O modelo de 501 bilhões que ainda perde para o chinês

No dia 5 de outubro, uma empresa americana chamada Reflection AI apresentou o seu primeiro modelo aberto. O nome é Beam. Ele tem 501 bilhões de parâmetros no total — mas acorda só 23 bilhões deles para cada palavra que escreve. O resto fica dormindo, guardado, esperando a vez.

A proposta é ambiciosa: ser o modelo aberto do Ocidente capaz de brigar de igual para igual com os melhores modelos abertos chineses, gastando muito menos computador na hora de responder. A empresa, com sede no Brooklyn, em Nova York, foi fundada em 2024 por dois ex-pesquisadores do Google DeepMind e tem a Nvidia entre os seus apoiadores. Em abril, o CEO confirmou uma rodada que avaliou a companhia em 25 bilhões de dólares.

Só que, quando você olha os números que a própria Reflection publicou, aparece um detalhe incômodo: nas tarefas que mais importam para quem usa IA no trabalho, o Beam fica atrás de modelos chineses que já estão no ar — e que, em alguns casos, nem aparecem no gráfico principal do anúncio.

O que é o Beam, sem jargão

Beam é um modelo de texto, do tipo Mixture of Experts (mistura de especialistas). A analogia mais simples é a de um hospital: são 501 médicos no prédio, mas cada consulta chama apenas 23 deles. O hospital inteiro custa caro para manter de pé, mas cada atendimento individual é barato porque pouca gente trabalha de verdade por vez.

Na prática: o modelo ocupa muito espaço em disco, mas é relativamente leve para rodar. Ele chega com 1 milhão de tokens de contexto (dá para colocar um livro grande ou uma base de código inteira numa única conversa) e é especializado em programação, raciocínio e agentes — programas que executam tarefas sozinhos.

Um detalhe importante: os pesos ainda não estão disponíveis. A Reflection promete soltar tudo — pesos, relatório técnico, card do modelo — sob a licença Apache 2.0 ainda neste mês. Hoje só existe uma lista de espera, e o modelo está passando por testes finais de segurança.

O treino: quatro semanas e 10.500 GPUs

O número mais impressionante do anúncio não é o tamanho do modelo, é o tamanho da conta de luz. A Reflection diz que pré-treinou o Beam em menos de quatro semanas num cluster de 6.144 GPUs NVIDIA GB300 NVL72, depois de engolir 23,8 trilhões de tokens de texto.

Depois veio a fase de aprendizado por reforço, aquela em que o modelo é treinado com tentativa e erro. Foram mais de 100 milhões de tentativas em 10.500 GPUs GB300, ao longo de quatro semanas, passando por cerca de um milhão de ambientes diferentes e 1,3 bilhão de caixas de areia (ambientes isolados, onde o modelo pode errar sem quebrar nada). A empresa afirma que a capacidade continuou subindo do começo ao fim, sem achatamento.

Gráfico de evolução do Beam durante o aprendizado por reforço — A curva de aprendizado do Beam durante o treino por reforço: as notas de Terminal-Bench 2.1, HLE e DeepSWE sobem conforme o modelo acumula tentativas. É o gráfico que a Reflection usa para dizer que o treino terminou "sem sinal de platô". (Fonte: Reflection AI, 05/10/2026)

Isso importa por um motivo simples: até agora, a vantagem chinesa em modelos abertos vinha da capacidade de treinar mais barato. Um laboratório americano com dinheiro de sobra de Vale do Silício anunciando eficiência como diferencial é uma mudança de discurso — e vale checar se o discurso se sustenta nos números.

A conta que não fecha

Vamos ao que interessa. A Reflection diz que o Beam é "competitivo com modelos abertos maiores como o GLM 5.2" e "se aproxima do Qwen 3.8-Max" em tarefas de código e agentes. A tabela abaixo reúne os números do próprio anúncio, colocando o Beam lado a lado com os rivais:

Teste	Beam	GLM 5.2	Qwen 3.8 Max	Kimi K3	DeepSeek V4.1 Flash
Terminal Bench v2.1	80,1	81,0	86,6	88,3	90,6
DeepSWE v1.1	44,4	44,0	51,0	68,0	74,2
Humanity's Last Exam (sem ferramentas)	36,2	40,5	43,6	46,9	39,1
AIME 2026 (matemática)	97,8	99,2	—	—	—
SWE-Bench Verified	80,9	—	—	—	—

O "—" significa que o número não foi divulgado. E aí está o ponto: como observou o daily.dev, o DeepSeek V4.1 Flash e o Kimi K3 simplesmente não aparecem no gráfico principal do anúncio — apesar de liderarem justamente as duas provas que a Reflection escolheu para se apresentar como referência.

No Terminal Bench, onde o modelo aberto americano marca 80,1, o DeepSeek V4.1 Flash marca 90,6 e o Kimi K3, 88,3. No DeepSWE, a distância é maior ainda: 44,4 contra 74,2. Ou seja, "competitivo com o GLM 5.2" é verdade — mas o GLM 5.2 não é mais o teto da categoria aberta desde setembro.

A eficiência: o argumento e o furo dele

O principal cartão de visitas do Beam não é a nota, é o preço da nota. A Reflection afirma que ele alcança desempenho parecido com o do GLM 5.2 usando de 3 a 4 vezes menos computação de inferência.

Esse número merece uma ressalva técnica, e ela é relevante. A conta se baseia nos FLOPs estimados de uma passada adiante (duas vezes os parâmetros ativos, vezes os tokens gerados). Ficam de fora o pré-processamento da pergunta, os mecanismos de atenção e todo o custo de servir o modelo. É uma estimativa, não uma medição.

Tem uma ironia aí. Se o argumento é eficiência, o DeepSeek V4 Pro — o modelo contra o qual a própria empresa se compara — é mais esparso: ele acorda 49 bilhões de 1,6 trilhão de parâmetros, uma taxa de 3,1% contra os 4,6% do Beam. O Beam é um modelo esparso menos esparso que o rival chinês, vendido como o mais eficiente da praça.

E o furo maior: o Beam não tem preço publicado. O DeepSeek V4 Pro aparece no catálogo por 0,66 dólar por milhão de tokens de entrada e 1,98 dólar por milhão de saída. O Beam, hoje, só existe numa lista de espera.

Gráfico de eficiência de inferência do Beam — O gráfico de eficiência do próprio anúncio: o eixo mostra o custo estimado em FLOPs e em tokens gerados. A ressalva é que o cálculo parte dos parâmetros ativos e ignora o resto do caminho — daí ser uma estimativa, e não uma conta paga. (Fonte: Reflection AI, 05/10/2026)

O teste que o próprio anúncio errou

Nas demonstrações, a Reflection publicou um teste de generalização para mostrar que o Beam resolve coisas que não estavam no treino. O texto do anúncio diz que o modelo foi desafiado a montar o mapa de terra e água do planeta numa grade de 16.200 pontos — o "enigma viral" que circulou nas redes — e justifica a escolha assim: "esse quebra-cabeça tem poucos dias de vida, então não poderia estar nos dados de treino".

O argumento ruiu no primeiro comentário. Um leitor apontou no Hacker News que esse mesmo desafio existe desde agosto de 2025, quando foi publicado no LessWrong — mais de um ano antes do treino. A conversa seguinte foi ainda mais dura: se o modelo tinha acesso a busca na web durante o teste, o resultado não diz nada sobre generalização.

Isso não desqualifica o Beam. Mas mostra que, num lançamento de modelo, até a premissa de um teste de generalização precisa ser lida com desconfiança.

Gráfico de utilização dos especialistas do modelo Beam — Detalhe técnico que vale a pena: os "especialistas" do Beam são usados de forma quase uniforme — o mais ocupado carrega só 1,04 vez a média. Balancear isso é caro e é um dos motivos pelos quais modelos de mistura de especialistas às vezes naufragam no treino. (Fonte: Reflection AI, 05/10/2026)

Como saber se um modelo existe de verdade

Beam é um caso perfeito para treinar o olho. Ao ler o anúncio de qualquer modelo novo, vale fazer quatro perguntas:

Dá para baixar os pesos? Não "vai dar", "dá". Sem pesos, não existe modelo aberto — existe promessa.
Existe card do modelo e relatório técnico? É onde ficam os detalhes que o marketing não mostra: dados de treino, limitações, testes que falharam.
Qual é o preço? Modelo sem preço publicado não pode ser colocado numa planilha — e é na planilha que a decisão de uma empresa acontece.
Alguém independente mediu? Nota publicada pelo próprio fabricante é ponto de partida, nunca ponto final.

O Beam, hoje, responde "não" às três primeiras. A promessa é que, até o fim de outubro, mude para "sim" — com pesos em Apache 2.0, versões em FP8 e NVFP4 e a pilha completa para rodar, avaliar e ajustar o modelo.

Por que isso importa no Brasil

Modelos abertos não são assunto de entusiasta. Para uma empresa brasileira, a diferença entre um modelo de API fechada e um modelo que você roda na sua própria máquina é a diferença entre mandar os dados dos seus clientes para fora e mantê-los dentro de casa — algo bem mais confortável diante da LGPD.

Por isso o argumento de eficiência do Beam seria relevante se comprovasse: menos computação por resposta significa menos GPU alugada e um custo por token que finalmente caberia no orçamento de uma média empresa. Mas a conta ainda não é pública, e o modelo que lidera essa corrida hoje é o mesmo que já roda em produção: o DeepSeek V4.1 Flash, com 200 tokens por segundo e um preço por milhão de tokens que a concorrência ainda não igualou.

A leitura honesta do anúncio é esta: a Reflection entrou no jogo aberto com um time de peso, uma conta de treino de fazer inveja e um discurso novo — eficiência, não tamanho. Só que o placar do primeiro tempo é dos chineses, e o Beam ainda está no vestiário esperando a liberação para entrar em campo. Quando os pesos saírem, em algumas semanas, aí sim haverá o que medir.