Reflection AI · modelo de lenguaje
Beam 1.0 501B A23B: precio, contexto y benchmarks
Beam 1.0 501B A23B es un modelo de lenguaje de Reflection AI lanzado el 16 de octubre de 2026. Cuesta 0,25 US$ por millón de tokens de entrada y 1 US$ de salida, con un contexto de 1 M tokens. Por ahora no hay ninguna puntuación independiente publicada.
| Precio | 19/30 | |
|---|---|---|
| Contexto | 14/15 | |
| Funciones | 15/15 |
Lo que hay que saber de Beam 1.0 501B A23B
Beam 1.0 501B A23B fue publicado por Reflection AI (Estados Unidos) el 16 de octubre de 2026. Acepta texto como entrada y produce texto. Su ventana de contexto alcanza 1.048.576 tokens, más que el 93 % de los modelos del registro, y puede escribir hasta 131.072 tokens de una vez.
Es un modelo reciente: todavía hay pocas opiniones de uso y puntuaciones independientes.
Precio de Beam 1.0 501B A23B
En OpenRouter, Beam 1.0 501B A23B cuesta 0,25 US$ por millón de tokens de entrada y 1 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 0,438 US$ por millón, más caro que el 37 % de los modelos de pago (1,7 veces menos que la mediana de 0,76 US$).
Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,001 US$. Con 1.000 tareas al día, cuente 30 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.
Los tokens ya enviados y en caché se facturan a 0,05 US$ por millón.
Rendimiento y benchmarks
Epoch AI aún no publica un índice de capacidades para Beam 1.0 501B A23B. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- Admite la llamada a herramientas: puede manejar un agente IA, llamar a API o a servidores MCP.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Es un modelo de razonamiento: «piensa» antes de responder, lo que ayuda en tareas difíciles pero consume más tokens de salida.
- Sus conocimientos llegan hasta junio de 2026.
Sus pesos son abiertos y se pueden descargar en Hugging Face (licencia apache-2.0): puede ejecutarlo en sus propias máquinas sin enviar sus datos a terceros. Con 501.267.612.352 mil millones de parámetros, necesita unos 280.105.105.984 GB de memoria en cuantización de 4 bits. Comprobar con la calculadora de VRAM. Se descargó 5209 veces en Hugging Face el mes pasado.
Veredicto
Beam 1.0 501B A23B obtiene 80/100 según nuestra tabla, que solo usa cifras publicadas.
Puntos fuertes
- Contexto muy amplio (1 M tokens): documentos largos o todo un código caben en una petición.
- Pesos abiertos: autoalojable, sus datos se quedan con usted.
- Listo para agentes: llamada a herramientas y salidas JSON estructuradas.
Limitaciones
- Ninguna puntuación independiente publicada: rendimiento no verificable.
- Solo texto: no lee imágenes ni archivos.
Evítelo si…
- quiere alojarlo en un solo ordenador doméstico (≈ 280.105.105.984 GB necesarios en 4 bits).
Alternativas
- GLM 5.30,41 US$
- GPT-5.6 Luna0,45 US$
- GPT-5.6 Luna Pro0,45 US$
- MiniMax M30,53 US$
- LongCat 2.00,53 US$
- Gemini 3.1 Flash Lite0,56 US$
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta Beam 1.0 501B A23B?
0,25 US$ por millón de tokens de entrada y 1 US$ de salida en OpenRouter (dato del 25 de octubre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,001 US$.
¿Qué tamaño tiene el contexto de Beam 1.0 501B A23B?
1.048.576 tokens, unas 786.000 palabras, con un máximo de 131.072 tokens de salida.
¿Se puede usar Beam 1.0 501B A23B en local?
Sí, sus pesos están publicados con licencia apache-2.0. Cuente unos 280.105.105.984 GB de memoria en 4 bits.
¿Sirve Beam 1.0 501B A23B para un agente IA?
Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.
¿Qué alternativas hay a Beam 1.0 501B A23B?
Los modelos más cercanos en precio y rendimiento son GLM 5.3, GPT-5.6 Luna y GPT-5.6 Luna Pro.
Artículos relacionados
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
- ¿Modelos de código abierto o cerrados para sus agentes?5 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos