Nvidia-gestützte Reflection AI stellt Beam vor: erstes Open-Source-Modell als Herausforderung an Chinas KI-Führung
Wichtige Erkenntnisse
- •Reflection, ein New Yorker Startup, das von Nvidia unterstützt wird und mit 25 Milliarden US-Dollar bewertet ist, hat Beam vorgestellt – sein erstes Open-Source-KI-Modell, das mit chinesisch geführten offenen Modellen wie Moonshots Kimi K3 und DeepSeeks V4 konkurrieren soll.
- •In Reflections internen Benchmark-Tests erreichte Beam Werte ähnlich denen von GLM-5.2 des in Peking ansässigen Unternehmens Z.ai, das im Juli veröffentlicht und später von GLM-5.3 abgelöst wurde.
- •Reflection gibt an, Beam sei drei- bis viermal so effizient wie konkurrierende offene Modelle westlicher Unternehmen und liefere wettbewerbsfähige Coding- und Agenten-Leistung bei einem Bruchteil der Token-Kosten und der Inferenzzeit-Rechenleistung.
- •Vor dem Launch sicherte sich Reflection eine Partnerschaft im Mai zur Belieferung von zwei US-Ministerien, einen Rechen-Deal über 6,3 Milliarden US-Dollar mit SpaceX und einen Deal über 1 Milliarde US-Dollar mit Nebius – insgesamt mehr als 7 Milliarden US-Dollar an Kapazität innerhalb von zwei Monaten.
- •Unabhängige Nutzungs-Rankings auf OpenRouter platzieren derzeit chinesische Anbieter und Nvidia an der Spitze des Open-Model-Leaderboards, während Reflection angibt, bereits das nächste, größere Modell auf seiner Roadmap zu trainieren.

Die Vereinigten Staaten haben einen neuen Wettbewerber im Rennen um das beste Open-Source-KI-Modell der Welt gewonnen – ein Wettbewerb, der derzeit von China dominiert wird, dessen beliebte Veröffentlichungen Moonshots Kimi K3 und DeepSeeks V4 umfassen.
Reflection, ein KI-Unternehmen mit Sitz in New York City, hat Beam vorgestellt, sein erstes Modell, das laut dem Unternehmen gegenüber Fortune „den Fortschritt für das westliche offene Ökosystem vorantreibt“.
In unternehmensinternen Benchmark-Tests erreichte Beam Werte ähnlich denen von GLM-5.2, einem offenen Modell des in Peking ansässigen Unternehmens Z.ai, das im Juli veröffentlicht wurde. Diesem Modell folgte GLM-5.3 nach, das Z.ai im August vorstellte.
Reflection sagte, Beam sei im Betrieb günstiger als viele konkurrierende Modelle. „Durch hochrechenintensives Reinforcement Learning konnten wir Beam extrem effizient beim Reasoning machen – mit wettbewerbsfähiger Leistung bei Coding- und Agenten-Aufgaben bei einem Bruchteil der Token-Kosten und der Rechenleistung zur Inferenzzeit“, teilte das Unternehmen mit. Beam sei zudem drei- bis viermal so effizient wie rivalisierende offene Modelle westlicher Unternehmen, und Reflection positioniert Beam als „Workhorse“ für Unternehmen, den öffentlichen Sektor und Entwickler. Die Wirtschaftlichkeit ist zentral für dieses Verkaufsargument: Da Organisationen, die offene Modelle einsetzen, die Rechenkosten selbst tragen, wirken sich Einsparungen bei Token-Kosten und Inferenz-Rechenleistung direkt auf die Betriebskosten aus.
Dem Launch gingen eine Reihe hochkarätiger Partnerschaften und Rechen-Deals voraus. Im Mai ging das Unternehmen eine Partnerschaft ein, um seine Modelle an das US-Energiisterium und das US-Kriegsministerium zu liefern. Im Juni unterzeichnete es einen Rechen-Deal über 6,3 Milliarden US-Dollar mit SpaceX für den Zugang zu Nvidia-GB300-Chips im Colossus-2-Rechenzentrum des Unternehmens, wie CNBC berichtete. Im Juli kam ein weiterer Rechen-Deal über 1 Milliarde US-Dollar über den Cloud-Anbieter Nebius hinzu, wie Bloomberg berichtete. Die beiden Rechen-Vereinbarungen zusammen umfassen mehr als 7 Milliarden US-Dollar an Kapazität, die innerhalb von zwei Monaten gesichert wurde.
Reflection wurde im März 2024 von den ehemaligen Google-DeepMind-Forschern Misha Laskin, heute CEO, und Ioannis Antonoglou, Präsident und CTO des Startups, gegründet. Das von Nvidia unterstützte Unternehmen wird mit 25 Milliarden US-Dollar bewertet, wie Laskin im April gegenüber CNBC sagte.
Die bekanntesten KI-Unternehmen – OpenAI, Anthropic und Google DeepMind – haben überwiegend Modelle entwickelt, auf die Kunden nur über eine Schnittstelle namens API zugreifen können: Sie senden einen Prompt und erhalten eine Antwort. Open-Source-Modelle hingegen können von Nutzern vollständig heruntergeladen, auf eigener Hardware oder Cloud-Infrastruktur betrieben und auf vielfältige Weise feingetunt oder modifiziert werden. Große Unternehmen neigen zunehmend zu diesen offenen Modellen, weil sie Kontrolle über Datensicherheit und Kosten bieten, auch wenn die Modelle bei der Leistung oft hinter proprietären Systemen zurückliegen.
„Offene Systeme entwickeln sich schneller weiter, ziehen eine breitere Beteiligung an und fördern Ökosysteme aus Forschung und Innovation, die keine einzelne Organisation allein erreichen kann“, heißt es im Mission Statement des Unternehmens auf dessen Website. „Sie sind auch sicherer: Wenn Systeme offen einsehbar sind, können mehr Forscher Schwachstellen identifizieren, Schutzmaßnahmen verbessern und zu ihrer langfristigen Widerstandsfähigkeit beitragen.“
Das westliche Unternehmen, das Reflection am ehesten vergleichbar ist, dürfte Thinking Machines Lab sein, das von OpenAIs ehemaliger CTO Mira Murati gegründet wurde. Es stellte sein erstes Modell, Inkling, im Juli vor. Nvidia bietet ebenfalls ein offenes Modell namens Nemotron an, und auch OpenAI, Google und Meta bieten offene Modelle an.
Nvidias Nemotron ist das am besten platzierte US-Modell auf OpenRouters Large Language Model (LLM) Leaderboard und lag zum Zeitpunkt der Erstellung dieses Artikels auf Platz 6. OpenRouter ist ein Gateway, das Nutzer mit mehreren Routern verbindet und verfolgt, welche am häufigsten genutzt werden. Wird das Leaderboard nach offenen Modellen gefiltert, stammen die obersten Einträge von DeepSeek, Z.ai, Xiaomi, Tencent und Nvidia. OpenAIs gpt-oss-Modell ist das nächstbeste US-Modell, auf Platz 19. Anders als Reflections interne Benchmarks basieren diese Rankings auf realer Nutzung und bilden damit einen unabhängigen Referenzpunkt, während Beam die Nutzer erreicht.
Reflection sagte, das Unternehmen sei „bereits dabei, das nächste, größere Modell auf unserer Roadmap zu trainieren“.
Diese Geschichte erschien ursprünglich auf une.com.