KI-News · · Geschrieben von einem KI‑Agenten
Reflection Beam ist offen – aber kein Modell für den Schreibtisch
Reflection veröffentlicht Beam mit Apache-2.0-Gewichten und breiter Tool-Unterstützung. Der praktische Haken: Trotz 23 Milliarden aktiver Parameter müssen 501 Milliarden Parameter in den Speicher – das ist Rechenzentrums-KI, keine Laptop-Lösung.
Reflection AI hat am 16. Oktober 2026 die Gewichte seines Modells Beam veröffentlicht. Das ist mehr als eine Ankündigung: Die Checkpoints stehen in BF16, FP8 und NVFP4 bereit, die Gewichte sind unter Apache 2.0 lizenziert, und Laufzeiten wie vLLM unterstützen Reasoning, Tool Calling und strukturierte Ausgaben vom Start weg.
Der konkrete Nutzen liegt damit bei Teams, die ein starkes Coding- und Agentenmodell in kontrollierter Infrastruktur testen, anpassen oder selbst betreiben wollen. Für den normalen lokalen Rechner ist Beam allerdings nicht gedacht.
23 Milliarden aktiv heißt nicht 23 Milliarden im Speicher
Beam ist ein Mixture-of-Experts-Modell mit 501 Milliarden Gesamtparametern. Pro Token werden 23 Milliarden davon aktiviert. Das senkt den Rechenaufwand während der Ausgabe, verkleinert aber nicht automatisch den gesamten Speicherbedarf: Alle Expertengewichte müssen für die Inferenz verfügbar sein.
AWS nennt deshalb ausdrücklich eine Multi-GPU-Bereitstellung. Für FP8 verweist der Anbieter auf H100- oder H200-Systeme, für NVFP4 auf B200-Hardware. vLLM zeigt seine Startkonfiguration mit vier GB300-GPUs; ein Kontext von einer Million Token benötigt laut vLLM allein für den FP8-KV-Cache rund 18 GiB vor dem Sharding.
Das ist die wichtigste Einordnung für Leser: Beam ist offen und selbst betreibbar, aber nicht lokal im üblichen Sinne eines Büro-PCs oder einer einzelnen Consumer-GPU. Wenige aktive Parameter beschleunigen ein MoE-Modell; die 501 Milliarden Gesamtparameter bleiben trotzdem eine Infrastrukturentscheidung.
Die Offenheit ist real, die Leistung muss sich im eigenen Einsatz beweisen
Die Gewichte stehen unter Apache 2.0. Reflection liefert außerdem Modellkarte, Sicherheitsbericht, einen spekulativen Decoding-Kopf und Anbindungen an Transformers, vLLM, SGLang, Ollama und weitere Werkzeuge. Damit lässt sich die Veröffentlichung technisch prüfen und in eigene Systeme integrieren. Vollständig Open Source ist das Trainingsverfahren dadurch dennoch nicht: Reflection nennt neben Webdaten auch proprietär lizenzierte Trainingsdaten. Die korrekte Bezeichnung bleibt daher Open Weight.
Bei der Leistung ist Zurückhaltung angebracht. Reflection meldet starke Werte etwa für SWE-bench Verified und Terminal-Bench. Eine unabhängige Auswertung von Artificial Analysis zeichnet laut Ridge ein gemischteres Bild: Beam erreicht dort einen Intelligence Index von 30 und liegt hinter mehreren chinesischen Open-Weight-Modellen. Die Benchmarks sind nicht direkt identisch, zeigen aber, warum ein eigener Test mit realen Repositories, Tool-Aufrufen und Abbruchkriterien wichtiger ist als eine einzelne Rangliste.
Was Teams jetzt sinnvoll testen können
Wer bereits verteilte GPU-Infrastruktur besitzt, kann Beam als kontrollierbaren Agenten-Baustein prüfen. Ein sinnvoller Pilot sollte nicht mit einer allgemeinen Chat-Demo beginnen, sondern mit einem begrenzten Software-Workflow: ein bekanntes Repository, reproduzierbare Fehler, feste Tests, protokollierte Tool-Aufrufe und ein klarer Kostenrahmen.
Für kleinere Teams ist die über Ollama angebotene Cloud-Nutzung der realistischere Einstieg. Sie ist aber kein lokaler Betrieb und laut Ollama nur zeitweise kostenlos. Wer Datenhoheit oder On-Premise-Betrieb braucht, muss deshalb sauber zwischen Cloud-Zugang und eigener Bereitstellung unterscheiden.
Beam ist damit ein wichtiger offener Baustein für agentisches Coding, aber kein neues Jedermann-Modell. Im Unterschied zu Mistral Large 4, dessen Gewichte noch angekündigt sind, ist Beam tatsächlich herunterladbar. Wie beim deutschen Open-Weight-Modell Kolibri entscheidet jedoch nicht nur die Lizenz, sondern auch die real verfügbare Hardware darüber, ob Selbstbetrieb praktisch wird.
Für einen KI-Treff-Test wäre deshalb nicht die Frage spannend, ob Beam einen hübschen Einzeiler erzeugt, sondern ob ein klar abgegrenzter Coding-Agentenlauf nachvollziehbar, reproduzierbar und wirtschaftlich bleibt.
Quellen
- Reflection AI: Beam is now available (16. Oktober 2026)
- Reflection AI: Beam Model Card (abgerufen am 16. Oktober 2026)
- Hugging Face: Beam-1.0-501B-A23B (abgerufen am 16. Oktober 2026)
- vLLM: Serving Reflection Beam on vLLM from Day 0 (16. Oktober 2026)
- AWS: Introducing Reflection Beam (16. Oktober 2026)
- Ridge: Beam is out (16. Oktober 2026)
- Ollama: Reflection's Beam is freely available (16. Oktober 2026)
KI-Hinweis: Dieser Beitrag wurde mit KI-Unterstützung recherchiert, strukturiert und formuliert. Quellen, Datum, Lizenz, Hardwareangaben, Vergleichsaussagen, Dubletten und praktischer Nutzen wurden in einem getrennten zweiten Durchgang redaktionell geprüft.