Reflection AI heeft Beam geïntroduceerd, een open-weight kunstmatig-intelligentiemodel met 501 miljard totale parameters, waarvan de volledige release later deze maand wordt verwacht.

Het bedrijf kondigde het model aan op 5 oktober 2026 en positioneert Beam als een westers antwoord op de Chinese open modellen die stilletjes een aanzienlijk deel van de werklast van ontwikkelaars hebben overgenomen. Open-weight releases van dit soort maken de getrainde parameters van een model beschikbaar voor download, waardoor bedrijven het kunnen inspecteren, aanpassen en draaien op hun eigen infrastructuur in plaats van uitsluitend afhankelijk te zijn van een gehoste dienst van een aanbieder.

Een sparse architectuur gebouwd voor efficiëntie

Beam is gebouwd op wat technisch bekendstaat als een sparse Mixture-of-Experts-architectuur. Hoewel het in totaal 501 miljard parameters bevat, zijn er slechts 23 miljard actief voor elk gegeven token—de basiseenheid van tekst, ruwweg gelijk aan een woord of een deel van een woord. Dat onderscheid is belangrijk omdat actieve parameters, niet de totale hoeveelheid, de kosten van het draaien van een model bepalen. Een zeer groot model dat op elk moment slechts een klein deel van zichzelf aanspreekt, kan capabel blijven zonder bij elk antwoord geld te verbranden.

Reflection zegt dat Beam is voorgetraind op 23,8 biljoen tokens en daarna grootschalige reinforcement learning heeft ondergaan, een proces waarin het model taken oefent en beloningen ontvangt voor goede antwoorden. Het bedrijf voerde meer dan 100 miljoen van deze oefenruns uit op 10.500 NVIDIA GB300 GPU's.\n## De benchmark-pitch

Reflection positioneert Beam tegen twee specifieke Chinese concurrenten: Z.ai's GLM-5.2 en Alibaba's Qwen 3.8-Max. Volgens de claims van het bedrijf is Beam gelijkwaardig aan of nadert het die modellen in prestaties, vooral in redeneren en coderen.

Beam behaalde een score van 80,9 op SWE-Bench Verified, een benchmark die test of een model echte softwarefouten kan oplossen, en 80,1 op Terminal Bench v2.1, die meet hoe goed een model operereert in een commandlineomgeving. Reflection zegt dat Beam dat competitieve niveau bereikt terwijl het 3 tot 4 keer minder inferentiecompute gebruikt.

De benchmarks zijn op dit moment zelf gerapporteerd, en het technische rapport is nog niet gepubliceerd. Onafhankelijke tests beginnen zodra de gewichten beschikbaar zijn.

De volledige modelgewichten en technische documentatie verschijnen later in oktober 2026 onder de Apache 2.0-licentie—een van de meest permissieve open-sourcelicenties die beschikbaar zijn, waarmee bedrijven de software over het algemeen mogen gebruiken, aanpassen en commercialiseren met weinig beperkingen.

Wie erachter zit

Reflection AI is een Amerikaanse startup, opgericht in maart 2024 door voormalige onderzoekers van Google DeepMind. Het bedrijf heeft sinds de oprichting meer dan $4 miljard opgehaald, en de laatste financieringsronde gaf een pre-money waardering van $25 miljard. Investeerders zijn onder andere Nvidia, Sequoia en Citigroup.

Het bedrijf heeft ook banden opgebouwd in Washington. De partnerschappen omvatten werk met het Pentagon en het Amerikaanse Ministerie van Energie, en Reflection zegt dat de focus verschuift naar schaalbare AI op maat voor zakelijke klanten.

Waarom de China-hoek ertoe doet

De markt voor open modellen heeft een geografisch probleem, althans vanuit een Amerikaans perspectief. Chinese open modellen hebben onlangs naar verluidt meer dan 30% van het tokenaandeel veroverd, en Reflection gokt dat er echte vraag is naar een eigen alternatief. Tokenaandeel volgt het volume aan tekst dat door verschillende modellen wordt verwerkt en dient als een ruwe maatstaf voor gebruik in de praktijk. Het verklaarde doel is om westerse gebruikers robuuste open-weight opties te bieden die niet afhankelijk zijn van Chinese aanbieders.

Voor overheidsinstanties en gereguleerde industrieën kan de herkomst van een model net zo veel tellen als de prestaties. Reflections werk met het Pentagon en het Ministerie van Energie suggereert dat het bedrijf die argumentatie krachtig omarmt.

Wat dit betekent

Voor zakelijke kopers is de efficiëntieclaim het verhaal om in de gaten te houden. Als Beam daadwerkelijk vergelijkbare prestaties in redeneren en coderen levert met 3 tot 4 keer minder inferentiecompute, verandert dat de rekensom van self-hosting, waarbij inferentiekosten bij elke query terugkomen en direct meeschalen met het gebruik.

Er zijn duidelijke risico's. Zelfgerapporteerde benchmarks hebben een lange geschiedenis van het er beter uit laten zien in een lanceringbericht dan in de praktijk, en codescores zijn bijzonder gevoelig voor hoe tests worden uitgevoerd. De belangrijkste data om in de gaten te houden zijn de geplande release van de gewichten en het technische rapport later in oktober 2026.

Bron: CryptoBriefing