La preentrenamiento se pudo completar en 12 días, pero el aprendizaje por refuerzo de Beam consumió 10.500 GB300 durante cuatro semanas completas. Misha Laskin, cofundador y CEO de Reflection AI @reflection_ai, desglosó los costos de entrenamiento del modelo abierto Beam. La empresa, fundada por dos exinvestigadores de Google DeepMind antes de 2026, completó una nueva ronda de financiación en abril con una valoración previa a la inversión de 25.000 millones de dólares. Beam tiene un total de 501 mil millones de parámetros y 23 mil millones de parámetros activados; la preentrenamiento consumió 23,8 billones de tokens, y los pesos ya se liberaron bajo licencia Apache 2.0 el 16 de octubre. La asignación de poder computacional entre las dos fases está invertida. La preentrenamiento se ejecutó en 6.144 GB300 NVL72 y, según él, con la infraestructura actual se podría completar en aproximadamente 12 días. La fase de RL utilizó 10.500 chips del mismo tipo durante cuatro semanas consecutivas, lo que equivale a aproximadamente 40.000 GB300-semanas, cuatro veces más que las aproximadamente 10.000 GB300-semanas de la preentrenamiento, y consumió aún más FLOPs.