GPT-6.1 Sol vs. Reflection Beam: Die 3–4×-Effizienzbehauptung und die Benchmark-Tabellen, die sie untergraben

Die interessanteste Zahl in Reflection Beams Launch-Material ist kein Benchmark-Ergebnis. In der Ankündigung von Reflection vom 05.10.2026 heißt es, Beam komme bei vergleichbarer Qualität mit etwa drei- bis viermal weniger Inferenz-FLOPs aus als GLM 5.2 – eine Effizienzbehauptung, aufgestellt gegen einen konkret benannten Rivalen, in einem Markt, in dem die Kosten pro Token die Restriktion sind, unter der die meisten Teams tatsächlich arbeiten. Zugleich ist es eine Behauptung, die die Benchmark-Tabellen derselben Ankündigung eher verkomplizieren als stützen: In diesen Tabellen schlägt Reflection Beam GLM 5.2 in mehreren Suiten und liegt hinter GLM 5.3, Kimi K3 und anderen bei DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp und DeepSearchQA. Setzt man das gegen GPT-6.1 Sol, Open​AIs Veröffentlichung vom 29.09.2026, dann ergibt sich der Vergleich zwischen einem Modell, dessen Effizienz das Argument ist, und einem Modell, dessen Effizienz bereits bepreist, gemessen und veröffentlicht ist.

Beide Modelle sind Veröffentlichungen der Frontier-Klasse aus 2026, und zwar aus Oktober bzw. Ende September, und der Unterschied darin, wie viel sich über jedes von ihnen sagen lässt, macht den Kern dieses Artikels aus. Alles im Folgenden stammt aus dem Einführungsmaterial von Reflection, den Modell- und Preisseiten von OpenAI, unseren eigenen Katalogeinträgen und unabhängigen Messungen von Artificial Analysis, gelesen am 12.10.2026. Wo eine Zahl die des Anbieters selbst ist und niemand sie reproduziert hat, sagt der Satz, der sie enthält, dies.

Was Reflection Beam ist, soweit jemand außerhalb von Reflection weiß

Beam ist ein Mixture-of-Experts-Modell mit 501 Milliarden Parametern, von denen pro Token 23 Milliarden Parameter aktiv sind. Dieses Verhältnis ist die Designentscheidung, die vor allem anderen Beachtung verdient: Ein 501B/23B-MoE ist darauf ausgelegt, kostengünstig bereitgestellt werden zu können, weil für jeden einzelnen Token nur ein kleiner Teil des Netzwerks ausgeführt wird. Die Effizienzbehauptung in der Ankündigung ist keine nachträglich an die Architektur geschraubte Überraschung – sie ist der erklärte Zweck der Architektur.

• Gesamt- und aktive Parameter — 501B gesamt, 23B aktiv pro Token, Mixture-of-Experts.

• Modalität — nur Text. Keine Vision, kein Audio, keine Bildeingabe.

• Kontext — 256.000 Token in der Beta-API, mit einer maximalen Ausgabe von 128.000 Token und einem Wissensstichtag vom 30.06.2026.

• Gewichte — nicht veröffentlicht. Reflection hat gesagt, dass die Gewichte später im Oktober unter Apache 2.0 veröffentlicht werden, was die mit Abstand folgenreichste offene Frage zu diesem Modell ist und der Grund dafür, dass der Launch in der Praxis eine Vorschau ist.

• Preis — keiner veröffentlicht. Für Beams API gibt es keine Preisliste, daher erscheint in diesem Artikel nirgends eine Kostenangabe dafür, und jeder Vergleich, der auf einer Berechnung pro Token aufbaut, muss seine Spalte leer lassen.

• Unabhängige Benchmarks – keine. Artificial Analysis hat keine Zeile für Reflection Beam, daher ist jeder Wert im folgenden Abschnitt Reflections eigener Durchlauf, mit Reflections eigenen Referenzwerten.

Die Anbietertabellen, ehrlich gelesen

Reflection veröffentlichte zusammen mit dem Launch eine Reihe von Benchmark-Vergleichen, und die ehrliche Art, über sie zu berichten, ist zu sagen, was sie in beide Richtungen zeigen, denn sie zeigen nicht nur eine Richtung.

• Wo Beam gewinnt. In den Benchmark-Suiten, die Reflection als Aushängeschild gewählt hat, übertrifft Beam GLM 5.2 — das Modell, gegen das sich die Effizienzbehauptung richtet. Für sich genommen ist das ein echtes Ergebnis: bessere Ausgabe zu rund einem Viertel bis einem Drittel der Inferenzkosten ist eine starke Position für jeden, der in großem Umfang bereitstellt.

• Wo Beam verliert. In denselben Tabellen liegt Beam hinter GLM 5.3, Kimi K3 und anderen aktuellen Modellen bei DeepSWE, SWE-Bench Pro v2-Hard, SWE Atlas Codebase QnA, MCP Atlas, AutomationBench, BrowseComp und DeepSearchQA. Das sind keine peripheren Testreihen; es sind die Software-Engineering-, Tool-Use- und Deep-Research-Benchmarks, die darüber entscheiden, ob ein Modell als autonomer Agent einsetzbar ist.

Zusammengelesen sagen die Tabellen etwas Kohärentes und Engeres als „State of the Art“: Beam scheint eine starke Open-Model-Veröffentlichung zu sein, die die vorherige Generation auf dem von Reflection gewählten Feld schlägt und die aktuelle Generation auf dem agentischen Feld nicht schlägt. Das ist ein legitimer Zustand für ein Modell. Es ist nicht gleichbedeutend damit, das beste verfügbare Modell für agentische Arbeit zu sein, und die Rahmung der Ankündigung lädt zu der stärkeren Lesart ein.

Ein struktureller Punkt zur Effizienzzahl selbst, da sie die Schlagzeile ist. Ein FLOPs-pro-Token-Vergleich gegen ein anderes Modell ist eine Eigenschaft der Architektur und der Serving-Konfiguration, nicht der Ergebnisqualität – und 3–4× weniger FLOPs ist eine vom Anbieter gemessene Zahl ohne unabhängige Reproduktion. Es ist ein vernünftiger Grund zu erwarten, dass Beam günstig zu betreiben ist. Es ist kein Beleg dafür, dass Beam günstig zu nutzenist, und der Unterschied zwischen diesen beiden Dingen ist die gesamte Kostendiskussion auf dieser Seite: Ein Modell, das mehr Tokens aufwendet, um zu einer Antwort zu gelangen, kann gleichzeitig pro FLOP billiger und pro Aufgabe teurer sein.

Die ausgelieferte Seite des Vergleichs

Hier ist die Asymmetrie, die dieser Artikel dokumentieren soll. GPT-6.1 Sol ging am 29. September 2026 in der API von OpenAI live. GPT-6.1 Sol hat eine veröffentlichte Preisliste – 2,00 $ pro Million Eingabe-Token, 10,00 $ pro Million Ausgabe-Token, 0,10 $ für gecachte Eingabe, 2,50 $ für Cache-Schreibvorgänge – sowie ein dokumentiertes Kontextfenster von 1.050.000 Token, eine maximale Ausgabe von 128.000 Token und einen unabhängigen Eintrag im Intelligence Index mit 52 bei maximalem Reasoning-Aufwand mit Laufkosten von 0,72 $ pro Aufgabe.

Diese Kostenangabe ist diejenige, die es wert ist, gegen die FLOPs-Behauptung von Reflection gestellt zu werden. 0,72 $ pro Aufgabe sind kein FLOP und keine Preisliste; es sind die Kosten der Arbeit, wenn sie abgeschlossen ist, gemessen von einem Dritten, der das Modell ausgeführt hat. Es ist die Zahl, die unterboten werden müsste, damit das Effizienzargument von Beam als Beschaffungsargument überzeugt – und Beam hat keine entsprechende Zahl, weil Beam weder einen veröffentlichten Preis noch einen unabhängigen Durchlauf hat.

Zwei weitere Unterschiede sind heute konkret und überprüfbar:

• Kontext und Ausgabe — GPT-6.1 Sol dokumentiert 1.050.000 Tokens Kontext gegenüber 256.000 bei Beam in der Beta, und beide begrenzen die Ausgabe auf 128.000 Tokens. Für Arbeit auf Repository-Ebene oder mit Dokumentensätzen ist das ein vierfacher Unterschied darin, wie viel Material in einen einzelnen Aufruf passt.

• Modalität — GPT-6.1 Sol akzeptiert Text, Bilder und Dateien; Beam unterstützt ausschließlich Text. Wenn Ihre Pipeline Screenshots, Scans oder Diagramme liest, kommt Beam unabhängig von seinen Scores nicht infrage.

Dort, wo Beam ein Argument hat, das GPT-6.1 Sol strukturell nicht beantworten kann, ist Beam das Open-Weights-Modell. Wenn die Apache-2.0-Gewichte zum versprochenen Zeitplan eintreffen, wird ein 501B/23B-Modell, dessen Anzahl aktiver Parameter 23B beträgt, auf eine Weise zum Self-Hosting-Kandidaten, wie es ein proprietäres Modell nie sein wird. Dreiundzwanzig Milliarden aktive Parameter sind eine Zahl, über die ein gut ausgestattetes Team nachdenken kann; der 256.000-Token-Kontext in der Beta und das Fehlen veröffentlichter Gewichte sind der Grund, warum dieses Argument bis zur tatsächlichen Veröffentlichung warten muss, statt schon beim Launch geklärt zu werden.

Wer sollte jetzt auf welches Modell einwirken?

Die praktische Antwort fällt unterschiedlich aus, je nachdem, was man kauft, und die Unterscheidung ist klar genug, um sie direkt zu benennen.

Wenn Sie diese Woche ein Modell in Produktion brauchen – für agentisches Coding, Tool-Nutzung oder die Arbeit mit Dokumenten mit langem Kontext –, dann ist das ausgelieferte Modell GPT-6.1 Sol, und die Entscheidung betrifft seinen Preis, nicht seine Existenz. Sein Ausgabe-Tarif ist der entscheidende Maßstab, sein Tarif für zwischengespeicherten Input ist mit 0,10 $ pro Million ungewöhnlich niedrig, und oberhalb von 272.000 Input-Tokens wird die gesamte Anfrage nach oben neu bepreist – ein Schwellenwert, um den herum man planen sollte, bevor man eine Schleife skaliert, die ein großes Präfix liest.Es ist in unserem Katalog zu OpenAIs Listenpreisen mit 0 % Aufschlag, sodass der Tarif auf der Karte dem Tarif auf der Rechnung entspricht, und eine Preisänderung eines Anbieters erscheint noch am selben Tag im Katalog statt erst nach dem Aktualisierungszyklus eines Wiederverkäufers: https://www.orcarouter.ai/models/openai/gpt-6.1-sol.

Wenn Ihr Interesse an Beam die Open-Weights-Veröffentlichung und nicht die Beta-API betrifft, ist das, worauf Sie achten sollten, die Apache-2.0-Veröffentlichung, die Reflection für später in diesem Monat versprochen hat. Solange die Gewichte nicht existieren, stammt jede Fähigkeitszahl in diesem Artikel vom Anbieter, der Preis ist unbekannt, und weder ein Self-Hosting-Plan noch ein Kostenvergleich können abgeschlossen werden. Wenn es planmäßig erscheint, wird Beam sofort interessant als die effiziente Stufe in einem Zwei-Modell-Setup — und das ist eine Konfiguration, die ein Endpunkt mit automatischem Failover über 200+ Modelle ohne eine zweite Integration bewältigt, was das Argument dafür ist, ein unbewährtes Modell auf einer Routing-Schicht auszuprobieren, anstatt einen Produktionspfad darauf festzulegen.

Reflection Beam ist nichts, was wir anbieten. Wenn seine Gewichte und seine API ordentlich geöffnet werden, wird es, wie die meisten offenen Veröffentlichungen, auf der eigenen Plattform des Anbieters und mehreren Diensten von Drittanbietern verfügbar sein – und dann wird es sich lohnen, diese Seite neu zu schreiben, denn genau die zwei Dinge, die sie derzeit nicht sagen kann – was Beam kostet und wie es abschneidet, wenn jemand anderes als sein Hersteller es ausführt –, sind genau die zwei Dinge, von denen die Antwort abhängt.