A Reflection apresentou o Beam, um modelo de linguagem de 501 mil milhões de parâmetros concebido para programação, raciocínio com contexto longo e utilização por agentes. Segundo a publicação da Hugging Face, que trabalhou com a equipa da Reflection na preparação do lançamento e foi publicada a 16 de Outubro de 2026, o modelo activa 23 mil milhões de parâmetros por token e tem uma janela de contexto de um milhão de tokens. É um modelo apenas de texto e está disponível sob a licença Apache 2.0. A empresa descreve-o como o primeiro modelo do novo laboratório norte-americano Reflection.
O Beam usa uma arquitectura de mistura de especialistas, ou MoE: cada token é processado por uma fracção da rede, em vez de activar todos os parâmetros. O modelo tem 52 camadas; 49 usam blocos MoE, com 256 especialistas cada, e oito especialistas são seleccionados por token. Esta configuração permite, de acordo com a descrição técnica publicada, combinar a capacidade de um modelo grande com uma computação por token mais reduzida. Não elimina, porém, a necessidade de memória para manter os especialistas disponíveis: a Hugging Face indica que a implantação continua a exigir recursos adequados a um modelo de 501 mil milhões de parâmetros. O checkpoint BF16 ocupa cerca de um terabyte em formato safetensors.
A arquitectura distribui a atenção entre janelas locais e acesso ao contexto completo. A maioria das camadas considera os 512 tokens anteriores; nove camadas têm atenção global. A publicação descreve ainda cinco níveis de raciocínio configuráveis — baixo, médio, alto, extra-alto e máximo, sendo médio a opção predefinida — e a possibilidade de preservar o raciocínio entre turnos. O modelo inclui também suporte para chamada de ferramentas, com uma gramática dedicada.
O Beam é disponibilizado em formatos BF16, FP8 e NVFP4. A Hugging Face refere compatibilidade, desde o primeiro dia, com Transformers, vLLM e SGLang, além de um sistema de execução próprio, escrito em Rust. A publicação apresenta estes componentes e receitas de inferência, ajuste fino supervisionado e aprendizagem por reforço, incluindo treino com LoRA e aprendizagem por reforço com Miles. O objectivo declarado é permitir que as equipas executem ou adaptem o modelo à sua infraestrutura e aos seus casos de utilização.
A publicação não apresenta uma avaliação independente que permita comparar o Beam com outros sistemas. Anuncia também dez mil dólares em créditos da plataforma para projectos seleccionados que usem o modelo e sejam partilhados no Hub; não especifica uma data-limite no material fornecido. A proposta central é dar às equipas acesso a um modelo de grande escala que possam executar e personalizar. Ainda assim, a dimensão dos pesos e os requisitos de memória descritos pela Hugging Face são factores relevantes para qualquer implementação.
Porque importa
O Beam procura tornar um modelo de escala elevada adaptável e executável em infraestruturas escolhidas pelas equipas, mas a dimensão total dos parâmetros continua a ser uma barreira prática para a implantação.