Reflection stellt Beam vor: ein offenes Modell für Programmierung und Agenten, dessen Effizienz noch überprüft werden muss

Was Reflection angekündigt hat und was über die Verfügbarkeit bekannt ist

Reflection AI hat Beam als sein erstes Modell mit offenen Gewichten vorgestellt. Es soll für Programmierung, Schlussfolgern und agentische Aufgaben mit Werkzeugnutzung ausgelegt sein. Das Unternehmen beschreibt Beam als Mixture-of-Experts-Modell (MoE) mit insgesamt 501 Milliarden Parametern, von denen pro Token 23 Milliarden aktiv sind. Diese Angaben stammen aus der Ankündigung des Unternehmens und sind für sich genommen keine unabhängige Bewertung der Fähigkeiten.

Laut Reflection durchläuft Beam abschließende Prüfungen und Sicherheitstests; Interessierte können sich für einen frühen Zugang anmelden. Das Unternehmen kündigte außerdem an, die Gewichte, einen technischen Bericht, eine Modellkarte und Materialien für Entwickler später im Oktober 2026 zu veröffentlichen. Der genaue Veröffentlichungstermin und die tatsächliche Verfügbarkeit lassen sich anhand der vorliegenden Dokumentation nicht bestätigen. Daher sollten die Gewichte nicht als bereits öffentlich herunterladbar beschrieben werden.

Reflection nannte Apache 2.0 als die vorgesehene Lizenz für die Gewichte. Die verfügbaren Unterlagen enthalten jedoch weder eine veröffentlichte Kopie dieser Gewichte noch Lizenzbedingungen, die bereits für tatsächlich verbreitete Dateien gelten. Die Lizenz ist deshalb als angekündigte Absicht zu behandeln, bis sie sich im Repository oder in den bereitgestellten Dateien überprüfen lässt.

Was aktive Parameter bei einem MoE-Modell bedeuten

Ein MoE-Modell unterteilt sein Netz in Gruppen spezialisierter Parameter, sogenannte Experten. Eine Routing-Komponente wählt aus, welche Experten an der Verarbeitung eines Tokens mitwirken. Bei Beam beschreiben die 501 Milliarden Parameter laut Reflection die Gesamtgröße des Modells; die 23 Milliarden aktiven Parameter sollen den Teil bezeichnen, der an der Berechnung pro Token beteiligt ist. Die beiden Zahlen sind keine austauschbaren Angaben zur Modellgröße.

Wenn pro Token weniger Parameter aktiv sind, kann das einen Teil des Rechenaufwands bei der Generierung verringern, verglichen mit einer Architektur, die in jedem Schritt alle Parameter verwendet. Das bedeutet jedoch nicht, dass das gesamte Modell im Speicher nur so viel Platz beansprucht, wie 23 Milliarden Parameter benötigen. Für den Betrieb zählen auch die Speicherung der Gewichte, die numerische Genauigkeit, der Arbeitsspeicher, die Kontextlänge, die Hardware und die Implementierung. Ohne diese Angaben und entsprechende Messungen lässt sich aus dem Anteil aktiver Parameter weder der Gesamtaufwand noch die Geschwindigkeit im Produktivbetrieb ableiten.

Auch die Parameterzahl allein reicht nicht aus, um die Qualität einzuschätzen. Trainingsdaten und Trainingsverfahren, die Architektur sowie die Qualität der Werkzeuge und der Testumgebung spielen ebenfalls eine Rolle. Die Angabe zu den aktiven Parametern kann helfen, einen möglichen Vorteil beim Rechenaufwand pro Token einzuordnen. Sie muss aber zusammen mit vergleichbaren Ergebnissen und tatsächlich gemessenen Betriebskosten betrachtet werden.

Was die Vergleiche zeigen – und wo ihre Grenzen liegen

Reflection stellt Fähigkeiten bei Programmierung, Schlussfolgern und agentischen Aufgaben in den Mittelpunkt. In der vom Unternehmen veröffentlichten Tabelle erreicht Beam bei Terminal-Bench v2.1 einen Wert von 80,1. Für GLM 5.2 sind dort 81,0 und für Qwen 3.8-Max 86,6 angegeben. Bei SWE-Bench Verified weist die Tabelle für Beam 80,9 aus; Ergebnisse anderer Modelle sind nur aufgeführt, sofern sie vorliegen. Es handelt sich um von Reflection gemeldete Ergebnisse, nicht um eine allgemeingültige Rangliste von Modellen.

Zahlen lassen sich nur dann sinnvoll vergleichen, wenn die genaue Modellversion, der Benchmark-Datensatz und dessen Version, die verfügbaren Werkzeuge, Token-Limits, die Zahl der Versuche und die Bewertungsmethode übereinstimmen. In der Tabelle des Anbieters ist außerdem eine Aktualisierung vom 8. Oktober 2026 vermerkt. Deshalb muss jeder Wert der jeweiligen Version und dem betreffenden Erhebungszeitpunkt zugeordnet werden. Ergebnisse aus unterschiedlichen Tabellen oder Versionen sollten nicht ohne Weiteres zusammengeführt werden.

Die vorliegenden Informationen enthalten keine unabhängige Reproduktion der Beam-Ergebnisse. Der Primärbeitrag dokumentiert, was Reflection berichtet, ersetzt aber keine externe Evaluation. Ein gutes Ergebnis bei einer Programmieraufgabe belegt zudem weder einen Vorteil bei allen Programmieraufgaben noch bei Werkzeugnutzung oder der Zuverlässigkeit im Einsatz befindlicher Agenten. Schlussfolgerungen sollten auf die tatsächlich getesteten Aufgaben und Bedingungen beschränkt bleiben.

Das Versprechen eines geringeren Rechenaufwands ist eine Schätzung, keine Messung des Betriebs

Reflection zufolge erzielt Beam bei anspruchsvollen Reasoning-Benchmarks ähnliche Werte wie GLM 5.2 und benötigt dabei drei- bis viermal weniger Inferenz-Rechenleistung. Das Unternehmen beschreibt seine Schätzung der Generierungsoperationen als ungefähr das Doppelte der aktiven Parameter multipliziert mit der durchschnittlichen Zahl generierter Tokens pro Versuch. Dabei zählen sowohl Tokens für das Schlussfolgern als auch die endgültige Antwort. Für andere Modelle greift Reflection auf Daten aus externen Evaluationen zurück.

Die von Reflection beschriebene Methode schließt die anfängliche Verarbeitung der Eingabe, kontextabhängige Attention-Operationen und den zusätzlichen Aufwand für den Betrieb des Dienstes aus. Das angegebene Verhältnis ist daher weder eine umfassende Messung der Inferenzkosten noch eine Abrechnung des Betriebs. Es lässt auch nicht den Schluss zu, ein Unternehmen werde drei- bis viermal weniger bezahlen: Die tatsächlichen Kosten hängen unter anderem von der Infrastruktur, der Auslastung, der Länge der Anfragen und der Bereitstellungskonfiguration ab.

Um den Effizienzvorteil zu überprüfen, wären reproduzierbare Messungen unter gleichen Aufgaben und Bedingungen nötig: vergleichbare Ein- und Ausgaben, klar benannte Versionen, dokumentierte Hardware und numerische Genauigkeit, festgelegte Kontextgrenzen, parallele Auslastung sowie eine Kostenrechnung, die Rechenleistung, Latenz und Betrieb einschließt. Bis dahin ist nur die Schlussfolgerung gerechtfertigt, dass Reflection eine günstige Schätzung nach einer begrenzten Methode meldet – nicht, dass die Effizienz im Produktivbetrieb nachgewiesen wäre.

Offene Gewichte, Lizenz und worauf es bei der weiteren Prüfung ankommt

Der Begriff „offene Gewichte“ beschreibt eine Form der Modellverteilung. Er garantiert für sich genommen weder, dass alle Bestandteile offen sind, noch eine uneingeschränkte Nutzung. Ob die Dateien tatsächlich verfügbar sind, welche Lizenz gilt, welche Dokumentation vorliegt und welche Nutzungsbedingungen greifen, muss jeweils gesondert geprüft werden. In diesem Fall kündigte Reflection eine Verteilung unter Apache 2.0 an. Die vorliegenden Belege bestätigen jedoch nicht, dass diese lizenzierte Version bereits veröffentlicht wurde.

Auch eine gehostete API und der Zugriff auf Gewichte sind voneinander zu unterscheiden. Über eine API werden Anfragen an einen vom Anbieter betriebenen Dienst gesendet. Ein Download der Gewichte kann die Ausführung auf eigener Infrastruktur ermöglichen, sofern die technischen und rechtlichen Voraussetzungen erfüllt sind. Reflection beschreibt einen frühen Zugang nach Anmeldung und einen späteren Plan für Gewichte und Werkzeuge. Die verfügbaren Informationen belegen aber nicht, dass diese Zugangswege bereits vollständig öffentlich sind.

Für eine Aktualisierung sind vor allem folgende Punkte zu prüfen: ob die Dateien tatsächlich veröffentlicht wurden, welcher genaue Lizenztext ihnen beiliegt, ob ein technischer Bericht und eine Modellkarte Versionen und Konfigurationen nennen und ob unabhängige Evaluationen die Leistungen bei Programmierung, Schlussfolgern und Werkzeugnutzung überprüfen. Bis solche Belege vorliegen, sind die Angaben zu Fähigkeiten und Recheneinsparungen Reflection zuzuschreiben. Die Verfügbarkeit sollte als angekündigt, nicht als bereits gegeben beschrieben werden.

Weiter entdecken

Korrekturen und Transparenz

Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.