Reflection AI hat Beam vorgestellt, ein Open-Weight-KI-Modell mit insgesamt 501 Milliarden Parametern; die vollständige Veröffentlichung wird noch in diesem Monat erwartet.

Das Unternehmen gab das Modell am 5. Oktober 2026 bekannt und präsentiert Beam als westliche Antwort auf die chinesischen offenen Modelle, die still einen erheblichen Teil der Entwickler-Workloads übernommen haben. Open-Weight-Veröffentlichungen dieser Art machen die trainierten Parameter eines Modells zum Download verfügbar, sodass Unternehmen das Modell prüfen, anpassen und auf ihrer eigenen Infrastruktur betreiben können, statt ausschließlich auf einen gehosteten Dienst eines Anbieters angewiesen zu sein.

Eine sparse Architektur für Effizienz

Beam basiert auf einer Architektur, die technisch als sparse Mixture-of-Experts bezeichnet wird. Das Modell umfasst insgesamt 501 Milliarden Parameter, von denen jedoch nur 23 Milliarden für ein bestimmtes Token aktiv sind – ein Token ist die grundlegende Texteinheit und entspricht in etwa einem Wort oder einem Wortteil. Dieser Unterschied ist wichtig, denn die aktiven Parameter – nicht die Gesamtzahl – bestimmen die Kosten des Modellbetriebs. Ein sehr großes Modell, das jeweils nur einen kleinen Teil von sich aktiviert, kann leistungsfähig bleiben, ohne bei jeder Antwort unnötig Kosten zu verursachen.

Reflection zufolge wurde Beam auf 23,8 Billionen Tokens vortrainiert und anschließend durch groß angelegtes Reinforcement Learning verfeinert – ein Prozess, bei dem das Modell Aufgaben übt und für gute Antworten belohnt wird. Das Unternehmen führte mehr als 100 Millionen dieser Übungsrollouts auf 10.500 NVIDIA-GB300-GPUs durch.

Die Benchmark-Argumentation

Reflection positioniert Beam gegen zwei konkrete chinesische Konkurrenten: GLM-5.2 von Z.ai und Qwen 3.8-Max von Alibaba. Nach Angaben des Unternehmens erreicht Beam bei der Leistung das Niveau dieser Modelle oder kommt daran heran, insbesondere bei Reasoning und Coding.

Beam erzielte 80,9 Punkte bei SWE-Bench Verified, einem Benchmark, der prüft, ob ein Modell echte Softwarefehler beheben kann, sowie 80,1 bei Terminal Bench v2.1, der misst, wie gut ein Modell in einer Kommandozeilen-Umgebung arbeitet. Reflection zufolge erreicht Beam dieses konkurrenzfähige Niveau mit 3- bis 4-mal weniger Inferenz-Compute.

Die Benchmark-Ergebnisse sind derzeit selbst berichtet; der technische Bericht wurde noch nicht veröffentlicht. Unabhängige Tests beginnen, sobald die Gewichte verfügbar sind.

Die vollständigen Modellgewichte und die technische Dokumentation sollen im weiteren Verlauf des Oktober 2026 unter der Apache-2.0-Lizenz erscheinen – einer der permissivsten Open-Source-Lizenzen, die Unternehmen im Allgemeinen die Nutzung, Modifikation und Kommerzialisierung der Software mit wenigen Einschränkungen erlaubt.

Wer dahintersteckt

Reflection AI ist ein US-Startup, das im März 2024 von ehemaligen Google-DeepMind-Forschern gegründet wurde. Das Unternehmen hat seit seiner Gründung mehr als 4 Milliarden US-Dollar aufgenommen; die letzte Finanzierungsrunde legte die Pre-Money-Bewertung auf 25 Milliarden US-Dollar fest. Zu den Investoren zählen Nvidia, Sequoia und Citigroup.

Das Unternehmen hat zudem Verbindungen nach Washington aufgebaut. Zu seinen Partnerschaften gehören Projekte mit dem Pentagon und dem US-Energieministerium; Reflection gibt an, dass sich der Fokus auf skalierbare KI für Enterprise-Kunden verlagert.

Warum der China-Winkel wichtig ist

Der Markt für offene Modelle hat ein geografisches Problem – zumindest aus US-Sicht. Chinesischen offenen Modellen gehört Berichten zufolge zuletzt mehr als 30 % des Token-Anteils, und Reflection wettet, dass echte Nachfrage nach einer heimischen Alternative besteht. Der Token-Anteil bildet das Volumen der durch verschiedene Modelle verarbeiteten Texte ab und dient als grobes Maß für die tatsächliche Nutzung. Das erklärte Ziel ist es, westlichen Nutzern robuste Open-Weight-Optionen zu bieten, die nicht von chinesischen Anbietern abhängig sind.

Für Regierungsbehörden und regulierte Branchen kann die Herkunft eines Modells ebenso wichtig sein wie seine Leistung. Reflections Arbeit mit dem Pentagon und dem Energieministerium deutet darauf hin, dass das Unternehmen dieses Argument gezielt besetzt.

Was das bedeutet

Für Enterprise-Kunden ist die Effizienzbehauptung das entscheidende Thema. Liefert Beam tatsächlich vergleichbare Reasoning- und Coding-Leistung mit 3- bis 4-mal weniger Inferenz-Compute, verändert dies die Kalkulation für Self-Hosting, wo Inferenzkosten bei jeder Abfrage anfallen und direkt mit der Nutzung skalieren.

Es gibt klare Risiken. Selbst berichtete Benchmarks fielen in der Vergangenheit häufig besser aus als in der Praxis und insbesondere Coding-Werte können empfindlich davon abhängen, wie die Tests durchgeführt werden. Die wichtigsten Termine sind die geplante Veröffentlichung der Gewichte und der technische Bericht im späteren Oktober 2026.

Quelle: CryptoBriefing