Beam: modelo de IA de 501 bilhões de parâmetros que roda no seu próprio servidor
O laboratório americano Reflection lançou um modelo gigante de código aberto focado em programação e agentes, que empresas podem rodar e customizar na própria infraestrutura sem depender da nuvem
O Beam é um modelo de inteligência artificial com 501 bilhões de parâmetros lançado pelo laboratório americano Reflection, projetado para empresas rodarem em sua própria infraestrutura. Ele usa arquitetura MoE (mistura de especialistas), ativando apenas 23 bilhões de parâmetros por vez, o que permite velocidade de um modelo pequeno com capacidade de um grande, e está disponível gratuitamente sob licença Apache 2.0.
O Beam, primeiro modelo do laboratório americano Reflection, acaba de ser publicado no Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) com uma proposta incomum: apesar de ter 501 bilhões de parâmetros (os valores numéricos que definem o comportamento de um modelo de inteligência artificial), ele pode rodar na infraestrutura própria de uma empresa — e foi desenhado justamente para isso. Focado em programação e tarefas autônomas, o modelo é distribuído sob licença Apache 2.0, o que significa que qualquer um pode baixá-lo, modificá-lo e usá-lo comercialmente sem restrições.
O segredo para tornar um modelo desse tamanho administrável está na arquitetura MoE (mistura de especialistas, em tradução livre), uma técnica em que apenas uma fração dos parâmetros é ativada para processar cada palavra. No caso do Beam, de todos os 501 bilhões de parâmetros armazenados na memória, apenas 23 bilhões trabalham em cada momento — o que faz o modelo rodar tão rápido quanto um modelo pequeno, mas com a capacidade de um muito maior. Ele tem 256 especialistas (pequenas redes neurais dentro do modelo maior) por camada, e escolhe apenas 8 deles para cada palavra processada.
Para lidar com contextos longos — até 1 milhão de tokens (pedaços de texto que o modelo processa de cada vez), o equivalente a centenas de páginas —, o Beam usa um sistema híbrido de atenção (o mecanismo que permite ao modelo relacionar diferentes partes do texto). A maioria das camadas olha apenas para as 512 palavras mais recentes, enquanto 9 camadas estratégicas enxergam o texto inteiro. Isso reduz drasticamente a memória necessária: processar 1 milhão de tokens consome cerca de 36 GB de memória, em vez dos 208 GB que um modelo tradicional precisaria.
A Reflection disponibilizou o modelo em três formatos de precisão numérica: BF16 (cerca de 1 terabyte), FP8 (ideal para chips Hopper e Ampere da NVIDIA) e NVFP4 (aproximadamente 280 GB, otimizado para GPUs Blackwell, que conseguem processar números de 4 bits nativamente). Nos testes divulgados pela empresa, o Beam alcançou 81,6% de acerto no SWE-bench Verified (um benchmark que mede a capacidade de resolver bugs reais de código) e 97,7% no AIME 2026 (um teste de matemática avançada), com diferenças mínimas entre as três versões.
O modelo já tem suporte de primeira hora nas bibliotecas transformers, SGLang e vLLM (ferramentas que facilitam rodar modelos de linguagem em produção), além de vir com um sistema próprio escrito em Rust (uma linguagem de programação focada em desempenho). A Reflection está oferecendo US$ 10 mil em créditos do Hugging Face para os melhores projetos criados com o Beam — podem ser demonstrações, versões otimizadas para hardware específico, conjuntos de dados sintéticos ou até benchmarks comparativos.
