A Reflection (abre em nova aba), um novo laboratório de inteligência artificial dos Estados Unidos, estreou em 16 de outubro com o Beam, um modelo de pesos abertos voltado a programação e a tarefas longas executadas pela própria IA. A licença escolhida foi a Apache 2.0, uma das mais permissivas do software livre: permite baixar, modificar e usar o modelo, inclusive em produtos comerciais, sem pedir autorização.
A expressão "pesos abertos" precisa de explicação. Pesos são os bilhões de números que um modelo ajusta durante o treinamento e que, juntos, guardam o que ele aprendeu. Em serviços fechados, esses números ficam nos servidores da empresa, e o usuário só conversa com o resultado. Quando eles são publicados, quem tiver máquina para isso pode rodar o modelo por conta própria, adaptá-lo a uma tarefa específica ou embuti-lo em um sistema.
Os arquivos estão no Hugging Face (abre em nova aba), plataforma em que desenvolvedores publicam e baixam modelos de IA. O texto de boas-vindas da plataforma resume a proposta: um modelo que se pode possuir, personalizar e escalar.
A Reflection apresenta o Beam como ferramenta de trabalho. Segundo a empresa, ele foi construído para programação avançada, raciocínio e cargas "agênticas de longo horizonte". Na prática, são tarefas em que o modelo age como um agente: recebe um objetivo, como consertar um defeito em um programa, e percorre sozinho uma longa sequência de passos, executando comandos, lendo o que voltou e corrigindo a rota. Ele recebe e produz apenas texto.
501 bilhões de parâmetros, mas só 23 bilhões de cada vez
O número do título é a soma de todos os pesos do modelo, os chamados parâmetros. A ficha técnica é mais precisa: 501,3 bilhões. Seria um gigante difícil de mover se todos trabalhassem ao mesmo tempo. Não trabalham.
O Beam usa uma arquitetura chamada mistura de especialistas (Mixture-of-Experts, ou MoE). Em vez de um bloco único, boa parte do modelo é dividida em sub-redes menores, os "especialistas". Das 52 camadas do Beam, as 3 primeiras são convencionais e as outras 49 seguem esse desenho. Cada uma delas tem 256 especialistas, e um mecanismo de roteamento escolhe só 8 para processar cada token, os pedaços de palavra com que esses sistemas leem e escrevem. A cada passo, cerca de 23 bilhões de parâmetros entram em ação (23,4 bilhões, pela ficha). O modelo guarda o conhecimento de um sistema enorme e gasta, por token gerado, o esforço de um bem menor.
Outra cifra grande é a janela de contexto de 1 milhão de tokens: o volume de texto que o modelo consegue levar em conta de uma só vez. Isso pesa quando a tarefa exige ler muito código antes de mexer em uma linha. A ficha informa que o conhecimento do Beam vai até 30 de junho de 2026 e que o desenvolvimento foi feito predominantemente em inglês.
Quem usa o modelo também escolhe quanto ele "pensa" antes de responder. São cinco níveis de esforço de raciocínio, de low a max, com o médio como padrão. A Reflection afirma que o Beam chega a soluções de qualidade comparável à dos principais modelos abertos usando cerca de três vezes menos tokens de raciocínio, ou seja, com menos rascunho interno até a resposta.
Possuir, sim. Guardar na gaveta, nem tanto
Então qualquer pessoa pode ter o Beam em casa? Na teoria, sim. Antes, convém olhar o tamanho do arquivo. Segundo o Hugging Face, a versão BF16, a mais fiel ao modelo treinado, ocupa cerca de 1 terabyte. Não é o tipo de download que se deixa rodando no celular antes de dormir.
O modelo saiu em três formatos: BF16, FP8 e NVFP4. A diferença está na precisão com que cada número é guardado. Menos informação por número significa arquivo menor e processamento mais leve, com algum risco de perda de qualidade. Essa compressão se chama quantização. A versão NVFP4, a mais enxuta, fica em torno de 280 GB. Para funcionar, o modelo precisa ser carregado na memória, e esse volume ainda está muito acima do que computadores pessoais costumam ter.
A lista de parceiros ajuda a entender para quem é esse "possuir". A Reflection cita Dell e HPE para instalações on-premises, montadas nas dependências do próprio cliente, além de entregas soberanas e air-gapped, termo para sistemas totalmente desconectados da internet. É o perfil de empresas e órgãos que não podem, ou não querem, mandar dados para servidores de terceiros.
Para quem só quer experimentar, o caminho é mais curto. A Reflection abriu um beta público em sua plataforma, que descreve como gratuito para começar, e diz que o Beam chega também a AWS, Google Cloud, Microsoft Foundry, Nvidia NIMs, OpenRouter e Together AI, entre outros. Segundo a empresa, o lançamento envolve mais de 40 parceiros.
Junto com os pesos vem um "rascunhador" para decodificação especulativa, que o Hugging Face identifica como DFlash2. A técnica usa um modelo auxiliar, pequeno e rápido, para propor os próximos tokens; o modelo grande só confere e aprova. O resultado costuma ser uma resposta mais rápida, sem mudar o que seria gerado.
Os resultados vêm da própria Reflection
Os números de desempenho são informados pela empresa, não por medições independentes. O Hugging Face reproduz a tabela creditando a equipe do laboratório. A ficha técnica traz os testes de programação nos três formatos:
| Teste | BF16 | FP8 | NVFP4 |
|---|---|---|---|
| Terminal Bench v2.1 | 80,1% | 78,9% | 78,4% |
| SWE-Bench Verified | 81,6% | 80,2% | 80,7% |
| SWE-Bench Pro v2-Hard | 76,5% | 78,4% | 78,6% |
| DeepSWE v1.1 | 43,3% | 43,0% | 42,7% |
O Terminal Bench mede a capacidade de cumprir tarefas na linha de comando, a tela de texto em que programadores digitam instruções ao computador. O SWE-Bench Verified pede ao modelo que resolva problemas reais de projetos de software, e os outros dois testes também avaliam engenharia de software. A compressão quase não mexeu nos resultados, e no SWE-Bench Pro v2-Hard as versões comprimidas pontuaram acima da original.
Há uma divergência pequena entre os documentos. Para o NVFP4 no Terminal Bench, a ficha técnica da Reflection informa 78,4%, e a tabela publicada pelo Hugging Face traz 78,2%. A empresa diz que as avaliações usaram temperatura 0,7 e top_p 0,99, ajustes que controlam quanto o modelo varia ao escolher cada token.
Fora da programação, o Hugging Face lista para a versão BF16 97,7% no AIME 2026, exame classificatório da olimpíada de matemática dos Estados Unidos, 90,6% no GPQA Diamond, com perguntas de ciência em nível de pós-graduação, e 51,1% no HLE com uso de ferramentas, uma bateria de perguntas difíceis de várias áreas.
Treinado em 1,3 bilhão de caixas de areia
Uma das etapas do treinamento foi o aprendizado por reforço (RL, na sigla em inglês), em que o modelo tenta resolver tarefas e recebe um sinal de acerto ou erro. Para um agente de programação, cada tentativa precisa de um lugar onde o código possa rodar sem estragar nada: as sandboxes, ou caixas de areia, ambientes isolados e descartáveis. A Reflection diz que, em suas maiores rodadas, usou cerca de 1,3 bilhão delas, somando treino, avaliação e ablações, experimentos em que se retira uma peça do sistema para medir a falta que ela faz. No pico, uma única hora da rodada final consumiu 883.006 vCPUs, processadores virtuais alugados em nuvem, espalhados por 23 clusters do Google Cloud e da AWS.
O programa que conduziu esse treinamento também foi aberto. Chamado Mirror CLI, é o que o setor chama de harness: a estrutura que dá ao modelo acesso a ferramentas, executa os comandos que ele pede e devolve os resultados. Tem interface em Python e núcleo de agente em Rust, duas linguagens de programação. Quem usar o Beam com ele vai trabalhar no mesmo ambiente em que o modelo foi treinado.
Os dados de treinamento, segundo a ficha, vêm de fontes públicas e de parceiros comerciais. Houve etapas dedicadas a raciocínio, uso de ferramentas, programação, tarefas de agente e disciplinas de STEM (ciência, tecnologia, engenharia e matemática).
Recusar o que é perigoso sem barrar o que é inofensivo
A Reflection publicou junto o Beam Safety Technical Report, com a metodologia e as avaliações de segurança. Na bateria combinada que a empresa chama de Iris, a versão BF16 recusou ou redirecionou 88,9% dos pedidos nocivos (89,7% em FP8 e 88,5% em NVFP4). Na outra ponta, atendeu 81,5% dos pedidos inofensivos (81,6% e 82,1% nas versões comprimidas).
As duas medidas puxam em direções opostas. Um modelo que recusa demais atrapalha quem tem uma dúvida legítima, e um que recusa de menos deixa passar o que não devia. Pelos números da própria empresa, cerca de um em cada nove pedidos nocivos não foi barrado, e quase um em cada cinco pedidos inofensivos ficou sem atendimento.
Ferramentas prontas e liberdade para mexer
O modelo chegou com o ferramental pronto. A Reflection lista suporte desde o primeiro dia em Transformers, do Hugging Face, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed e Dynamo, da Nvidia, programas que desenvolvedores usam para rodar e ajustar modelos. O Hugging Face acrescenta receitas para inferência (o uso do modelo para gerar respostas), ajuste fino supervisionado e aprendizado por reforço, incluindo o treino de todos os parâmetros com a ferramenta Miles.
A ficha técnica do Beam (abre em nova aba) afirma que a Reflection não proíbe destilação (usar o modelo grande para ensinar um menor), ajuste fino, quantização nem avaliações adversariais de boa-fé, aquelas em que pesquisadores tentam fazer o modelo falhar para expor problemas. O documento ressalva que nada ali altera a licença.
Para quem quiser pôr a mão na massa, o Hugging Face promete US$ 10 mil em créditos do Hub, sua plataforma, aos melhores projetos feitos com o Beam, com as inscrições na área de discussão do repositório do modelo.
Perguntas frequentes
O Beam pode ser usado de graça?
Os pesos estão disponíveis no Hugging Face sob a licença Apache 2.0, que permite uso, modificação e aplicação comercial sem pedir autorização. A Reflection também descreve o beta público em sua plataforma como gratuito para começar.
Dá para rodar o Beam em um computador pessoal?
Dificilmente. A versão BF16 ocupa cerca de 1 TB, e a mais compacta, NVFP4, perto de 280 GB, muito acima da memória dos computadores pessoais. Os caminhos indicados pela Reflection são provedores de nuvem ou instalações próprias com Dell e HPE.
Por que o modelo tem 501 bilhões de parâmetros, mas só 23 bilhões ativos?
Porque usa a arquitetura de mistura de especialistas. Nas camadas desse tipo há 256 especialistas, e só 8 são acionados para cada token, o que coloca em ação cerca de 23 bilhões de parâmetros por vez.
Os resultados de desempenho do Beam foram confirmados por terceiros?
Não. Os números foram informados pela própria Reflection, e o Hugging Face os reproduz creditando a equipe do laboratório. Há uma pequena divergência no Terminal Bench da versão NVFP4: 78,4% na ficha técnica e 78,2% na tabela do Hugging Face.