Reflection AI kondigde Beam op 5 oktober 2026 aan als zijn eerste open-weightmodel. Het tekstmodel is bedoeld voor programmeerwerk, redeneren en AI-agenten: systemen die taken kunnen uitvoeren met behulp van hulpmiddelen. Reflection presenteert Beam als alternatief voor sterke open modellen uit China en het Westen. De opvallende claims over prestaties en efficiëntie komen vooralsnog van het bedrijf zelf; onafhankelijke controle moet wachten tot de gewichten beschikbaar zijn.
3
7
13
Een groot model, met een beperkt actief deel
Beam is een zogeheten sparse mixture-of-experts-model. Het bevat in totaal 501 miljard parameters, maar volgens Reflection worden er voor ieder token ongeveer 23 miljard actief gebruikt. Het bedrijf zegt het model te hebben voorgetraind op 23,8 biljoen tokens en daarna intensieve reinforcement learning te hebben toegepast. Volgens de aankondiging leverde die trainingsfase meer dan 100 miljoen rollouts op: reeksen waarin het model een taak probeert uit te voeren en feedback krijgt.
14
Reflection noemt een contextvenster van maximaal 1 miljoen tokens. Dat cijfer vraagt om nuance: berichtgeving over de bèta-interface van derden noemt een limiet van 256.000 tokens. De aangekondigde capaciteit van het model en wat gebruikers via een specifieke dienst kunnen invoeren, hoeven dus niet hetzelfde te zijn. Uit de beschikbare informatie blijkt niet dat de bètagrens voor elke manier van gebruik geldt.
3
7
17
18
Wat zeggen de benchmarks?
Reflection rapporteerde een score van 80,9% op SWE-bench Verified, een test voor programmeertaken. In een afzonderlijke vergelijking op Terminal-Bench v2.1 kwam Beam uit op 80,1. Dat ligt onder GLM-5.2 (81,0), Kimi K3 (88,3) en DeepSeek V4.1 Flash (90,6). De resultaten wijzen erop dat Beam op bepaalde taken competitief kan zijn, maar onderbouwen niet de brede conclusie dat het beter is dan de beste open modellen uit China of het Westen.
12
20
Het bedrijf zegt daarnaast dat Beam op geselecteerde redeneertests vergelijkbaar presteert met GLM-5.2. Reflection schat dat Beam bij het genereren van antwoorden ongeveer drie tot vier keer minder rekenkracht nodig heeft dan GLM-5.2, en meer dan vier keer minder dan de toonaangevende westerse open modellen in de eigen vergelijkingen. Dat zijn schattingen van het bedrijf, geen onafhankelijke metingen die aantonen dat iedere gebruiker dezelfde besparing in kosten of wachttijd zal zien.
13
16
Zolang de gewichten niet zijn vrijgegeven, kunnen onafhankelijke testers deze resultaten niet zelf reproduceren. Ook kunnen verschillen in testopzet en gebruiksomstandigheden de uitkomst van modelvergelijkingen beïnvloeden. De gerapporteerde cijfers vertellen daarom nog niet hoe Beam het op andere taken of in uiteenlopende toepassingen zal doen.
7
13
Wanneer komt Beam beschikbaar?
Reflection wil de gewichten later in oktober 2026 publiceren onder de Apache 2.0-licentie. Een exacte releasedatum is niet bekend. Wie eerder toegang wil, kan zich aanmelden via een wachtlijst. Volgens berichtgeving staan ook ondersteunende documenten op de planning, waaronder een technisch rapport en een modelkaart. Zolang die niet zijn verschenen, is nog niet duidelijk hoe uitgebreid de release precies wordt.
2
3
21
Open weights betekenen dat ontwikkelaars de vrijgegeven modelparameters kunnen downloaden, zelf uitvoeren en aanpassen. Dat is niet hetzelfde als een kant-en-klaar, onafhankelijk getoetst systeem voor elke organisatie. Beam is bedoeld voor ontwikkelaars, bedrijven en overheidsklanten, maar de beschikbare berichtgeving bevestigt geen specifieke inzet bij een overheidsinstantie of een versie die op vertrouwelijke gegevens van een organisatie is afgestemd.
1
5
31
Grote ambities vragen om grote infrastructuur
Beam is onderdeel van een bredere inzet op AI-infrastructuur. Volgens berichtgeving heeft Reflection een overeenkomst van 6,3 miljard dollar met SpaceX gesloten voor Nvidia GB300-systemen. Daarnaast is er een afzonderlijke overeenkomst over rekenkracht met Nebius. Die deals geven een beeld van de schaal van de plannen van Reflection, maar bewijzen op zichzelf niets over Beams prestaties of de geschatte besparing op rekenkracht tijdens gebruik.
4
8
Voorlopig is het verstandig onderscheid te maken tussen de aangekondigde specificaties en de nog niet onafhankelijk gecontroleerde claims. De architectuur, trainingsomvang en beoogde toepassingen zijn bekend; hoe Beam zich verhoudt tot andere modellen en hoeveel efficiënter het in de praktijk is, moet blijken zodra de gewichten en uitgebreidere evaluaties beschikbaar zijn.
7
13
14