AIREITERWer Reflection Beam für einen Coding-Agenten bewertet, muss heute nicht mehr klären, ob das Modell überhaupt existiert. Reflection hat die Gewichte veröffentlicht – am 16. Oktober 2026. Die schwierigere Frage lautet: Ist der günstige API-Zugang für den produktiven Einsatz schnell genug? Die Provider-Messwerte reichen derzeit von 4 bis 364 ausgegebenen Tokens pro Sekunde, die Zeit bis zum ersten Token von 0,3 bis 37,8 Sekunden.
Ist Reflection Beam jetzt tatsächlich verfügbar?
Reflection Beam ist öffentlich als Open-Weight-Modell verfügbar und nicht bloß Gegenstand einer Early-Access-Ankündigung. Laut Reflections Release-Beitrag sind Gewichte, Tokenizer, Referenzimplementierung, Sicherheitsbericht und Partnerintegrationen verfügbar. Die Hugging-Face-Modellkarte führt das öffentliche Repository unter reflection/Beam-1.0-501B-A23B.
In der aktuellen Modellkarte finden sich öffentliche BF16-, FP8- und NVFP4-Dateien unter der Apache-2.0-Lizenz. Damit ist die Verfügbarkeit geklärt – nicht aber die Frage, was der Betrieb eines 501B-Checkpoints auf eigener Hardware kostet.
Das praktische Beam-Profil: Mehr als nur 501B
Die Reflection-Beam-Modellkarte beschreibt ein sparsames Mixture-of-Experts-Modell mit rund 501,3 Milliarden Parametern insgesamt und etwa 23,4 Milliarden aktiven Parametern pro Token. Die aktive Parameterzahl erklärt einen Teil des Effizienzversprechens. Sie ändert aber nichts am Speicherbedarf für den vollständigen Checkpoint.
| Spezifikation | Aktueller Wert |
|---|---|
| Parameter insgesamt | 501.3B |
| Aktive Parameter pro Token | 23.4B |
| Kontextfenster | 1,048,576 Tokens |
| Maximal bei OpenRouter gelistete Completion | 131,072 Tokens |
| Ein- und Ausgabe | Nur Text |
| Tool-Aufrufe | Vom gelisteten API-Zugang unterstützt |
| Strukturierte Ausgaben | Bei OpenRouter gelistet |
| Lizenz | Apache 2.0 |
| Veröffentlichung | 16. Oktober 2026 |
Das Kontextfenster von einer Million Tokens wird von den Providern angegeben. Der zitierte unabhängige Tracker führt für Beam bislang allerdings noch keinen Qualitätswert.
Beam verarbeitet laut aktueller Modellübersicht ausschließlich Text. Wer Screenshots oder Diagramme in den Workflow integrieren will, braucht daher zunächst OCR oder ein zusätzliches Vision-Modell.
Die Beam-API kostet je nach Provider unterschiedlich viel
Der derzeit günstigste bei OpenRouter gelistete Zugang läuft über Nebius und kostet 0,25 $ pro Million Eingabe-Tokens sowie 1,00 $ pro Million Ausgabe-Tokens. Für Batch-Tests ist das ein attraktiver Preis. Bei der Reaktionsgeschwindigkeit gibt es dafür einen deutlichen Haken.
| Provider | Eingabe / 1 Mio. | Ausgabe / 1 Mio. | Ausgabegeschwindigkeit | Zeit bis zum ersten Token |
|---|---|---|---|---|
| Nebius | $0.25 | $1.00 | 4 Tok/s | 37.8 s |
| Together | $0.40 | $1.20 | 9 Tok/s | 12.6 s |
| CoreWeave | $1.00 | $3.00 | 112 Tok/s | 0.7 s |
| Baseten | $1.30 | $4.30 | 364 Tok/s | 0.3 s |
Die Preise und Messwerte stammen von der OpenRouter-Beam-Seite und dem Provider-Snapshot von The Known Good. Es handelt sich um zeitabhängige Messungen, nicht um eine Garantie für jeden Prompt oder jede Region.
Bei 1.000 Anfragen mit durchschnittlich 500 Eingabe- und 300 Ausgabe-Tokens liegen die aufgeführten Kosten bei etwa 0,43 $ für Nebius gegenüber 1,94 $ für Baseten. Bevor du dieses Beispiel hochrechnest, solltest du prüfen, wie dein Provider Reasoning-Tokens abrechnet. Für asynchrone Experimente ist Nebius sinnvoll, wenn 37,8 Sekunden bis zum Start akzeptabel sind. Für einen nutzerseitigen Agenten bieten sich CoreWeave oder Baseten an – die Latenz von Tool-Aufrufen solltest du anschließend mit eigenen Messungen überprüfen.
OpenRouter bietet laut eigener Angabe automatisches Provider-Routing und Failover. Tool-Aufrufe werden allerdings nur von drei der vier gelisteten Provider unterstützt. Eine festgelegte Route kann das Verhalten daher verändern.
Lässt sich Beam selbst betreiben?
Die praktische Antwort lautet: „Ja, mit Rechenzentrum-Hardware“ – nicht: „Ja, auf einer normalen Workstation.“ Das verifizierte Rezept im Hugging-Face-Katalog setzt acht Nvidia-H200-GPUs, 1.128 GB GPU-Speicher, 208 vCPUs, 2.880 GB Arbeitsspeicher und vLLM voraus. Als angezeigter Preis werden 40 $ pro Stunde und laufender Replica genannt.
Die Hugging-Face-Deployment-Seite konfiguriert Tensor-Parallelismus über acht GPUs, einen FP8-KV-Cache, eine GPU-Speicherauslastung von 90 Prozent, eine maximale Modelllänge von 524.288, Prefix-Caching, Chunked Prefill sowie Beam-spezifische Parser für Tools und Reasoning vor. Replicas im Scale-to-Zero-Modus werden nicht berechnet. Die Seite weist jedoch darauf hin, dass der Neustart aus dem Nullzustand Zeit benötigt.
Auch Community-Berichte erwähnen frühe Schleifenbildung und beziffern die NVFP4-Dateien auf ungefähr 273 GB – deutlich mehr, als eine typische Einzel-GPU-Workstation bereitstellt. Der Bericht zur Schleifenbildung stammt aus dieser r/LocalLLaMA-Diskussion nach dem Release; die Angabe von 273 GB kommt von @jimmycheng722 auf X. Keine der beiden Angaben ist eine offizielle Mindestanforderung.
Die 23B aktiven Parameter machen Beam nicht zu einem Deployment in der Größenordnung eines 23B-Modells: Gespeicherte Gewichte, Laufzeit-Overhead und KV-Cache benötigen weiterhin Multi-GPU-Hardware. Für die meisten Teams ist ein gehosteter API-Zugang der vernünftige erste Test. Self-Hosting lohnt sich, wenn Datenresidenz, planbare Kapazität oder dauerhaft hohes Anfragevolumen ein Multi-GPU-Budget rechtfertigen.
Was lässt sich bisher über die Qualität sagen?
In Reflections Release-Kommunikation stehen Coding, Reasoning, Tool-Nutzung und Token-Effizienz im Mittelpunkt. Das sind plausible Einsatzgebiete, doch die Beleglage ist noch uneinheitlich. The Known Good weist Beam derzeit keinen zusammengefassten Qualitätswert und kein veröffentlichtes Ergebnis in den erfassten GPQA-, Mathe-, Coding- oder Arena-Datensätzen zu. Das beweist keine schlechte Qualität. Es bedeutet aber, dass Anbieterangaben nicht als unabhängige Validierung verkauft werden sollten.
Das frühe Community-Signal ist differenzierter als „501B bedeutet Frontier-Niveau“. @wikiwayne berichtete in einem persönlichen Test zur Spielegenerierung von sieben Treffern bei sieben Versuchen. Über den gesamten Test hinweg fielen 171.946 ausgegebene Tokens an, davon 123.463 Reasoning-Tokens. Außerdem sei das erzeugte HTML kleiner als das von Argon gewesen. Das ist kein Benchmark, zeigt aber einen möglichen Beam-Trade-off: viele Reasoning-Tokens für ein kompaktes Endergebnis.
„Beam hat die Hürde genommen. 7/7 Spiele. Beim ersten Versuch. 0 $. ... Der faire Trade-off: Beams HTML war kleiner als das von Argon.“ — @wikiwayne, X.
Reflections Coding-Scores und Effizienzangaben sollten als Herstellerwerte gelten, bis reproduzierbare Tests von Dritten dieselben Prompts, Tool-Einstellungen und Reasoning-Konfigurationen abdecken. Die derzeit verfügbaren Informationen reichen aus, um Beam zu testen. Sie reichen nicht aus, um das Modell zum besten offenen Coding-Modell zu erklären.
Welches Deployment passt zu deinem Einsatz?
| Dein Einsatz | Guter Startpunkt | Warum |
|---|---|---|
| Günstige Batch-Experimente | Nebius über OpenRouter | Die niedrigsten gelisteten Tokenpreise, sofern der lange Start akzeptabel ist |
| Interaktiver Coding-Agent | CoreWeave oder Baseten | Deutlich kürzere Wartezeit bis zum ersten Token und höherer Durchsatz |
| Lange Dokumente oder Repositories | Gehosteter Zugang mit verifiziertem Kontextlimit | Keine Multi-GPU-Hardware anschaffen, bevor die Qualität validiert ist |
| Strenge Anforderungen an die Datenkontrolle | Hugging Face Endpoint oder selbst verwaltetes vLLM | Den verifizierten Deployment-Weg mit den eigenen Netzwerkanforderungen abgleichen |
| Planbares Anfragevolumen mit hoher Auslastung | Erst das Kostenmodell, dann Self-Hosting | 40 $ pro Stunde sind eine reale Basis für die angezeigte H200-Replica |
Beginne mit einem festen Testsatz: drei Coding-Aufgaben, eine Aufgabe für Tool-Aufrufe, eine Retrieval-Aufgabe mit langem Kontext und eine Aufgabe, die gezielt Schleifenbildung sichtbar macht. Erfasse Eingabe-Tokens, Reasoning-Tokens, Zeit bis zum ersten Token, Gesamtlatenz und die Qualität des finalen Ergebnisses.
Reflection Beam: Häufige Fragen
Ist Beam Open Source oder Open Weight?
Beam wird als Open Weight unter der Apache-2.0-Lizenz veröffentlicht. Die Lizenz erlaubt eine weitreichende Nutzung und Anpassung der veröffentlichten Gewichte.
Welche Beam-API ist am günstigsten?
OpenRouter listet Nebius derzeit mit 0,25 $ pro Million Eingabe-Tokens und 1,00 $ pro Million Ausgabe-Tokens. Im aktuellen Provider-Snapshot ist dieser Zugang allerdings auch der langsamste.
Läuft Beam auf einer einzelnen GPU?
Das verifizierte Hugging-Face-Rezept verwendet acht H200-GPUs. Von einem Betrieb auf einer einzelnen GPU sollte daher nicht ausgegangen werden.
Die Entscheidung sollte sich an Tokenkosten, Latenz und Infrastrukturkontrolle orientieren: Beam lässt sich jetzt testen, doch unabhängige Qualitätsnachweise sind weiterhin begrenzt.