Reflection Beam: Open-Weight-Modell mit 501 Mrd. Parametern
Reflection veröffentlicht Beam: 501 Milliarden Parameter, davon 23 Milliarden aktiv – und laut Firma drei- bis viermal weniger Rechenaufwand als GLM-5.2.
Kurz gesagt
Reflection hat mit Beam ein offenes Sprachmodell mit 501 Milliarden Parametern vorgestellt, das nach Firmenangaben die Reasoning-Leistung des chinesischen GLM-5.2 erreicht, dabei aber nur 23 Milliarden Parameter pro Token aktiviert.
Auf einen Blick
- 501 Milliarden Parameter insgesamt, davon 23 Milliarden pro Token aktiv – Mixture-of-Experts, reines Textmodell.
- Kontextfenster 1 Million Token, Vortraining auf 23,8 Billionen Token aus Web- und kommerziellen Quellen.
- Beam Base entstand auf 6.144 GPUs in unter vier Wochen; die RL-Phase nutzte 10.000 GB300 und 1,3 Milliarden Sandboxes.
- Vergleichsmodell GLM-5.2: rund 744 Milliarden Parameter, 40 Milliarden aktiv.
- Gewichte, Doku und Fine-Tuning-Werkzeuge sollen im Oktober 2026 folgen; bisher nur Early Access.
Reflection hat mit Beam ein offenes Sprachmodell mit 501 Milliarden Parametern vorgestellt, das nach Firmenangaben die Reasoning-Leistung des chinesischen GLM-5.2 erreicht, dabei aber nur 23 Milliarden Parameter pro Token aktiviert.
Was Beam technisch ist
Beam ist ein reines Textmodell mit Mixture-of-Experts-Architektur. Von den 501 Milliarden Parametern sind pro Token 23 Milliarden aktiv. Das Kontextfenster liegt bei 1 Million Token, das Vortraining umfasste 23,8 Billionen Token aus öffentlichen Web- und kommerziellen Quellen.
Zum Vergleich nennt TechCrunch für GLM-5.2 von Z.ai rund 744 Milliarden Parameter bei 40 Milliarden aktiven. SiliconANGLE beschreibt denselben Abstand anders: GLM-5.2 bringe etwa 250 Milliarden Parameter mehr mit, Beam komme bei manchen Aufgaben mit einem Drittel bis einem Viertel der Hardware aus.
Das eigentliche Versprechen ist der Rechenaufwand
Der Kern der Ankündigung ist nicht die Spitzenleistung, sondern deren Preis. Reflection beziffert den Inferenzaufwand auf drei- bis viermal weniger als bei konkurrierenden offenen Modellen. Bei vier Coding-Tests liege Beam vor Inkling, dem im Juli veröffentlichten offenen Modell von Mira Muratis Thinking Machines Lab.
An Qwen 3.8-Max mit über 2 Billionen Parametern reicht Beam laut SiliconANGLE heran, ohne das Niveau zu erreichen; hinter Frontier-Modellen wie Claude Fable 5.1 von Anthropic bleibt es zurück. Konkrete Benchmark-Punktzahlen nennt keine der beiden gelesenen Quellen.
Trainiert in zweimal vier Wochen
Beam Base entstand nach Angaben von SiliconANGLE auf einem Cluster aus 6.144 Grafikkarten in weniger als vier Wochen. Für die anschließende Reinforcement-Learning-Phase fuhr Reflection 10.000 GB300-Karten hoch und startete darauf 1,3 Milliarden Sandboxes. Auch diese Phase dauerte vier Wochen.
KI-Fabriken für Konzerne und Staaten
Das Geschäftsmodell zielt nicht auf Endkunden, sondern auf Unternehmen und souveräne Staaten. Reflection will „KI-Fabriken“ verkaufen: Institutionen trainieren die Modelle des Anbieters auf eigenen Daten und betreiben das Ergebnis lokal. In Südkorea testet das Unternehmen diesen Ansatz bereits mit der Shinsegae Group.
Dahinter steht viel fremdes Kapital. Reflection wurde 2024 von zwei früheren Google-DeepMind-Forschern gegründet, hat rund 4,7 Milliarden Dollar eingesammelt und wurde zuletzt mit 25 Milliarden Dollar pre-money bewertet; zu den Geldgebern zählen Nvidia, Sequoia Capital und Lightspeed Venture Partners. Im Sommer schloss die Firma Verträge über zusammen mehr als 7 Milliarden Dollar mit SpaceX und Nebius, um sich bis 2029 Nvidias GB300-Chips zu sichern. SiliconANGLE beziffert allein den SpaceX-Anteil auf 6,3 Milliarden Dollar für gemietete GB300-NVL72-Systeme.
Was offen bleibt
Verfügbar ist Beam bisher nur über ein Early-Access-Programm. Gewichte, Dokumentation und Fine-Tuning-Werkzeuge sollen noch im Oktober 2026 folgen, verteilt über Hyperscaler und Neoclouds sowie über Integrationen in Open-Source-Bibliotheken. Welche Lizenz dabei gilt, steht in keiner der beiden gelesenen Quellen – „open weight“ ist bislang eine Selbstbeschreibung ohne veröffentlichten Lizenztext.
Ebenfalls ungeprüft: Sämtliche Leistungsangaben stammen vom Anbieter, unabhängige Messungen liegen nicht vor. TechCrunch schreibt, Reflection habe auf Nachfragen nicht rechtzeitig geantwortet. Eine dritte Fachquelle war bei der Recherche nicht abrufbar, deshalb ließen sich Details wie die Zahl der Experten im Modell nicht gegenprüfen.
Häufige Fragen
Was ist Reflection Beam?
Beam ist ein offenes Sprachmodell des US-Start-ups Reflection mit 501 Milliarden Parametern in Mixture-of-Experts-Bauweise, von denen pro Token 23 Milliarden aktiv sind. Es verarbeitet nur Text und hat ein Kontextfenster von 1 Million Token.
Wann werden die Gewichte von Beam veröffentlicht?
Reflection kündigt Gewichte, Dokumentation und Fine-Tuning-Werkzeuge für Oktober 2026 an, ausgeliefert über Hyperscaler und Neoclouds. Bis dahin ist das Modell nur über ein Early-Access-Programm zugänglich; einen Lizenztext hat die Firma bislang nicht genannt.
Ist Beam besser als GLM-5.2?
Reflection reklamiert gleichwertige Reasoning-Leistung bei drei- bis viermal weniger Inferenzaufwand, bei vier Coding-Tests auch einen Vorsprung vor Inkling. Belegt ist das bisher nur durch Firmenangaben, unabhängige Benchmarks fehlen.
