Reflection Beam: 501-Milliarden-Modell offen – aber nur für Rechenzentren

Worum es geht

Reflection AI ist ein US-Start-up, das ehemalige Forscher von Google DeepMind im März 2024 gegründet haben. Mit Beam hat die Firma ihr erstes Open-Weight-Modell vorgestellt. Angekündigt wurde es am 5. Oktober 2026, zunächst nur für eine Warteliste. Am 16. Oktober folgten die Gewichte auf Hugging Face, unter der sehr freizügigen Apache-2.0-Lizenz. Sie erlaubt auch kommerzielle Nutzung und eigene Anpassungen. Beam ist ein reines Textmodell und für Programmieren, logisches Denken und agentische Aufgaben gedacht, bei denen die KI selbstständig mehrere Schritte ausführt.

Reflection hat mehr als 4 Milliarden Dollar eingesammelt, zuletzt bei einer Bewertung von 25 Milliarden Dollar vor der Finanzierungsrunde. Zu den Geldgebern gehören Nvidia, Sequoia und die Citigroup. Die Firma arbeitet mit dem Pentagon und dem US-Energieministerium zusammen und stellt Beam ausdrücklich als westliche Antwort auf chinesische Open-Weight-Modelle dar. Laut cryptobriefing.com stammen inzwischen mehr als 30 Prozent der über solche Modelle abgerechneten Tokens aus China.

501 Milliarden Parameter, 23 Milliarden aktiv

Beam ist ein Mixture-of-Experts-Modell (MoE). Ein großer Teil des Netzes ist in viele kleinere „Experten“ aufgeteilt, und ein Verteiler (Router) wählt für jedes Token, also etwa ein Wort oder Wortteil, nur wenige davon aus. Von den 501 Milliarden Parametern rechnen deshalb pro Token nur 23 Milliarden. Das Kontextfenster, also die Textmenge, die das Modell auf einmal im Blick behalten kann, reicht bis zu einer Million Tokens.

In einem Beitrag auf Towards Data Science weist ein Autor auf einen Denkfehler hin, der bei solchen Zahlen häufig passiert: Die aktiven Parameter bestimmen, wie viel Rechenleistung ein Token kostet. Am Speicherbedarf ändern sie nichts. Der Router kann das nächste Token zu ganz anderen Experten schicken, also müssen alle jederzeit im Speicher bereitliegen. Der Autor vergleicht das mit einem Krankenhaus:

„Jeder Patient sieht nur wenige Fachärzte, also ist jeder Besuch günstig – aber Gebäude und Gehälter müssen trotzdem für alle bezahlt werden.“

Sein Fazit: MoE verlagert die Kosten von der Rechenleistung auf den Speicher, sie verschwinden nicht.

Die Hardware-Realität

Reflection hat die Gewichte in drei Genauigkeiten veröffentlicht. BF16 ist die volle Genauigkeit mit 16 Bit pro Zahl. Bei FP8 wird jede Zahl mit 8 Bit gespeichert, und NVFP4 ist Nvidias 4-Bit-Format für die Blackwell-Generation. Der Autor hat die veröffentlichten Größen mit einer einfachen Rechnung verglichen (Parameterzahl mal Bits pro Parameter):

Die 4-Bit-Version ist rund 40 GiB schwerer, als die Rechnung erwarten lässt. Der Autor vermutet, dass Skalierungsdaten und einige in höherer Genauigkeit belassene Schichten den Unterschied ausmachen, bezeichnet das aber selbst als Vermutung. Laut den Deployment-Anleitungen von Nvidia Dynamo und AWS braucht FP8 acht H200-GPUs, NVFP4 vier B300-GPUs. Auch die kleinste Version verlangt also einen Server mit mehreren Rechenzentrums-Grafikkarten. Dazu kommt der KV-Cache, ein Zwischenspeicher, der mit jedem Token im Kontext wächst und bei einer Million Tokens sehr groß werden kann.

Am Start der Gewichte war die Software-Unterstützung breit: Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed und Nvidia Dynamo unterstützten Beam vom ersten Tag an. Außerdem gibt es ein Drafter-Modell für Speculative Decoding. Dabei schlägt ein kleines Modell mehrere Tokens im Voraus vor, und das große prüft sie in einem Rutsch, was die Ausgabe beschleunigt.

Benchmarks: stark, aber selbst gemessen

Alle folgenden Werte stammen von Reflection. TechCrunch und The Next Web betonen, dass sie noch nicht unabhängig überprüft sind.

Reflection gibt selbst zu, dass Moonshots Kimi K3 bei der reinen Leistungsfähigkeit vorn liegt. Das Argument für Beam ist die Effizienz: Bei anspruchsvollen Denkaufgaben soll es mit GLM-5.2 von Z.ai gleichziehen und dabei drei- bis viermal weniger Rechenleistung brauchen. Alibabas Qwen 3.8-Max soll es nahekommen. Laut The Next Web bezeichnet Reflection die Effizienzangabe selbst als ungefähren Vergleich und nicht als gemessene Kosten. Der Towards-Data-Science-Autor erklärt, dass diese Schätzung auf der Zahl der aktiven Parameter und der Menge der „Denk-Tokens“ beruht. Wartezeit, Durchsatz, Stromverbrauch und tatsächliche Preise lässt sie außen vor.

Beim Training hat Reflection laut Baseten eine Längenstrafe eingesetzt, damit das Modell mit weniger Tokens auskommt. Wie lange Beam nachdenkt, lässt sich über den Parameter „Reasoning Effort“ einstellen. Die eigene API steht standardmäßig auf „medium“, OpenRouter dagegen auf „max“. Dieselbe Anfrage kann deshalb je nach Anbieter sehr unterschiedlich viel kosten.

Training, Werkzeuge und Verfügbarkeit

Vortrainiert wurde Beam auf 23,8 Billionen Tokens, laut The Next Web in weniger als vier Wochen auf 6.144 Nvidia-GB300-GPUs. Danach folgte vier Wochen lang Reinforcement Learning, bei dem das Modell Aufgaben übt und für gute Lösungen belohnt wird. Dafür liefen 10.500 GB300-GPUs, die über 100 Millionen Übungsdurchläufe erzeugten. Einschließlich Tests und Experimenten kamen laut Reflection rund 1,3 Milliarden abgeschottete Testumgebungen (Sandboxes) zum Einsatz. Nebenbei soll Beam gelernt haben, besser im Web zu recherchieren, obwohl keine Browsing-Aufgaben im Training waren.

Für die Sicherheit hat Reflection einen zweiten Modellzweig auf Sicherheit trainiert und dann mit dem Hauptmodell verschmolzen. Ein Safety Technical Report liegt vor. Laut CEO Misha Laskin prüfen zudem das US Center for Advancing Innovation and Standards for Super Intelligence und das britische AI Safety Institute das Modell.

Zusätzlich hat Reflection Mirror CLI als Open Source veröffentlicht, ein Programmier-Agent für das Terminal, der zusammen mit Beam trainiert wurde. Beam ist bei mehr als 40 Partnern verfügbar, darunter AWS, Google Cloud, Azure, Together AI, OpenRouter, Fireworks, LM Studio und Ollama. Dell und HPE liefern es für abgeschottete Firmennetze. Reflections eigene API unter platform.reflection.ai ist in einer kostenlosen öffentlichen Beta. Baseten listet pro einer Million Tokens 1,30 Dollar für Input, 4,30 Dollar für Cache-Input und 0,13 Dollar für Output. Diese Aufteilung ist ungewöhnlich, weil Output sonst meist am teuersten ist. Ob sich in der Liste ein Fehler eingeschlichen hat, ist unklar.

Was du zum Ausprobieren brauchst

Für einen normalen PC oder Mac ist Beam praktisch nicht geeignet. Schon die kleinste 4-Bit-Version belegt 273 GiB, das ist weit mehr als jede Consumer-Grafikkarte und auch mehr als die meisten Workstations an Arbeitsspeicher haben. Realistisch sind Server mit vier B300-GPUs (NVFP4) oder acht H200-GPUs (FP8). Einzelne Hochleistungsrechner mit sehr viel einheitlichem Speicher könnten theoretisch an die Grenze kommen, dazu gibt es aber keine Angaben. Dass LM Studio und Ollama als Partner genannt werden, heißt nicht, dass es auf Heimhardware läuft. Für Privatleute und die meisten Teams ist der einfachste Weg die kostenlose Beta-API von Reflection oder ein Anbieter wie OpenRouter.

Einordnung

Beam ist eines der bislang größten und leistungsstärksten Open-Weight-Modelle aus den USA, und die Apache-2.0-Lizenz ist vorbildlich offen. Für Behörden und regulierte Branchen, die keine chinesischen Modelle einsetzen wollen oder dürfen, ist das eine echte Alternative. Die Werkzeuge rund um den Start, von Mirror CLI über die Fine-Tuning-Rezepte bis zum Safety Report, sind ungewöhnlich umfangreich.

Kritisch bleibt zweierlei. Erstens stammen alle Benchmark- und Effizienzangaben bisher vom Hersteller, und unabhängige Tests sind laut Towards Data Science noch dünn. Zweitens bedeutet „offen“ hier nicht „für jeden betreibbar“: Selbst hosten können Beam nur Organisationen mit Rechenzentrumshardware. Bei der reinen Leistung liegt Kimi K3 nach Reflections eigener Aussage vorn. Ob die versprochene Effizienz sich in echten Kosten niederschlägt, müssen Messungen erst zeigen. Reflection trainiert bereits das nächste Modell. Mitgründer Ioannis Antonoglou hat für 2027 deutlich größere Modelle angekündigt, mehrsprachige und multimodale Fähigkeiten sollen folgen.