23,8 Billionen Trainings-Tokens, 6.144 Hochleistungs-GPUs und ein Ergebnis, das in unter vier Wochen entstand: Mit diesen Zahlen betritt Reflection AI Beam die Bühne der offenen KI-Modelle, und stellt damit die bisherige Annahme infrage, dass konkurrenzfähige Coding-Modelle ausschließlich hinter verschlossenen API-Türen oder in chinesischen Forschungslabors entstehen. Am 16. Oktober 2026 veröffentlichte das US-Start-up Reflection AI die vollständigen Modellgewichte seines ersten Open-Weight-Modells unter der freizügigen Apache-2.0-Lizenz auf Hugging Face. Angekündigt worden war Beam bereits am 5. Oktober 2026, die eigentliche Freigabe der Gewichte folgte gut zehn Tage später.
Für deutsche Entwickler, Tech-Unternehmen und alle, die sich mit Künstlicher Intelligenz, Automatisierung und auch angrenzenden Themen wie Krypto-Infrastruktur beschäftigen, ist das ein bemerkenswerter Moment: Ein Modell dieser Größenordnung war bislang entweder proprietär oder stammte fast ausschließlich aus China. Dieser Artikel ordnet ein, was technisch hinter Beam steckt, wie die Benchmark-Werte zu lesen sind und wo das Modell verfügbar ist.
Inhaltsverzeichnis
Key Takeaways
- Reflection AI Beam ist ein Sparse-Mixture-of-Experts-Modell mit 501 Milliarden Gesamtparametern, von denen pro Token nur 23 Milliarden aktiv genutzt werden.
- Das Modell unterstützt ein Kontextfenster von 1 Million Tokens und wurde primär für Coding, Reasoning und agentische Aufgaben trainiert, laut Model Card vorrangig für englischsprachige Inhalte.
- Pretraining erfolgte mit 23,8 Billionen Tokens auf 6.144 NVIDIA-GB300-NVL72-GPUs in unter vier Wochen; die anschließende Reinforcement-Learning-Phase nutzte 10.500 GB300-GPUs über weitere vier Wochen mit über 100 Millionen Rollouts.
- Auf SWE-bench Verified erreicht Beam laut eigenen Angaben 80,9 Prozent, mehr als Thinking Machines' Inkling (77,6 Prozent) und NVIDIA Nemotron 3 Ultra (70,7 Prozent), bleibt aber hinter chinesischen Modellen wie DeepSeek V4.1 Flash zurück.
- Die Gewichte stehen unter Apache-2.0-Lizenz in drei Formaten (BF16, FP8, NVFP4) kostenlos auf Hugging Face sowie über developers.reflection.ai zur Verfügung; alle Benchmark-Zahlen stammen primär von Reflection AI selbst und sind bislang nur teilweise unabhängig bestätigt.
Was ist Reflection AI und was wurde veröffentlicht?
Reflection AI ist ein KI-Labor, das sich auf große Sprachmodelle für Softwareentwicklung und autonome Agenten spezialisiert hat. Mit Beam veröffentlicht das Unternehmen erstmals ein sogenanntes Open-Weight-Modell, ein wichtiger Unterschied zu komplett offenen oder komplett geschlossenen Systemen.
Was bedeutet "Open-Weight" eigentlich?
Bei einem Open-Weight-Modell werden die trainierten Parameter (die "Gewichte") des neuronalen Netzwerks öffentlich zum Download bereitgestellt. Jeder kann das Modell damit lokal betreiben, anpassen oder in eigene Produkte integrieren. Im Unterschied zu vollständig quelloffenen Projekten werden dabei aber nicht zwingend die genauen Trainingsdaten oder der komplette Trainingscode offengelegt. Bei proprietären Modellen wie etwa manchen kommerziellen Chat-Assistenten hat die Öffentlichkeit dagegen nur über eine Programmierschnittstelle (API) Zugriff, das Modell selbst bleibt unter Verschluss.
Reflection AI hat sich für die Apache-2.0-Lizenz entschieden, eine der liberalsten Software-Lizenzen überhaupt. Sie erlaubt kommerzielle Nutzung, Veränderung und Weiterverbreitung des Modells, solange der Lizenztext beigefügt wird.
Die Architektur von Reflection AI Beam: Sparse Mixture-of-Experts erklärt
Das technische Herzstück von Beam ist eine Architektur namens Sparse Mixture-of-Experts (MoE). Für Laien lässt sich das Prinzip gut mit einem großen Expertenteam vergleichen: Statt dass eine einzige Person (ein "dichtes" neuronales Netz) jede Anfrage komplett selbst bearbeitet, verfügt das Modell über viele spezialisierte Unterteile ("Experten"). Für jede einzelne Texteinheit, ein sogenanntes Token, wählt ein internes Steuerungssystem nur eine kleine Teilmenge dieser Experten aus, die tatsächlich rechnen müssen.
Bei Reflection AI Beam sieht das konkret so aus:
- 501 Milliarden Gesamtparameter, das ist die gesamte "Wissensbasis" des Modells.
- 23 Milliarden aktive Parameter pro Token, nur dieser kleine Bruchteil wird bei jeder einzelnen Berechnung tatsächlich genutzt.
Dieses Verhältnis erklärt, warum Reflection AI Beam trotz seiner enormen Gesamtgröße vergleichsweise ressourcenschonend betrieben werden kann. Die Rechenlast pro Anfrage orientiert sich am aktiven Parameteranteil, nicht an der Gesamtgröße des Modells, ein zentraler Vorteil gegenüber klassischen "dichten" Modellen gleicher Gesamtkapazität.
Hinzu kommt ein Kontextfenster von 1 Million Tokens. Das Kontextfenster beschreibt, wie viel Text (Code, Dokumentation, Konversationsverlauf) das Modell gleichzeitig "im Blick" behalten kann. Ein Fenster dieser Größe erlaubt es beispielsweise, ganze Codebasen oder umfangreiche technische Spezifikationen in einem einzigen Durchgang zu verarbeiten, ein praktischer Vorteil für komplexe Coding-Agenten, die über mehrere Dateien und Arbeitsschritte hinweg konsistent bleiben müssen.
Training: Enormer Rechenaufwand in kurzer Zeit
Die Trainingsdaten und die eingesetzte Hardware geben einen Eindruck von der Größenordnung des Projekts.
| Phase | Umfang | Hardware | Dauer |
|---|---|---|---|
| Pretraining | 23,8 Billionen Tokens | 6.144 NVIDIA GB300 NVL72 GPUs | unter 4 Wochen |
| Reinforcement Learning | über 100 Millionen Rollouts | 10.500 NVIDIA GB300 GPUs | 4 Wochen |
Die reine Vortrainingsphase, in der das Modell grundlegendes Sprach- und Codeverständnis aufbaut, wurde laut Reflection AI auf 6.144 GPUs der neuesten NVIDIA-GB300-NVL72-Generation durchgeführt, und das in weniger als vier Wochen. Anschließend folgte eine Reinforcement-Learning-Phase (RL), bei der das Modell durch wiederholtes Ausprobieren und Bewerten eigener Lösungen weiter verfeinert wird. Mit über 100 Millionen sogenannten Rollouts, das sind vollständige Durchläufe, bei denen das Modell eine Aufgabe löst und dafür eine Rückmeldung erhält, bezeichnet Reflection AI diese Phase selbst als einen der größten RL-Trainingsläufe, die je von einem offenen Labor durchgeführt wurden.
Diese Aussage stammt direkt von Reflection AI und wurde bislang nicht durch einen unabhängigen Dritten verifiziert. Sie ist dennoch bemerkenswert, weil RL-Training für Coding-Agenten gilt derzeit als einer der rechenintensivsten und zugleich wichtigsten Schritte, um Modelle zuverlässig bei mehrstufigen Aufgaben wie dem Beheben von Software-Fehlern zu machen.
Reflection AI Beam im Benchmark-Vergleich
Benchmarks sind standardisierte Testverfahren, mit denen die Leistungsfähigkeit von KI-Modellen vergleichbar gemacht werden soll. Für Beam hat Reflection AI vier zentrale Benchmarks veröffentlicht, deren Werte inzwischen auch von unabhängigen Analyseplattformen wie Stack Futures und spke.com (The Decoder) aufgegriffen und zitiert wurden.
| Benchmark | Reflection AI Beam | Vergleichswerte |
|---|---|---|
| SWE-bench Verified | 80,9 % | Inkling (Thinking Machines): 77,6 % / Nemotron 3 Ultra (NVIDIA): 70,7 % |
| Terminal-Bench 2.1 | 80,1 % | GLM 5.2: 81,0 % / DeepSeek V4.1 Flash: 90,6 % |
| AIME 2026 | 97,8 % | , |
| GPQA Diamond | 90,5 % | , |
SWE-bench Verified gilt in der Branche als einer der aussagekräftigsten Tests für reale Software-Engineering-Fähigkeiten: Modelle müssen dabei echte, aus GitHub-Repositories stammende Fehlerberichte eigenständig lösen. Mit 80,9 Prozent positioniert sich Reflection AI Beam hier deutlich vor zwei namhaften Konkurrenzmodellen aus den USA.
Bei Terminal-Bench 2.1, das die Fähigkeit misst, komplexe Aufgaben über die Kommandozeile auszuführen, liegt Beam mit 80,1 Prozent knapp hinter GLM 5.2 und spürbar hinter dem chinesischen Modell DeepSeek V4.1 Flash, das hier 90,6 Prozent erreicht. Die Werte für AIME 2026 (mathematisches Reasoning) und GPQA Diamond (wissenschaftliches Fragenbeantworten auf Graduiertenniveau) fallen mit 97,8 beziehungsweise 90,5 Prozent sehr hoch aus und unterstreichen die Reasoning-Stärke des Modells.
"Beam erreicht eine mit GLM-5.2 vergleichbare Reasoning-Leistung bei drei- bis vierfach geringerem Inferenz-Rechenaufwand", so die Einordnung von Reflection AI selbst.
Wichtig für die Einordnung: Alle genannten Zahlen stammen primär aus dem eigenen Launch-Post von Reflection AI. Externe Quellen wie Stack Futures und spke.com haben diese Werte zwar aufgegriffen und in ihre Vergleichsanalysen übernommen, eine vollständige, von Reflection AI unabhängige Nachmessung unter identischen Testbedingungen steht bislang aus. Die Effizienzbehauptung, drei- bis vierfach geringerer Inferenz-Rechenaufwand gegenüber GLM-5.2, bezeichnet Reflection AI selbst ausdrücklich als eigene Schätzung, nicht als unabhängig gemessenen Wert.
Einordnung: Wo steht Beam im globalen Wettbewerb?
Die Einordnung von Branchenbeobachtern fällt differenziert aus. Einerseits gilt Reflection AI Beam nach aktuellem Kenntnisstand als das leistungsfähigste außerhalb Chinas entwickelte Open-Weight-Modell für Coding- und Reasoning-Aufgaben. Das ist insofern bemerkenswert, als in den vergangenen Jahren insbesondere chinesische Labore wie DeepSeek und Moonshot (Kimi) bei offenen Spitzenmodellen die Führung übernommen hatten.
Andererseits bleibt Beam bei reinen Benchmark-Scores hinter den aktuellen Spitzenmodellen aus China zurück. Sowohl Kimi K3 als auch DeepSeek V4.1 Flash erzielen in Teilbereichen, etwa bei Terminal-Bench 2.1, höhere Werte. Für den deutschen und europäischen Markt bedeutet das: Beam schließt eine Lücke bei quelloffenen, westlich entwickelten Spitzenmodellen, ist aber nicht in jeder Disziplin die objektiv stärkste verfügbare Option.
Zu beachten ist zudem ein praktischer Punkt für deutschsprachige Nutzer: Laut eigener Model Card wurde Beam vorwiegend für englischsprachige Inhalte trainiert. Wer das Modell für deutschsprachige Anwendungsfälle jenseits von reinem Programmcode einsetzen möchte, sollte entsprechende Tests vorab selbst durchführen.
Verfügbarkeit, Formate und Lizenz von Reflection AI Beam
Reflection AI hat die Modellgewichte in drei unterschiedlichen Formaten veröffentlicht, die sich vor allem in Speicherbedarf und Genauigkeit unterscheiden:
- BF16: rund 933,81 GiB, höchste Präzision, größter Speicherbedarf
- FP8: rund 468,72 GiB, reduzierte Präzision, etwa halber Speicherbedarf
- NVFP4: rund 273 GiB, stark komprimiertes Format für besonders ressourcenschonenden Betrieb
Zu allen drei Varianten steht optional ein sogenanntes DFlash2-Speculative-Decoding-Drafter-Modell zur Verfügung. Diese Technik beschleunigt die Textgenerierung, indem ein kleineres "Entwurfsmodell" Vorschläge macht, die vom Hauptmodell nur noch überprüft statt vollständig neu berechnet werden müssen, das kann die Antwortgeschwindigkeit in der Praxis spürbar erhöhen.
Zugriffsmöglichkeiten im Überblick:
- Hugging Face (huggingface.co/reflection): Direkter Download der Modellgewichte unter Apache-2.0-Lizenz
- developers.reflection.ai: Technische Dokumentation und Integrationsanleitungen
- platform.reflection.ai: Kostenloser Beta-Zugang zum gehosteten Modell ohne eigene Infrastruktur
- AWS SageMaker JumpStart: Hosting über einen etablierten Cloud-Partner
Diese breite Verfügbarkeit senkt die Einstiegshürde erheblich, Entwickler können je nach vorhandener Hardware und Anwendungsfall zwischen Eigenbetrieb und gehosteten Varianten wählen.
Warum das für deutsche Entwickler und Unternehmen relevant ist
Für den deutschen Markt ergeben sich aus der Veröffentlichung von Reflection AI Beam mehrere praktische Implikationen. Unternehmen, die aus Datenschutz- oder Compliance-Gründen keine Daten an externe API-Anbieter senden möchten, erhalten mit einem Open-Weight-Modell dieser Leistungsklasse eine Option für den selbst gehosteten Betrieb, vorausgesetzt, die nötige GPU-Infrastruktur steht zur Verfügung oder wird über Cloud-Partner wie AWS bezogen. Die NVFP4-Variante mit rund 273 GiB senkt dabei die Einstiegshürde gegenüber der vollen BF16-Version erheblich.
Für Entwickler, die bereits mit Coding-Assistenten oder agentischen Workflows arbeiten, liefert die SWE-bench-Verified-Platzierung einen konkreten Anhaltspunkt für die praktische Eignung bei der automatisierten Fehlerbehebung in Software-Projekten.
Fazit und nächste Schritte
Die Veröffentlichung von Reflection AI Beam markiert einen bemerkenswerten Schritt für offene KI-Modelle außerhalb Chinas. Mit 501 Milliarden Gesamtparametern, einem Kontextfenster von 1 Million Tokens und Benchmark-Werten, die in mehreren Disziplinen etablierte Konkurrenzmodelle übertreffen, positioniert sich Beam als ernstzunehmende Option für Coding- und Reasoning-Workloads. Die Apache-2.0-Lizenz und die Verfügbarkeit in drei unterschiedlich großen Formaten erleichtern dabei sowohl den Eigenbetrieb als auch die Integration über gehostete Dienste.
Gleichzeitig gilt: Die zentralen Leistungszahlen stammen in erster Linie von Reflection AI selbst, unabhängige Reproduktionen stehen noch aus, und bei direkten Vergleichswerten liegen chinesische Modelle wie DeepSeek V4.1 Flash in einzelnen Benchmarks weiterhin vorn. Wer Beam evaluieren möchte, sollte daher eigene Tests auf Basis der konkreten Anwendungsfälle durchführen, etwa über den kostenlosen Beta-Zugang auf platform.reflection.ai oder durch direktes Herunterladen der Gewichte von Hugging Face. Gerade für deutschsprachige Einsatzszenarien jenseits von reinem Programmcode empfiehlt sich eine vorsichtige, schrittweise Erprobung, bevor produktive Systeme umgestellt werden.
