Reflection stellt Beam vor: KI-Modell mit 501 Milliarden Parametern

Reflection hat Beam vorgestellt, ein KI-Modell für Programmierung, Schlussfolgern und automatisierte Aufgaben. Der Anbieter will die Modellgewichte, also die beim Training gelernten Werte, die die Verarbeitung von Eingaben steuern, zusammen mit technischem Bericht, Modellbeschreibung und Entwicklerdateien noch im Oktober öffentlich zugänglich machen. Im Mittelpunkt stehen umfangreiches Modelltraining und ein geringerer Rechenaufwand beim Erzeugen von Antworten.

Das am 5. Oktober 2026 angekündigte Modell besitzt 501 Milliarden Parameter. Davon sind jeweils 23 Milliarden aktiv: Beam verwendet eine Architektur, die nur Teile des Modells für die Verarbeitung aktiviert. Es ist Reflections erstes Modell mit öffentlich zugänglichen Gewichten. Noch laufen abschließende Prüfungen, darunter gezielte Versuche, problematisches Verhalten auszulösen. Interessenten können sich für einen frühen Zugang anmelden.

Rechenvergleich statt gemessener Betriebskosten

Laut Reflection erreicht Beam bei anspruchsvollen Schlussfolgerungsaufgaben ähnliche Ergebnisse wie das Vergleichsmodell GLM 5.2, ein anderes offenes KI-Modell. Dabei benötige es drei- bis viermal weniger Rechenaufwand. Die Berechnung berücksichtigt aktive Parameter und erzeugte Texteinheiten, sogenannte Token. Die Verarbeitung der Eingabe und zusätzlicher Aufwand beim Betrieb bleiben dagegen unberücksichtigt. Es handelt sich deshalb um Schätzungen, nicht um gemessene Betriebskosten. Anwender können den Aufwand fürs Schlussfolgern einstellen: Niedrige Einstellungen begünstigen kürzere Antworten, höhere erlauben längere Lösungswege.

Vier Wochen auf 10.500 Grafikprozessoren

Für das Vortraining, das anfängliche Training auf großen Textsammlungen, verwendete Reflection 23,8 Billionen Token aus dem Internet und proprietären, lizenzierten Datensätzen. Zusätzlich trainierte der Anbieter Beam durch bestärkendes Lernen, bei dem erfolgreiche Lösungsversuche belohnt werden. Dafür liefen 10.500 NVIDIA-GB300-Grafikprozessoren über vier Wochen. Das Training erzeugte mehr als 100 Millionen Lösungsdurchläufe, also Versuche des Modells, Aufgaben in Trainingsumgebungen zu lösen. Beam verarbeitet ausschließlich Text, kann aber andere Informationsformen nutzen, wenn diese als Text vorliegen.