Beam ist das erste Open-Weight-Modell von Reflection AI. Am 5. Oktober 2026 stellte das zwei Jahre alte US-Startup Beam offiziell vor: 501 Milliarden Parameter insgesamt, davon nur 23 Milliarden pro Inferenz aktiv, vortrainiert auf 23,8 Billionen Token, mit einem Kontextfenster von einer Million Token – positioniert direkt gegen chinesische offene Modelle wie GLM-5.2 von Zhipu, DeepSeek und Qwen. Gewichte und vollständige technische Details sollen noch in diesem Monat erscheinen, verteilt über Cloud-Anbieter und Open-Source-Bibliotheken.
Das Verkaufsargument ist die Rechnung pro Token, nicht die Parameterzahl
Beam ist ein reines Text-MoE-Modell, mit viel Reinforcement Learning auf Schlussfolgern, Programmieren und Agentenaufgaben trainiert. Nach Reflections eigenen Messungen liegt es in anspruchsvollen Reasoning-Benchmarks ungefähr gleichauf mit GLM-5.2, vor den derzeit führenden westlichen offenen Modellen – bei einem Drittel bis einem Viertel der Inferenzrechenleistung. Der Parametervergleich zeigt die Wette: GLM-5.2 kommt auf rund 744 Milliarden Parameter mit etwa 40 Milliarden aktiven; Beam jagt ähnliche Werte mit deutlich weniger aktiven Parametern, weil Unternehmen letztlich pro erledigter Aufgabe zahlen, nicht für Datenblätter. Alle Zahlen stammen bislang vom Anbieter selbst und sind nicht unabhängig geprüft; die tatsächliche Lücke zeigt sich erst, wenn die Gewichte draußen sind und die Community selbst misst.
Warum ein US-Unternehmen mit verschenkten Gewichten Geld verdienen will
Gegründet wurde Reflection von zwei früheren Forschern von Google DeepMind; zu den Investoren zählen Nvidia, Sequoia und Lightspeed, laut PitchBook rund 4,7 Milliarden Dollar eingesammelt, zuletzt mit etwa 25 Milliarden Dollar bewertet. Im Sommer sicherte sich das Startup Rechenleistung für mehr als 7 Milliarden Dollar und damit Nvidia-GB300-Kapazität bei SpaceX und Nebius bis 2029. Das Geschäftsmodell unterscheidet sich vom API-Verkauf: Für Unternehmen und souveräne Staaten will Reflection lokalisierte „KI-Fabriken" bauen, in denen Kunden mit offenen Gewichten eigene Systeme auf eigenen Daten trainieren – eine Partnerschaft mit der südkoreanischen Shinsegae Group wird bereits erprobt. Voraussetzung ist ein leistungsfähiges offenes Modell, das das Ökosystem erst versammelt, und genau das ist Beams Aufgabe. Die früher vorgestellte Kolibri-Veröffentlichung mit offenen Gewichten folgt derselben Logik: Gewichte offen, Bereitstellung und Anpassung kostenpflichtig.
Was sich heute belastbar sagen lässt
Bestätigt sind nur drei Punkte: Der Westen hat endlich ein Modell, das in Größe und Positionierung Chinas offene Spitzengruppe direkt herausfordert; bestätigt sich die Effizienzgeschichte in unabhängigen Tests, geraten die Inferenzpreise dieser Klasse unter Druck; und Beam kann vorerst nur Text, eine Modalität weniger als manche westlichen Rivalen. Nicht bestätigt sind die eigenen Benchmarkwerte. Bis Gewichte und Evaluationsdetails öffentlich sind, ist der klügste Schritt für Auswahlteams, Beam auf die Beobachtungsliste zu setzen und mit den vorhandenen Tests auf die Veröffentlichung zu warten, statt vorab die Architektur umzubauen.
