Beam 1.0: Reflection hat die Gewichte als Open Source veröffentlicht, und Artificial Analysis bewertete es mit 30

Zwei Dinge sind diese Woche mit Reflection's Beam 1.0 passiert, und sie weisen in entgegengesetzte Richtungen. Das Modell — Beam 1.0-501B-A23B, ein Sparse-Mixture-of-Experts-System mit 501 Milliarden Gesamtparametern und 23 Milliarden pro Token aktiven Parametern — ist kein Versprechen mehr: Die Gewichte liegen auf Hugging Face unter Apache 2.0, der 273-GiB-NVFP4-Build ist jetzt herunterladbar, und es gibt eine First-Party-API mit einem dokumentierten Vertrag und einer echten Rate-Limit-Seite. Gleichzeitig ist die erste unabhängige Zahl, die jemand dafür veröffentlicht hat, 30 auf dem Artificial Analysis Intelligence Index — der neunzehnte von 120 Modellen, die auf Index-Version v4.3.2 bewertet wurden, und über dem Median von 19, den Artificial Analysis für vergleichbare Open-Weight-Modelle ähnlicher Größe verzeichnet. Anbieter, die veröffentlicht haben, dürfen normalerweise wählen, welche dieser beiden Tatsachen im Vordergrund steht. Hier sind beide gleichzeitig wahr, und die ehrliche Lesart ist, dass Beam 1.0 günstiger als erwartet auf den Markt kam, aber schlechter abschnitt, als der eigene Launch-Post nahelegte.

Dies ist ein Folgebeitrag zu unserer früheren Berichterstattung, und die Einordnung ist bewusst gewählt: Beam 1.0 ist nicht neu. Reflection hat es am 5. Oktober 2026 angekündigt und am 8. Oktober seine Benchmark-Tabellen aktualisiert. Was sich in den letzten sieben Tagen geändert hat, ist alles, was ein Käufer tatsächlich braucht – Gewichte, Hosting, eine API, Limits und externe Messungen. Wenn Sie die Launch-Berichterstattung gelesen und sich entschieden haben zu warten, ist der Grund zu warten verschwunden.

Was diese Woche tatsächlich veröffentlicht wurde

Reflections Beitrag „Beam ist jetzt verfügbar“ ist auf den 16. Oktober 2026 datiert und schließt die Lücke, die den Launch-Beitrag so zurückhaltend formuliert wirken ließ. Am 5. Oktober waren die Gewichte noch etwas, von dem Reflection sagte, es werde sie „veröffentlichen“. Seit dieser Woche existieren sie, in drei Präzisionen, plus einen Speculative-Decoding-Drafter:

• BF16 — 501,3B Parameter über 188 safetensors-Shards, hochgeladen in das reflection/Beam-1.0-501B-A23B Repository am 7. Oktober und seitdem überarbeitet.

• FP8 — gleiche Parameteranzahl von 501,3 Mrd. in E4M3, 468,72 GiB auf der Festplatte.

• NVFP4 — ein gepackter 4-Bit-Build mit 273 GiB, genau der, den Sie laut den eigenen Serving-Anleitungen von Reflection herunterladen sollen.

• DFlash2 — ein Drafter für spekulative Dekodierung mit 1,93 Milliarden Parametern, hochgeladen am 13. Oktober, als separates Repository veröffentlicht und als eigene Serving-Optimierung dokumentiert.

Alle vier tragen das apache-2.0-Tag, und die Lizenzdatei befindet sich im Repository statt in einem Satz in einem Blog, was den Unterschied zwischen einer Lizenz und einem Versprechen ausmacht. Reflection gibt außerdem an, dass es Destillation, Fine-Tuning, Quantisierung oder Merging nicht einschränkt.

Die Serving-Story ist ebenso konkret. Es gibt Day-zero-Support in Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed und NVIDIA Dynamo, und die Docs von Reflection enthalten Schritt-für-Schritt-Anleitungen für SGLang, vLLM, TokenSpeed sowie ein Helm-Chart für Kubernetes. Die Referenzanforderung für Self-Hosting sind vier NVIDIA B300 SXM GPUs auf NVLink – eine einzelne Box, kein Cluster, was eine deutlich niedrigere Hürde ist, als ein 500B-Modell normalerweise impliziert, und sich direkt aus dem 23B-Aktivierungsverhältnis ergibt.

Es gibt außerdem ein Verifikationstool. Die Open-Source-beam-verifier-CLI führt eine Konformitätstestsuite gegen jeden laufenden Beam-Endpunkt aus und bewertet ihn anschließend anhand der wichtigsten Benchmarks, sodass du deine Bereitstellung oder die eines Anbieters mit den Referenzwerten von Reflection vergleichen kannst. Alles, was es einem Käufer ermöglicht, die Zahlen eines Anbieters zu überprüfen, statt ihnen zu vertrauen, ist wissenswert.

Der erste Score von außen, und er ist nicht die Launch-Post-Nummer.

Artificial Analysis führt Beam 1.0 mit einem Intelligence Index von 30 auf, auf Rang 19 von 120. Derselbe Eintrag zeigt, dass das Modell über den Index hinweg 79 Mio. Output-Tokens verbraucht hat – „#10 / 46" gegenüber einem Median von 130 Mio. –, was die Token-Effizienz-Behauptung erstmals in einem unabhängigen Testaufbau belegt. Artificial Analysis zeigt außerdem weder Preise noch Geschwindigkeit für Beam, weil zum Zeitpunkt dieses Textes für das Modell weiterhin „Keine öffentlich verfügbare API" vermerkt ist und nur auf Self-Hosting verwiesen wird. Diese Lücke ist selbst eine Information: Die API existiert, aber noch nicht in einer Form, die die Messfirmen aufgegriffen haben.

Lies die 30 aufmerksam. Sie ist kein Urteil über die Benchmark-Tabelle des Anbieters – die beiden messen unterschiedliche Dinge auf unterschiedlichen Harnessen. Die zusammen mit den Gewichten veröffentlichte Modellkarte von Reflection nennt 81,6 % auf SWEBench Verified, 80,1 % auf Terminal Bench v2.1 und 90,6 % auf GPQA Diamond für den BF16-Checkpoint, und der Launch-Beitrag stellt ausdrücklich klar, dass Frontier-Modelle wie Kimi K3 bei der Rohleistung weiterhin voraus sind, wobei Beams Argument „Effizienz zur Inferenzzeit“ statt Parität an der Spitze lautet. Diese Zahlen bleiben vom Anbieter gemeldet, und soweit wir feststellen können, hat sie bisher niemand reproduziert. Aber die Veröffentlichung eines öffentlichen Endpunkts plus der Verifier-CLI macht eine Reproduktion überhaupt erst möglich, und eine 30 auf einem Index mit 120 Modellen ist die erste Zahl in dieser Geschichte, die nicht von Reflection stammt.

Der Preis, die Limits und was sie pro Aufgabe bedeuten

The API side is now documented rather than waitlisted. The endpoint is https://api.reflection.ai/openai/v1, O​penAI-compatible for Chat Completions and Models, with a native base URL at api.reflection.ai/v1 if you want Reflection's own shape. Model ID: Beam-1.0-501B-A23B. The docs give the served limits precisely, and they are narrower than the 1M-token training figure that circulated at launch:

• Kontextfenster — 1.048.576 Tokens, mit einer maximalen Ausgabe von 131.072 Tokens und einem Standardwert für max_tokens von 32.768.

• Reasoning – verpflichtend, nicht optional. Unterstützte Aufwandsstufen sind low, medium, high, xhigh und max, wobei max die Standardeinstellung ist. Reasoning-Tokens werden auf deine Rate Limits angerechnet.

• Fähigkeiten — Reasoning, Tool-Aufrufe und strukturierte Ausgaben, Texteingabe und Textausgabe.

• Ratenbegrenzungen — pro Organisation in Anfragen und Tokens pro Minute und pro UTC-Tag gemessen, mit Obergrenzen für gleichzeitige Anfragen und einem optionalen täglichen Token-Kontingent. Überschreitungen geben 429 zurück, entweder mit rate_limit_exceeded oder daily_allowance_exhausted, und wenn das tägliche Kontingent aufgebraucht ist, setzt die Antwort x-should-retry: false, sodass naive Wiederholungsschleifen einfach leerlaufen.

Was die Dokumentation nicht enthält, ist ein öffentlicher Preis pro Million Token. In Reflections Ankündigung heißt es nur, es sei „kostenlos zum Einstieg", und weder die Dokumentation noch die Ankündigung veröffentlicht eine Preisliste. Das ist die eine Zeile, die im Bild noch fehlt, und sie ist diejenige, die darüber entscheidet, ob das Effizienzargument auf einer Rechnung überhaupt etwas bedeutet. Ein Modell, das bei jeder Anfrage Schlussfolgerungen anstellt, standardmäßig mit maximalem Aufwand arbeitet und für sich beansprucht, beim anspruchsvollen Schlussfolgern 3–4× weniger Inferenz-Rechenaufwand zu haben als GLM 5.2, ist bei 0,50 $ pro Million Output-Token ein anderes Angebot als bei 5,00 $ — und niemand außerhalb von Reflection kann derzeit sagen, welches von beidem zutrifft.

Zwei praktische Vorsichtshinweise aus der Dokumentation, die man in einen Pilotversuch mitnehmen sollte. Erstens ist der Standardaufwand max, daher ist die Konfiguration ab Werk die teuerste; eine kostenbewusste Integration sollte reasoning_effort ab dem ersten Aufruf explizit festlegen. Zweitens gelten Limits pro Organisation und werden projekt- und schlüsselübergreifend geteilt – das Hinzufügen von Schlüsseln erhöht sie nicht; das ist die Art von Detail, die erst dann schmerzt, wenn man die zweite Integration bereits gebaut hat.

Wie es im Vergleich zu den Modellen abschneidet, mit denen Sie es tatsächlich vergleichen würden

Der interessante Vergleich ist nicht der mit Frontier-Flaggschiffen, bei denen Reflection den Punkt einräumt, sondern der mit den Open-Weight-Modellen, an denen Beam sich preislich und größenmäßig messen lassen muss. In unserem eigenen Katalog heute:

• GLM 5.2 — 1 Mio. Kontext, $1,40 pro Million Eingabe-Token und $4,40 pro Million Ausgabe-Token, vollständig bereitgestellt.

• Kimi K3 — 1.048.576-Token-Kontext, 3,00 $/15,00 $, und das Modell, das Reflections eigene Tabelle auf der Terminal Bench vorne sieht.

• Qwen 3.8-Max — 1M Kontext, $2.00/$6.00, gegenüber der 2T-plus-Klasse beansprucht Beam einen größeren Effizienzvorteil.

Der Pitch von Beam ist, dass es bei fortgeschrittenem Reasoning nahe an GLM 5.2 herankommt – für einen Bruchteil des Inferenz-Compute. Wenn das unter einem unabhängigen Harness Bestand hat, ist es bei hohem Anfragevolumen echtes Geld wert. Die 79-Mio.-Token-Kennzahl zur Ausführlichkeit ist der erste Hinweis darauf, dass es zutreffen könnte. Der fehlende Preis ist der Grund, warum du die Rechnung noch nicht abschließen kannst.

Dies ist auch die Situation, in der Routing das meiste Risiko einer Fehlentscheidung nimmt. Beam ist zum Zeitpunkt dieses Schreibens nicht in unserem Katalog, daher können wir es Ihnen nicht bereitstellen – aber jedes oben genannte Modell ist es, hinter einem OpenAI-kompatiblen Schlüssel, wobei der Listenpreis des Anbieters ohne Aufschlag durchgereicht wird, sodass eine Preissenkung des Anbieters noch am selben Tag auf Ihrer Rechnung ankommt und nicht erst beim nächsten Vertrag. Der praktische Schritt ist, Ihren Produktionspfad auf einem Modell mit veröffentlichter Preisliste zu belassen und die öffentliche Beta von Beam hinter eine Routing-Regel zu legen, damit eine unerprobte First-Party-API nie zum Single Point of Failure wird. Automatisches Failover erledigt den Rest: Wenn die Beta Sie um 02:00 Uhr mit einem 429 drosselt, landet die Anfrage irgendwo, wo das nicht passiert.

Wer sollte sich bewegen, und aufgrund welcher Beweise?

Wenn Ihre Vorgabe offene Gewichte und eine permissive Lizenz ist, dann ist diese Woche die Woche, in der aus der Antwort „bald“ ein „Ja“ wurde. Apache 2.0, drei Präzisionen, ein 273-GiB-Build, der auf einen einzelnen B300-Knoten mit vier GPUs passt, Day-Zero-Unterstützung für vLLM und SGLang, ein Verifier, mit dem Sie Ihr eigenes Deployment prüfen können, und keine Einschränkung beim Fine-Tuning oder bei der Destillation. Für alle, deren Hinderungsgrund „die Gewichte sind nicht veröffentlicht“ war, ist dieser Hinderungsgrund verschwunden, und Self-Hosting beseitigt die Frage nach dem API-Preis vollständig.

Wenn deine Einschränkung eine Produktionsabhängigkeit von einem gehosteten Endpunkt ist, sei vorsichtiger. Die API ist real und dokumentiert, aber sie ist diese Woche gestartet, sie erzwingt organisationsweite Limits, die ein zweiter Schlüssel nicht anhebt, sie arbeitet standardmäßig mit maximalem Aufwand, und ihr Preis ist nicht veröffentlicht. Führe die Konformitätssuite des Verifizierers gegen sie aus, bevor du ihr irgendetwas mit einer Frist anvertraust.

Wenn Ihre Einschränkung die Leistungsfähigkeit an der Frontier ist, ändert nichts in dieser Woche an Ihrer Antwort. Eine 30 auf dem Intelligence Index, eine Anbietertabelle, die auf Terminal Bench gegenüber Kimi K3 und auf AIME gegenüber GLM 5.2 Boden abtritt, und keine unabhängige Reproduktion der Schlagzeilenwerte ergeben zusammen ein Modell, das einen Versuch wert ist, nicht ein Modell, auf das man wetten sollte.

Das Einzige, worauf man als Nächstes achten sollte, ist der Preis. Reflection hat die schwierige Hälfte eines Launches ausgeliefert – Gewichte, Serving-Stacks, Dokumentation und einen öffentlichen Endpunkt – und die einfache Hälfte, eine Preisliste, unveröffentlicht gelassen. Wenn diese Zahl vorliegt, wird die Behauptung einer 3–4-fachen Effizienz zu einer Tabellenkalkulation statt zu einem Slogan, und der Vergleich mit GLM 5.2 oder Kimi K3 wird zu einer Entscheidung statt zu einer Auseinandersetzung über die Methodik.

Ein Ergebnis wie dieses ist auch eine Erinnerung daran, dass Modellfehler bereits dokumentiert sind: Die KI-Vorfälle und Agenten-Ausfälle hinter Modellen dieser Klasse werden im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, einen Schweregrad, eine Konfidenzstufe und eine Kennzeichnung als umstritten trägt.