamiento. Esa imagen, un clúster de última generación consumiendo energía día y noche para generar respuestas a escala industrial, resume cuánto cuesta hoy entrar en la liga de los modelos de inteligencia artificial de frontera. También explica por qué la jugada de Reflection, una startup respaldada por Nvidia, ha llamado la atención: la compañía presentó su primer modelo open-weight y asegura que la apertura no está reñida con la eficiencia.

El modelo, llamado Beam, usa una arquitectura de mezcla de expertos, es decir, no funciona como un cerebro monolítico, sino como una red de especialistas que se activan según la consulta. En total suma 501 mil millones de parámetros, pero solo 23 mil millones se activan en cada respuesta. Fue entrenado con 23,8 billones de tokens seleccionados entre datos web y conjuntos propietarios con licencia, y está enfocado en tres usos que marcan la agenda empresarial actual: programación, razonamiento y tareas de agentes autónomos. Aún no está disponible del todo: la compañía asegura que las pruebas de seguridad conocidas como red-teaming están en su etapa final y que liberará los pesos, el informe técnico y los materiales para desarrolladores a fin de mes.

El lanzamiento llega en un momento que TechTarget describe como una división cada vez más profunda del mercado global de IA. Mientras los laboratorios chinos DeepSeek, Qwen, Kimi y GLM dominan los rankings de modelos abiertos, los equipos occidentales buscan una respuesta que no pase por cerrar el código, sino por abrirlo mejor. En la prueba DeepSWE, que mide la capacidad de resolver problemas reales de desarrollo de software, Beam obtiene 44,4 puntos, lejos del 74,2 que alcanza DeepSeek V4.1 Flash y del 68,0 de Kimi K3. No gana en números absolutos, pero mueve la discusión hacia otro criterio: cuánta inteligencia produce cada token gastado.

La eficiencia como nueva moneda

Ese giro es la apuesta central de Reflection. Según la propia empresa, en tareas avanzadas de razonamiento Beam logra resultados comparables a los de GLM 5.2 con entre tres y cuatro veces menos cómputo de inferencia. En SWE Bench Verified, una referencia estándar para tareas de programación, alcanza 80,9 puntos, y en el examen matemático AIME 2026 registra 97,8.

La idea de fondo es que no hace falta el modelo más grande ni el más potente: basta con que el costo por respuesta sea lo bastante bajo como para que las empresas lo usen de verdad. Con solo 23 mil millones de parámetros activos, se requiere bastante menos infraestructura que con los gigantes de más de dos billones de parámetros, y eso convierte la eficiencia en una ventaja competitiva tan importante como el desempeño bruto.

Qué le toca a Latinoamérica

Para las empresas de la región, acostumbradas a pagar APIs extranjeras y a depender de la capacidad de cómputo de terceros, esa ecuación es la que más importa. Un modelo abierto como Beam permite bajar los pesos, correrlos en infraestructura propia o de un proveedor local, ajustarlos con datos propios y auditar qué hay dentro del sistema. En un entorno donde la confianza en la tecnología es frágil, saber qué contiene el modelo y poder comprobarlo pesa tanto como su desempeño. La apertura deja de ser un debate de desarrolladores y se convierte en una decisión de soberanía digital: si el modelo es público, la dependencia no desaparece, pero se vuelve negociable.

No hay que idealizar el escenario. Beam fue entrenado con hardware de Nvidia, la misma empresa que lo respalda, y publicar los pesos no significa que una organización latinoamericana pueda replicar ese entrenamiento con sus propios recursos. La brecha de cómputo sigue intacta: la eficiencia ayuda a servir el modelo, no a crearlo.

Y por encima de todo flota la geopolítica: si la apertura occidental continuará siendo un bien público o terminará convertida en un instrumento más de la disputa con China. Mientras tanto, la IA comienza a entrar en las aulas y en los servicios cotidianos, y las preguntas sobre seguridad, transparencia y control se vuelven cada vez más sociales que técnicas. El ejecutivo latinoamericano no tiene que resolver esa pelea, pero sí tiene que decidir sobre qué modelo construye su próxima aplicación, su próximo agente, su próxima capa de servicios. La ventana está abierta; los pesos, por ahora, también.