Reflection Beam: O Modelo Open-Weight de 501B para Programação e Agentes, Explicado

A Reflection lançou o Beam, seu primeiro modelo open-weight, com os pesos disponíveis no Hugging Face sob licença Apache 2.0. O Beam é um modelo sparse Mixture-of-Experts (MoE) com 501 bilhões de parâmetros, desenvolvido para programação, raciocínio e trabalho agêntico de longo horizonte. Este guia cobre o que foi lançado, como se sai nos benchmarks, quanto custa via API hospedada e como executá-lo você mesmo — usando os números do próprio model card da Reflection.

O que é o Reflection Beam?

O Beam é um modelo sparse Mixture-of-Experts (MoE) com 501 bilhões de parâmetros totais e ~23 bilhões de parâmetros ativos por token, lançado como Beam-1.0-501B-A23B. Ele recebe texto como entrada e gera texto como saída, sendo desenvolvido para cargas de trabalho de programação, raciocínio e agentes, com foco declarado em raciocínio eficiente em tokens.

De acordo com o model card no Hugging Face, o Beam possui 52 camadas (3 densas + 49 MoE), 256 especialistas, uma janela de contexto de 1M tokens, um vocabulário de 152k tokens e um corte de conhecimento em 30 de junho de 2026. Ele utiliza atenção agrupada com janela deslizante (gated grouped-query attention with sliding-window attention) e um formato de chat Harmony modificado.

O argumento principal é eficiência, não capacidade máxima: a Reflection afirma que o Beam alcança qualidade de solução comparável aos principais modelos abertos usando aproximadamente 3x menos tokens de raciocínio em tempo de inferência, conforme indicado no model card.

A licença: Apache 2.0, na íntegra

O detalhe mais importante para as equipes é a licença. A Reflection lançou os pesos do Beam no Hugging Face sob licença Apache 2.0 — uma das opções mais permissivas disponíveis, permitindo uso comercial, redistribuição e modificação.

O model card também afirma que a Reflection não proíbe destilação, uso de saídas para treinar outros modelos, fine-tuning (ajuste fino), adaptação eficiente de parâmetros, quantização ou fusão de modelos. Essa permissividade é o que mantém um modelo aberto na conversa ao lado de lançamentos como Kimi K3 e DeepSeek, e é diretamente relevante se você planeja incorporar o Beam em um produto.

Benchmarks do Beam

Os números finais da Reflection estão no model card, avaliados com temperatura 0,7 e top_p 0,99. Aqui estão os resultados em BF16 nas categorias mais relevantes para desenvolvedores de agentes:

• SWE-bench Verified: 81,6% — resolução de issues reais do GitHub
• Terminal-Bench 2.1: 80,1% — conclusão de tarefas em linha de comando
• SWE-bench Multilingual: 78,3%
• GPQA Diamond: 90,6% — raciocínio científico em nível de pós-graduação
• AIME 2026: 97,7% — matemática de competição
• LiveCodeBench: 88,3%
• MCP Atlas: 80,8% — uso de ferramentas do mundo real via servidores MCP
• BrowseComp (com gerenciamento de contexto): 76,8%
• HLE: 36,0% sem ferramentas, 51,1% com ferramentas

Esses são resultados agênticos e de raciocínio sólidos para um modelo aberto, especialmente considerando o foco em eficiência de tokens. Em seu próprio blog, a Reflection posiciona o Beam como competitivo com modelos abertos maiores como GLM 5.2 e próximo ao Qwen 3.8-Max em tarefas de programação e agentes. Análises independentes observaram que modelos como Kimi K3 ainda lideram em capacidade bruta, portanto, trate o Beam como uma aposta em eficiência, não como uma vitória absoluta na fronteira.

Uma observação sobre os números: coberturas iniciais citando o post de lançamento da Baseten listavam valores ligeiramente diferentes (por exemplo, SWE-bench Verified em 80,9%). Os valores do model card acima são os benchmarks finais publicados pela Reflection, portanto, use-os como referência canônica.

Preços

O Beam é gratuito para download e auto-hospedagem sob a licença Apache 2.0. Se preferir chamar um endpoint hospedado, a Reflection abriu um beta público gratuito para começar de sua API própria.

Entre os parceiros de lançamento, a Baseten listou preços de API de $1,30 por milhão de tokens de entrada e $0,13 por milhão de tokens de saída, mais $4,30 por milhão de tokens de entrada em cache. Os preços variam por provedor, então verifique o endpoint específico que você planeja usar no dia em que for testar.

Como executar o Beam

A Reflection lançou o Beam para funcionar em praticamente qualquer ambiente sem configurações adicionais.

Pesos e formatos. O lançamento inclui formatos de precisão BF16, FP8 e NVFP4, além de um modelo drafter para decodificação especulativa. A Reflection afirma ter trabalhado com parceiros em kernels fundidos e configurações de serving para reduzir o uso de memória e acelerar a geração.

Suporte nativo a frameworks desde o primeiro dia. De acordo com o anúncio da Reflection, o Beam tem suporte nativo em Transformers (Hugging Face), vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e NVIDIA Dynamo — para que você possa ir dos pesos a um endpoint de produção sem precisar de configurações personalizadas.

Plataformas. O Beam foi lançado em um amplo conjunto de provedores, incluindo Amazon Web Services, Google Cloud, Baseten, CoreWeave, Databricks, Fireworks AI, Together AI, OpenRouter, Vercel, LM Studio e Ollama. Para implantações on-premises, soberanas e air-gapped (isoladas de rede), Dell e HPE o entregam atrás do firewall.

Mirror CLI, o harness open-source

A Reflection também disponibilizou como open-source o Mirror CLI, o harness de agente de terminal contra o qual treinou o Beam. O Mirror combina um frontend em Python (prompts, skills, ferramentas para desenvolvedores) com um núcleo de agente em Rust que conduz o modelo. Ele suporta conversas retomáveis, agentes paralelos em worktrees separadas, instruções de projeto, conexões MCP e extensões em Python.

A Reflection afirma ter construído o Mirror primeiramente para engenharia interna — com workspaces isolados, sessões em segundo plano e integrações com Slack, Linear e GitHub — antes de disponibilizá-lo como open-source. O Beam também funciona com outros harnesses, incluindo Pi, OpenCode e Hermes.

O "sistema operacional aberto para agentes"

A Reflection enquadra o lançamento como mais do que uma simples disponibilização de pesos. Ela chama o pacote de "sistema operacional aberto para agentes", com o modelo como o kernel e integrações agênticas de referência, contêineres de implantação, integrações de inferência e pipelines de personalização abertos acima da camada de infraestrutura — apoiados por um ecossistema de mais de 40 parceiros.

Para personalização, a Reflection aponta para receitas e integrações de fine-tuning e aprendizado por reforço em larga escala (com parceiros como NVIDIA, Hugging Face TRL, Anyscale e Axolotl), e afirma que lançará receitas de auto-destilação e adotará o padrão de ambiente OpenEnv para execuções futuras.

Quem deve se interessar pelo Beam?

• Desenvolvedores de agentes e ferramentas de programação que desejam um modelo com licença permissiva e pontuações sólidas no SWE-bench e no uso de ferramentas MCP.
• Equipes atentas ao custo de inferência, já que o foco em eficiência de tokens visa menos tokens de raciocínio por tarefa.
• Implantações reguladas ou on-premises que precisam do mesmo stack rodando em um laptop e atrás de um firewall.

Se a capacidade máxima bruta nas tarefas mais difíceis for seu único critério, os líderes atuais em modelos abertos ainda podem superar o Beam. Se licenciamento permissivo, uso agêntico de ferramentas e eficiência forem mais importantes, o Beam é uma opção séria desde o primeiro dia.

Coloque um modelo aberto como o Beam para trabalhar com sua própria força de trabalho de IA

O Beam foi desenvolvido exatamente para o tipo de trabalho de longo horizonte e uso de ferramentas que sistemas multi-agente automatizam — lendo repositórios, executando comandos e concluindo tarefas em múltiplas etapas. O Eigent é um aplicativo desktop "Cowork" open-source que transforma modelos como esses em uma força de trabalho de IA local que executa fluxos de trabalho reais, desde revisão de PRs no GitHub até pesquisas em múltiplas etapas. Como o Eigent é flexível em relação ao modelo, você pode apontá-lo para um modelo open-weight e manter o controle do seu stack. Baixe o Eigent e construa sua própria equipe de agentes.