Beam 1.0 vs. Qwen 3.8: Eine ausgelieferte Gewichtsfreigabe gegen eine Preisliste

Am 5. Oktober 2026 wurde Reflection Beam 1.0 als Open-Weight-Modell angekündigt, dessen Gewichte noch nicht veröffentlicht waren. Am 16. Oktober 2026 wurden sie ausgeliefert – vier Repositories auf Hugging Face unter Apache 2.0, in den Präzisionen BF16, FP8 und NVFP4, plus ein 2B-Drafter für spekulative Dekodierung. Qwen 3.8 erzählt seit zweieinhalb Monaten die entgegengesetzte Geschichte: Alibabas Generation ging am 3. August 2026 live, mit Qwen3.8-Max als kostenpflichtige API zu 2,00 $ pro Million Input-Tokens und 6,00 $ pro Million Output-Tokens, wobei ein Open-Weight-Geschwistermodell unter einer individuellen Lizenz folgt und ein dichtes Modell mit 27 Milliarden Parametern unter Apache 2.0. Beide Modelle beanspruchen einen Kontext von einer Million Token. Beide können schlussfolgern, beide rufen Tools auf, beide sind an der Schnittstelle ausschließlich textbasiert. Der Unterschied, den es zu verstehen lohnt, ist, für welches man budgetieren kann und welches man halten kann, denn nach dem 16. Oktober hat jedes Modell genau eines von beidem und nicht das andere.

Die beiden oben genannten Werte stammen vom Anbieter, und beide Modelle wurden inzwischen von Artificial Analysis gemessen – was in diesem Bereich selten genug ist, um der Grund dafür zu sein, dass dieser Vergleich überhaupt geschrieben werden kann.

Der Stand der Dinge, Modell für Modell

• Parameter — Beam 1.0 ist ein dünnbesetztes Mixture-of-Experts-Modell mit insgesamt 501,3 Mrd. Parametern und 23,4 Mrd. aktiven pro Token, verteilt auf 52 Schichten, drei dichte und 49 MoE, mit 256 Experten in der Konfiguration, die die Modellkarte beschreibt. Die Parameteranzahl von Qwen3.8-Max wurde von Alibaba nie bekannt gegeben; das offene Schwestermodell seines Kerns, Qwen3.8-2.4T-A95B, ist ein MoE mit 2,4 Billionen Parametern und rund 95 Milliarden aktiven, was so nah an die Größe des Flaggschiffs herankommt, wie jemand außerhalb des Unternehmens nur kommen kann.

• Kontextfenster — 1.000.000 Token auf der Modellkarte von Beam 1.0. 1.000.000 Token in OrcaRouters Auflistung für qwen/qwen3.8-max und 984.000 auf der Seite von Artificial Analysis für dasselbe Modell. Die beiden Werte sind dieselbe Zahl, nur unterschiedlich gerundet, und kein Unterschied zwischen den Modellen.

• Modalität — Beam 1.0 ist Text rein, Text raus, klar auf seiner Karte angegeben. Qwen3.8-Max akzeptiert Text und Bilder und gibt Text zurück, was ein echter Fähigkeitsunterschied und kein Formatierungsunterschied ist.

• Lizenz — Beam 1.0 ist Apache 2.0, ohne Nutzerobergrenzen und ohne separate kommerzielle Stufe. Die Qwen-3.8-Generation ist gemischt: Der 2.4T-Max-Core-Checkpoint ist unter einer benutzerdefinierten Lizenz herunterladbar, das dichte 27B unter Apache 2.0, und das Flaggschiff Max selbst hat überhaupt keine Gewichte.

• Preis — für Beam 1.0 nirgendwo auf den eigenen Seiten von Reflection veröffentlicht und auf der Seite von Artificial Analysis für das Modell als nicht verfügbar erfasst. 2,00 $ und 6,00 $ pro Million Tokens für Qwen3.8-Max, veröffentlicht von A​libaba und in unserer eigenen Route mit denselben Zahlen aufgeführt.

• Unabhängige Bewertung — Der Artificial Analysis Intelligence Index v4.3.2 führt Beam 1.0 mit 30, auf Rang 19 von 120 in seiner Vergleichsklasse. Derselbe Index führt Qwen3.8-Max (0902) mit 45, auf Rang 33 von 217, und AA hat die Max-Linie in mehr als einem Build bewertet, wobei sich die Zahl zwischen ihnen bewegt.

• Geschwindigkeit — für Beam 1.0 nicht verfügbar; die Seite erfasst die Ausgabegeschwindigkeit als unbekannt, da es keinen öffentlichen Endpunkt zur Messung gibt. 38,8 Ausgabe-Token pro Sekunde für Qwen3.8-Max, was AA als bemerkenswert langsam für seine Klasse beschreibt.

Was sich in den sechzehn Tagen zwischen Ankündigung und Veröffentlichung tatsächlich geändert hat

Es lohnt sich, die Kluft präzise zu beschreiben, denn sie ist die Art von Sache, die eingeebnet wird, sobald die Gewichte veröffentlicht sind.

Der Launch-Beitrag von Reflection besagte, dass die Gewichte, der technische Bericht, die Modellkarte und die Entwickler-Artefakte „später in diesem Monat“ folgen würden, und versprach Apache 2.0. Zwischen dem 5. Oktober und dem 16. Oktober konnte ein Leser mit Beam 1.0 nur eines tun: sich auf eine Warteliste setzen. Das Modell hatte eine Benchmark-Tabelle, einen veröffentlichten Trainingsbericht – 23,8 Billionen Token auf 6.144 GB300 NVL72 GPUs in weniger als vier Wochen, eine RL-Phase auf 10.500 GB300s, mehr als 100 Millionen Rollouts – und keinen Download.

Dann erschienen am 16. Oktober drei Quantisierungsvarianten und ein Drafter in einer Hugging-Face-Sammlung, und die Modellkarte kam mit einer vollständigen Evaluierungstabelle über alle drei Präzisionen hinweg. Für Lesende, die entscheiden, was sie ausführen sollen, ist die wichtige Konsequenz nicht die Benchmark-Zahlen, die weiterhin Reflection selbst gehören und nicht reproduziert wurden. Sie besteht darin, dass das Modell von der Kategorie „angekündigt“ in die Kategorie „Ihnen zum Inspizieren, Quantisieren, Feinabstimmen und Bereitstellen“ gewechselt ist. Eine Lizenz, auf deren Grundlage Sie handeln können, ist ein anderes Gut als eine Lizenz, die Ihnen versprochen wurde.

Qwen 3.8 nahm den entgegengesetzten Weg zum selben Ziel. Alibaba eröffnete die Generation am 3. August 2026 mit einem kostenpflichtigen, bereitgestellten Flaggschiff und veröffentlichte die Gewichte anschließend in Etappen – den 2,4T-Kern am 12. August, das dichte 27B am 14. August, die Flash-Next-Vorschau später in diesem Monat. Niemand musste auf ein Versprechen warten, denn das, was man kaufen konnte, kam zuerst, und das, was man herunterladen konnte, kam danach.

Die beiden Preissituationen sind nicht symmetrisch.

Qwen3.8-Max ist eine unserer Routen. Sie liegt bei 2,00 US-Dollar pro Million Input-Tokens und 6,00 US-Dollar pro Million Output-Tokens bei einem Kontext von einer Million Tokens – zum Listenpreis des Anbieters, der ohne Aufschlag weitergegeben wird. Wenn A​libaba diesen Satz also ändert, ändert sich Ihre Rechnung am selben Tag und nicht erst bei der nächsten Vertragsverlängerung. Das ist es, was „das Modell hat einen Preis“ in der Praxis bedeutet, und es ist der Grund, warum dieser Artikel einem Leser für die eine Seite des Vergleichs eine durchgerechnete Zahl präsentieren kann und für die andere nicht.

Beam 1.0 hat keine solche Zahl. Zwölf Tage nach der Ankündigung war es eine Vorschau mit Warteliste und Anmeldehürde; am 16. Oktober wurde es zum Download. Keinem der beiden Zustände ist ein Preis zugeordnet. Jede Dollarzahl, die für Beam 1.0 zitiert wird, ist jemandes Hardware-Schätzung, und die Karte liefert keine Serving-Empfehlung, keine Hardware-Mindestanforderung und keinen Durchsatzwert, anhand dessen sich schätzen ließe. Die Preiszeile ist die mit Abstand größte Lücke in der Dokumentation des Modells, und es ist eine Lücke, die sich angesichts einer Parameterzahl von 501B nur teuer füllen lässt.

Es gibt eine Version dieses Vergleichs, in der die Größen das Kostenargument für Sie übernehmen – 23,4B aktive Parameter gegen gerüchteweise 95B sind ein Verhältnis von vier zu eins beim Rechenaufwand pro Token, und wenn das kleinere Modell einen Preis hätte, könnte es durchaus das günstigere im Betrieb sein. Dieses Argument lässt sich hier nicht anführen, weil eine Seite davon keinen Preis hat. Was sich sagen lässt, ist, dass ein Modell mit veröffentlichtem Preis und ein Modell mit veröffentlichter Lizenz beide, in unterschiedlichem Sinne, einsatzbereit sind, und ein Käufer beide Zeilen braucht, um zu wählen.

Fähigkeit, mit dem beigefügten Sourcing

Die Modellkarte von Beam 1.0 meldet SWE-bench Verified 81,6 % auf dem BF16-Checkpoint, Terminal Bench v2.1 bei 80,1, SWE Bench Pro v1 bei 66,1, DeepSWE v1.1 bei 43,3, GPQA Diamond bei 90,6, AIME 2026 bei 97,7, LiveCodeBench bei 88,3, MCP Atlas bei 80,8, LongBench v2 bei 67,5 und IFBench bei 79,6, wobei die FP8- und NVFP4-Werte typischerweise ein bis zwei Punkte niedriger liegen. Die eigene Positionierung von Reflection ist vorsichtig: Darin beschreibt Reflection Beam als wettbewerbsfähig mit größeren offenen Modellen und als Qwen 3.8-Max nahekommend, beim Reasoning gleichauf mit GLM-5.2, während drei- bis viermal weniger Inferenz-Compute zum Einsatz kommt, und räumt ein, dass Kimi K3 bei der reinen Leistungsfähigkeit weiterhin führt. Alle Angaben stammen vom Anbieter, und keine davon wurde von einer dritten Partei reproduziert.

Die Zahlen von Qwen3.8-Max stammen aus zwei Richtungen. A​libaba meldet eigene Werte, darunter 86,6 % auf Terminal Bench 2.1, sowie die Enterprise-Preislisten, die zu einem Flaggschiff-Launch gehören. Der unabhängige Composite-Wert von Artificial Analysis ist die nützlichere Zeile: 45 auf dem Intelligence Index v4.3.2, womit das Modell deutlich über dem Median seiner Vergleichsklasse von 27, aber unterhalb der Frontier liegt, und eine gemessene Ausgabegeschwindigkeit von 38,8 Tokens pro Sekunde, die AA selbst gemessen an einem Median der Vergleichsstufe von nahezu 88 als langsam beschreibt. Ein Flaggschiff, das auf demselben unabhängigen Index 15 Punkte vor Beam 1.0 liegt und dessen Nutzung 2,00 $ kostet, ist etwas anderes als eines, das auf der hauseigenen Tabelle eines Anbieters vorne liegt.

Die eine Zahl, die die Effizienzdebatte entscheiden würde – Tokens pro Energieeinheit oder pro Dollar Rechenleistung, auf identischer Hardware gemessen –, gibt es für keines der beiden Modelle. Die unterstützende Grafik von Reflection nähert FLOPs als ungefähr das Doppelte der Anzahl aktiver Parameter multipliziert mit den generierten Tokens an und gibt in ihrer eigenen Bildunterschrift an, dass dies Prefill-, Attention- und Serving-Overhead ausschließt. Das ist eine ehrliche Offenlegung einer Grenze, und es ist trotzdem keine Messung.

Wofür jedes einzelne da ist

Greif zu Qwen3.8-Max, wenn du etwas brauchst, das aufrufbar und rechenschaftspflichtig ist. Es gibt eine Rate, eine Kontextangabe und einen unabhängigen Score, es liest Bilder ebenso wie Text, und es antwortet auf einem Schlüssel, den du heute halten kannst. Die Kosten sind ehrlich: Es ist teuer, bei 2,00 $ und 6,00 $ pro Million Tokens, und die unabhängige Messung sagt, dass es für seine Klasse langsam ist, also wird eine Arbeitslast mit hohem Volumen beides bemerken. Die offenen Gewichte in der Generation existieren, aber der Checkpoint, der hinter dem Flaggschiff-Namen steht, unterliegt einer individuellen Lizenz und ist auf Rechenzentrumsmaßstab ausgelegt, sodass das Selbsthosting genau der Sache, die du kaufst, nicht der Ausweg ist, nach dem es klingt.

Entscheiden Sie sich für Beam 1.0, wenn Sie den Stack selbst betreiben möchten. Apache 2.0 mit drei Quantisierungsstufen, einem 1-Mio.-Token-Kontext, einem immer aktiven Reasoning-Budget, das Sie justieren statt umschalten, und einer Evaluationstabelle, die auf Coding- und agentische Arbeit ausgerichtet ist. Der Preis dieser Eigenverantwortung ist alles drumherum: eine Serving-Rechnung, die Sie selbst schätzen müssen, eine Parameteranzahl, die die Schätzung groß ausfallen lässt, und kein unabhängiger Score, gegen den Sie die Tabelle des Anbieters prüfen können — die Zahl 30 im Intelligence Index ist real und von Dritter Seite, aber sie ist ein einziger zusammengesetzter Wert, keine Verifikation pro Benchmark.

Und für den gemischten Fall – ein Team, das irgendwann die offenen Gewichte will, aber in diesem Quartal einen Endpunkt braucht – lautet die übliche Antwort: beides – die Arbeit über ein bereitgestelltes Modell zu einem veröffentlichten Tarif laufen lassen, während die selbst gehostete Bereitstellung aufgebaut und mit Ihren eigenen Aufgaben benchmarkiert wird. OrcaRouter betreibt mehr als 200 Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel mit automatischem Failover über Anbieter hinweg, sodass eine selbst gehostete Bereitstellung einen Bruchteil des Datenverkehrs übernehmen und den Rest zurückgeben kann, wenn sie schlechter wird, und kein zweiter Vertrag nötig ist, um ein Modell auszuprobieren, auf das Sie sich noch nicht festgelegt haben.

Was als Nächstes ansehen

Eine Sache verändert diese Seite, und es ist eine einzige Zeile. Wenn Reflection oder ein Serving-Partner einen Beam-1.0-Tarif veröffentlicht – für die API oder für ein gehostetes FP8- oder NVFP4-Deployment –, dann wird der Vergleich zur reinen Arithmetik: 23,4B aktive Parameter gegen kolportierte 95B, zwei unabhängige Index-Scores und zwei Preise. Das ist eine Seite, die man gelesen haben sollte. Bis dahin lautet die wahrheitsgemäße Zusammenfassung, dass Reflection die Hälfte geliefert hat, die es versprochen hatte, A​libaba die Hälfte geliefert hat, die es bepreist hatte, und beide Modelle auf die andere Hälfte warten.

Diese Kluft zwischen dem, was eine Anzeigetafel misst, und dem, was ein Deployment vorfindet, ist der Grund, warum die Aufzeichnung zählt: Die dokumentierten KI-Ausfälle und Agent-Vorfälle rund um Modelle dieser Klasse finden sich in dem OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und seine Kennzeichnung als strittig mitführt.