JOURNAL / 2026.10.17
Reflection publica los pesos de Beam y herramientas para verificar su despliegue
Beam pasa de la beta selectiva a pesos Apache 2.0, con motores de inferencia y pruebas públicas. La apertura permite investigar qué parte del comportamiento depende del modelo y cuál de su integración.
El 6 de octubre escribimos sobre Beam con una reserva central: sus pesos todavía eran una promesa. Reflection los publicó el 16 de octubre, junto con documentación y un informe de seguridad. El cambio es sustancial: terceros pueden conservar, modificar y alojar el modelo, en vez de depender exclusivamente del acceso concedido a un servicio. La API propia sigue presentándose como beta pública; descargar pesos y obtener acceso al servicio son vías distintas.
La tarjeta del modelo describe un modelo de texto, desarrollado principalmente para inglés, con 501.000 millones de parámetros totales, unos 23.000 millones activos por token y contexto de un millón de tokens. Hay versiones BF16, FP8 y NVFP4. La tarjeta publica evaluaciones por precisión, pero todavía anuncia el informe técnico general como pendiente. El informe de seguridad disponible no debe confundirse con ese documento de arquitectura y entrenamiento.
La licencia de los pesos es Apache 2.0. Permite redistribuir y modificar bajo sus condiciones de licencia y avisos, sin garantía. Para un equipo que quiera mantener una adaptación propia, ofrece una base de continuidad más clara que una autorización informal de acceso.
Alojarlo exige una integración concreta. La receta mantenida por vLLM utiliza una imagen específica porque el soporte aún no se ha incorporado a una versión publicada. También configura analizadores para razonamiento y llamadas a herramientas. Es una advertencia útil contra la idea de que basta con descargar el checkpoint: interpretar dónde termina una respuesta o empieza una acción forma parte de la corrección del sistema. La compatibilidad declarada de una API no resuelve sola ese trabajo.
Aquí aparece un recurso que me parece especialmente valioso: Beam Verifier. Separa pruebas funcionales —chat, herramientas, salidas estructuradas, varios turnos y transmisión— de evaluaciones de capacidad con configuraciones predefinidas. Su documentación identifica peticiones de agentes cuyos argumentos de herramientas suelen fallar si el servidor no los restringe al esquema correspondiente. Eso permite investigar una degradación de la integración antes de atribuirla a falta de razonamiento. Pasar esas pruebas tampoco certifica una aplicación completa.
La publicación incluye además DFlash2, un modelo auxiliar que propone bloques de tokens para que Beam los verifique. No funciona como asistente independiente. Reflection explica que, con muestreo por rechazo, conserva la distribución de salida de Beam. Es una vía de aceleración que actúa sobre la ejecución; no equivale a volver más inteligente al modelo. Las medidas publicadas usan NVFP4 sobre B300 y describen generación, no el tiempo total de resolver una tarea con herramientas.
También hay un agente inspeccionable. La documentación de Mirror lo sitúa en beta temprana y explica su modo manual de aprobación. Precisa que ese modo no es un entorno aislado: los comandos autorizados se ejecutan con los permisos de la cuenta. Para evaluar un agente local, esa distinción pesa tanto como su habilidad para escribir código. Mi criterio sería empezar en un proyecto reversible y limitar sus permisos por fuera del modelo.
El informe de seguridad clasifica Beam como riesgo «Limited» en las cuatro categorías sistémicas de su marco. Es la evaluación de Reflection sobre riesgo marginal frente a capacidades ya disponibles, no una declaración de inocuidad. El documento reconoce que sus auditorías de pérdida de control miden propensiones en escenarios construidos y que la evaluación de autonomía con Andon Labs sigue en curso. Publicar métodos y límites mejora la discusión; no cierra la pregunta sobre el comportamiento en otro entorno.
Mi valoración cambia respecto a la beta: ahora existe material suficiente para que la discusión deje de depender sólo de demostraciones elegidas por Reflection. El paso más interesante sería publicar reproducciones que conserven checkpoint, motor, restricciones de salida y herramientas. Si dos despliegues difieren, poder localizar la diferencia sería un resultado útil incluso sin batir ninguna clasificación. La apertura gana valor cuando permite explicar un fallo y corregirlo, además de producir una buena respuesta.
Fuentes primarias consultadas el 17 de octubre de 2026. No hemos ejecutado Beam, Mirror ni sus verificadores.