Reflection Beam: Was das 501B Open-Weight-Modell tatsächlich ist und was noch fehlt

Reflection Beam ist das erste Sprachmodell von Reflection, dem New Yorker Labor, das 2024 von zwei ehemaligen DeepMind-Forschern, Misha Laskin und Ioannis Antonoglou, gegründet wurde und dessen erklärte Mission es ist, „Intelligenz für alle offen und zugänglich zu machen“. Beam ist ein sparse Mixture-of-Experts-Modell mit insgesamt 501 Milliarden Parametern, von denen es pro Token 23 Milliarden aktiviert, angekündigt am 5. Oktober 2026 und ausgerichtet auf Coding, Reasoning und agentische Arbeit. Es ist außerdem, Stand 13. Oktober 2026, nur zur Hälfte veröffentlicht: Die Ankündigung nennt es ein Open-Weight-Modell, die Ankündigung verspricht Apache-2.0-Gewichte, und die Gewichte sind nicht draußen.

Diese Lücke ist das, woran Sie sich halten sollten, wenn Sie über eine Suche nach dem Namen des Modells hierher gekommen sind und wissen möchten, ob Sie damit etwas anfangen können. Die kurze Antwort lautet: nicht über Gewichte, noch nicht, und auf keiner Preisliste. Die lange Antwort ist der Rest dieser Seite – was Beam ist, wozu sich Reflection verpflichtet hat, worauf sich die im Umlauf befindliche Zahl 501B tatsächlich bezieht und was die öffentlich zugänglichen Informationen belegen und was nicht. Jede untenstehende Zahl ist einer Quelle zugeordnet, und keine davon wurde unabhängig reproduziert.

Die Kurzfassung

• Was es ist — ein dünnbesetztes Mixture-of-Experts-Textmodell, 501 Mrd. Gesamtparameter, 23 Mrd. aktiv pro Token, entwickelt für Coding-, Reasoning- und agentische Workloads.

• Wer veröffentlicht es — Reflection, gegründet 2024 von Misha Laskin und Ioannis Antonoglou und mit Hauptsitz in New York. Beam ist sein erstes Modell.

• Angekündigt — 5. Oktober 2026. Die Benchmark-Tabellen in der Ankündigung wurden am 8. Oktober 2026 überarbeitet.

• Gewichte — nicht veröffentlicht. Reflection sagt, es „werde die Gewichte unter einer Apache-2.0-Lizenz veröffentlichen“ und dass die Gewichte, der technische Bericht, die Modellkarte und Entwickler-Artefakte „später in diesem Monat“ kommen. Nichts davon war bis zum 13. Oktober 2026 veröffentlicht.

• Zugang heute – eine Vorschau für „eine begrenzte Anzahl von Nutzern“ über eine Warteliste unter platform.reflection.ai. Kein Self-Service-Weg, kein veröffentlichter Preis, kein Download.

• Unabhängige Bewertung — keine. Kein Test-Harness eines Drittanbieters hat Beam bewertet, und im Leaderboard von Artificial Analysis gibt es keinen Eintrag dafür.

Was Reflection zufolge Beam ist

Beams Form ist die Schlagzeile. Reflection beschreibt es als ein „sparse Mixture-of-Experts-Modell mit 501 Milliarden Gesamtparametern, 23 Milliarden aktiven“ – eine Aktivierungsquote von rund 4,6 Prozent, was selbst nach den Maßstäben des aktuellen Open-Weight-Felds aggressiv ist. Die Architekturhinweise im Launch-Post nennen verschachtelte lokale und globale Attention, feingranulare geroutete Experten, einen kontrollierten Residual-Stream, SandwichNorm, elementweises Attention-Gating und FP32-Residualakkumulation, mit hilfsverlustfreiem Load-Balancing plus Kosinus-Decay der Expert-Bias-Updates.

Nichts davon ist für sich genommen exotisch. Was dabei herauskommt, ist ein Serving-Profil: 23 Milliarden aktive Parameter sind ein Modell, das plausibel mit interaktiver Latenz auf einer vergleichsweise kleinen Anzahl von GPUs laufen kann, was ein anderes Produkt ist als ein dichtes Modell mit 501 Milliarden Parametern, auch wenn die Zahl auf dem Datenblatt dieselbe ist. Deshalb kann Reflection über frontier-nahes Reasoning sprechen, ohne über ein Deployment im Rechenzentrumsmaßstab zu sprechen – und deshalb ist die letztendliche Veröffentlichung der Gewichte wichtiger als der Beta-Schlüssel.

Ist „501B“ die richtige Nummer? Ja — und sie hat sich nicht bewegt

Es lohnt sich, dies ausdrücklich klarzustellen, denn die Zahl kursiert an einigen Stellen, und Leser fragen sich zu Recht, ob sie aktuell ist. Die Aufteilung 501B gesamt / 23B aktiv ist das, was in dem eigenen Launch-Post von Reflection steht, sie ist das, was die Überschrift auf der reflection.ai-Startseite sagt, und sie ist mit Stand 13. Oktober 2026 unverändert. Die einzige Aktualisierung, die Reflection seit dem Launch veröffentlicht hat, ist eine Notiz mit dem Wortlaut „Update 10/8/26: Wir haben Beams Ergebnisse aktualisiert, und die obigen Tabellen spiegeln die neuesten Zahlen wider“ – eine Überarbeitung der Benchmark-Tabellen, nicht der Architektur oder der Parameterzahl.

Was die Parameteranzahl nicht hat, ist eine dahinterstehende Modellkarte. Reflection hat gesagt, dass eine Modellkarte kommt; wann, wurde über „später in diesem Monat“ hinaus nicht gesagt, und es gibt kein öffentliches Repository unter der Organisation von Reflection auf Hugging Face, Stand heute („None public yet“ ist die wörtliche Zeichenkette auf der Organisationsseite). 501B ist also eine vom Anbieter angegebene Zahl, korrekt, soweit das überprüfbar ist, und noch nicht anhand der Gewichte überprüfbar.

Kontext, Modalitäten und maximale Ausgabe

Hier ist das Anbietermaterial dünner als die Benchmark-Tabellen, und es lohnt sich, genau zu benennen, welche Zahl welche ist, denn die beiden kursierenden Kontextzahlen bedeuten Unterschiedliches.

• Effektiver Kontext — Midtraining „erweitert Beams effektive Kontextlänge auf 1 Mio. Token.“ Das ist eine Aussage darüber, womit das Modell umzugehen trainiert wurde.

• RL-Rollout-Kontext — die Phase des bestärkenden Lernens verwendete „eine maximale Kontextlänge von 256K Tokens". Das ist eine Aussage über die Trainingskonfiguration.

• Serving-Limit – nicht veröffentlicht. Der Launch-Post nennt kein API-Kontextfenster, und der Endpunkt befindet sich hinter einer Warteliste, sodass es kein zweites Dokument gibt, gegen das man es prüfen könnte. Wer heute einen API-Kontextwert sucht, hat keinen.

• Maximale Ausgabe — nicht veröffentlicht. Die Reflexion gibt keine an.

• Modalitäten — Text rein, Text raus. Der Launch-Post ist eindeutig: „Obwohl Beam nur Text verarbeitet“, verarbeitet das Modell andere Modalitäten, wenn sie als Text dargestellt werden. Es gibt keine Bild-, Audio- oder Videoeingabe, und der Name gibt keinen Anlass, etwas anderes zu erwarten.

Der Unterschied zwischen der 1M-Trainingsangabe und einem unveröffentlichten Serving-Limit ist genau die Art von Sache, die in Berichterstattung aus zweiter Hand verflacht wird, und er ist wichtig: Eine Fähigkeit zur Trainingszeit ist kein Versprechen darüber, was ein Endpunkt akzeptieren wird.

Gewichte, Lizenz und die Behauptung „erstes offenes Modell“

Die Positionierung von Reflection ist, dass Beam ein wirklich offenes Modell ist und nicht eine API mit einem angehängten Marketing-Adjektiv. Die Zusage ist konkret: „Wir werden die Gewichte unter einer Apache-2.0-Lizenz veröffentlichen“, zusammen mit „Dokumentation und dem vollständigen Stack zum Ausführen, Evaluieren und Fine-Tuning des Modells.“ Eine separate Zeile im selben Beitrag besagt, dass die Gewichte, der technische Bericht, die Modellkarte und Entwicklerartefakte „später in diesem Monat“ folgen werden.

Hier sind zwei Dinge gleichzeitig wahr. Apache 2.0 ist eine echte, permissive, kommerziell nutzbare Lizenz – falls das wie beschrieben ausgeliefert wird, ist das eine deutlich stärkere Position als eine Nur-Forschungs- oder maßgeschneiderte Community-Lizenz. Und ein Lizenzversprechen ist keine Lizenz. Stand 13. Oktober 2026 sind die Gewichte nicht ausgeliefert worden, was existiert, ist also eine erklärte Absicht, kein Zustand der Welt. Der Launch-Beitrag beschreibt die aktuelle Version außerdem als Vorschau für einen begrenzten Nutzerkreis und sagt, das Modell befinde sich in „abschließendem Red-Teaming und abschließenden Evaluierungen“.

Das Nachfragesignal hinter dieser Seite ist einen Satz wert, denn es erklärt, warum die Frage immer wieder gestellt wird: Menschen suchen den Namen des Modells zusammen mit den Namen der Modelle anderer Labore — Beam plus ein chinesischer Open-Weight-Anbieter, Beam plus ein großes chinesisches Open-Weight-Modell — was Spekulation darüber ist, wovon Beam abstammt. Reflection dokumentiert kein Basismodell. Der Launch-Post beschreibt ein Pretraining, das von Grund auf lief: 23,8 Billionen Token über 6.144 GB300 NVL72 GPUs in weniger als vier Wochen, gefolgt von einer RL-Phase, die vier Wochen lang 10.500 GB300s einsetzte, mehr als 100 Millionen Rollouts und rund 1,3 Milliarden Sandboxes. Darin wird nirgends ein Basis-Checkpoint genannt. Wenn Sie gelesen haben, Beam sei ein Fine-Tune von etwas anderem, stützt das eigene Material des Anbieters dies nicht.

Was Reflection behauptet, und was irgendjemand sonst gemessen hat

Alles in diesem Abschnitt stammt vom Anbieter. Die Benchmark-Tabellen des Launch-Posts wurden am 8. Oktober 2026 überarbeitet, und keine dritte Partei hat auch nur eine einzige darin enthaltene Zahl reproduziert.

• Agentisches Coding — SWE-Bench Verified 80.9, SWE-Bench Pro v2-Hard 77.2, SWE-Bench Pro v1 65.5, Terminal-Bench v2.1 80.1, DeepSWE v1.1 44.4, SWE-Bench Multilingual 78.0, SWE Atlas Codebase QnA 34.6.

• Schlussfolgerndes Denken — AIME 2026 97.8, GPQA Diamond 90.5, HLE ohne Werkzeuge 36.2, SciCode 49.7, CriPT AA 16.3.

• Werkzeugnutzung und Suche — MCP Atlas 78,7, BrowseComp 77,4, DeepSearchQA 80,1, AutomationBench 37,0, tau3 Banking 38,0.

• Allgemein und langer Kontext — AA-LCR 79,3, LongBench v2 65,5, IFBench 79,7, AA Omniscience 13,0.

Reflections eigene Einordnung dieser Zahlen ist sorgfältig und es lohnt sich, sie zu wiederholen statt sie aufzuwerten: Sie positioniert Beam als „wettbewerbsfähig mit größeren offenen Modellen wie GLM 5.2 und Qwen 3.8-Max nahekommend“, sagt, dass Beam beim Reasoning mit GLM-5.2 mithält, während es „3–4× weniger Inferenz-Compute“ verwendet, und räumt ein, dass Kimi K3 bei der reinen Leistungsfähigkeit weiterhin führend ist. Diese Effizienzbehauptung wird in dem Beitrag durch ein Diagramm gestützt, das den Reasoning-Score gegen geschätzte Inferenz-FLOPs aufträgt, wobei die FLOPs als ungefähr das Doppelte der Anzahl aktiver Parameter mal generierte Tokens angenähert werden. Die Bildunterschrift sagt dies, und die Näherung schließt Prefill, Attention und Serving-Overhead bewusst aus. Reflection bezeichnet das Ergebnis als „einen ungefähren Compute-Vergleich statt gemessener Inferenzkosten“.

Unabhängig: nichts. Es gibt keine Zeile von Artificial Analysis für Beam, keine Arena-Platzierung und kein Ergebnis eines Drittanbieter-Harness, das wir finden konnten. Wo Beam und seine Vergleichsgruppe nicht direkt gegeneinander bei identischem Reasoning-Aufwand und identischem Harness gebenchmarkt wurden – was auf jedes Paar zutrifft –, impliziert diese Seite keine Rangfolge. Die Tabellen oben sind die Zahlen eines Labors zu seinem eigenen Modell.

Können Sie es verwenden, und was würde es kosten?

Nicht zu veröffentlichten Konditionen. Der Zugang läuft über eine Warteliste: In Reflections Beitrag heißt es, dass der Frühzugang für eine begrenzte Nutzergruppe gedacht ist, und die Plattformkonsole befindet sich hinter einer Registrierungsschranke. Auf Reflections eigenen Seiten gibt es nirgendwo einen veröffentlichten Preis – weder im Launch-Beitrag noch auf der Startseite noch in irgendetwas, das ein Leser ohne Konto erreichen kann. Jeder Dollarbetrag, den Sie derzeit im Zusammenhang mit Reflection Beam sehen, ist eine Schätzung von jemandem, kein Listenpreis.

Reflection beschreibt die Endpoint-Oberfläche durchaus auf hoher Ebene: eine OpenAI-kompatible API mit einem Reasoning-Effort-Parameter, wobei „niedrigere Einstellungen kürzere Antworten begünstigen, während höhere Einstellungen längeres Reasoning ermöglichen“. Die Werte, die dieser Parameter akzeptiert, sind im Launch-Material nicht veröffentlicht, und da die Modellkarte noch aussteht, gibt es keine zweite Quelle, mit der man sie abgleichen könnte.

Für Leser, die hier sind, weil sie diese Woche ein effizientes Reasoning-Modell aufrufen möchten, ist der praktische Schritt derjenige, der nicht davon abhängt, dass Beam irgendetwas ausliefert. Die Modelle, an denen Beam gemessen wird – GLM 5.2, Kimi K3 und Qwen 3.8-Max – sind alle heute live auf OrcaRouter, mit einem einzigen OpenAI-kompatiblen Schlüssel, wobei die Listenpreise der Anbieter mit 0 % Aufschlag durchgereicht werden: GLM 5.2 zu 1,40 $ pro Million Eingabe-Tokens und 4,40 $ pro Million Ausgabe-Tokens (1,40 $/4,40 $, abgelesen von unserer eigenen Modellseite am 13. Oktober 2026), Qwen 3.8-Max zu 2,00 $/6,00 $, und Kimi K3 zu 3,00 $/15,00 $. Da es keinen Aufschlag gibt, erreicht eine Preissenkung eines Anbieters Ihre Rechnung am selben Tag, an dem sie angekündigt wird, statt erst bei der nächsten Vertragsverlängerung. Wenn Ihr Grund, Beam zu beobachten, das Effizienzversprechen und nicht die Gewichte ist, dann ist die ehrliche Position, dass Sie die Alternative heute messen können und Beam überhaupt nicht messen können.

Worauf man achten sollte und wann die Zahlen überprüfbar werden

Drei Dinge würden diese Seite ändern, und alle drei lassen sich datieren, wenn sie eintreten. Die Gewichte, die unter der angegebenen Lizenz auf Hugging Face erscheinen, sind das erste – das ist das Ereignis, das aus einer 501B-Behauptung etwas macht, das man selbst herunterladen, quantisieren, feinabstimmen und benchmarken kann. Der technische Bericht und die Modellkarte sind das zweite, denn dort würden normalerweise ein Serving-Kontextfenster, eine maximale Ausgabe und die Reasoning-Effort-Werte dokumentiert; ihr Fehlen ist der Grund, warum drei der obigen Spezifikationszeilen „nicht veröffentlicht“ statt einer Zahl anzeigen. Eine unabhängige Evaluation ist das dritte, und sie ist die einzige, die jemanden außerhalb von Reflection beurteilen ließe, ob 23B aktive Parameter wirklich die Reasoning-Werte einbringen, die der Launch-Post behauptet.

Bis dahin ist die treffende Zusammenfassung kurz. Reflection Beam ist ein sparse MoE mit 501B Parametern und 23B aktiven Parametern, angekündigt am 5. Oktober 2026, rein textbasiert, mit einer Preview auf Warteliste, ohne veröffentlichten Preis, ohne veröffentlichte Serving-Limits, ohne unabhängige Bewertungen und mit einer Apache-2.0-Veröffentlichung der Gewichte, die für „später in diesem Monat“ versprochen wurde und bislang nicht erfolgt ist. Das ist keine Kritik am Modell – es ist eine Beschreibung davon, wie weit die Veröffentlichung tatsächlich gekommen ist.