Reflection AI · aangekondigd op 5 oktober 2026
Beam: een model met open gewichten dat meer doet met minder rekenkracht
Beam is het eerste model met open gewichten van Reflection AI: een Mixture-of-Experts-model met 501 miljard parameters, waarvan er per token slechts 23 miljard actief zijn. Het is gericht op programmeren, redeneren en agenttaken. Reflection zegt dat het bij complexe redeneertaken GLM 5.2 evenaart met drie tot vier keer minder inferentierekenkracht.
Release-status vandaag
Beam werd aangekondigd met een wachtlijst. Dit is wat je er op dit moment wel en niet mee kunt doen.
Bèta-API (wachtlijst)
OpenAI-compatibel Chat Completions-eindpunt voor geselecteerde gebruikers met vroege toegang.
Open weights op Hugging Face
Beloofd voor later in October 2026 onder Apache 2.0. Er is nog geen openbare repository.
OpenRouter
Nog niet in de OpenRouter-catalogus.
Ollama / LM Studio
Niet beschikbaar. Zelfs voor 4-bitgewichten is ongeveer 250 GB geheugen nodig, dus lokaal gebruik blijft beperkt tot krachtige werkstations.
In één minuut
Wat Beam is en waarom mensen het de ‘DeepSeek van het Westen’ noemen
Reflection AI is een lab in New York, opgericht in 2024 door twee voormalige onderzoekers van Google DeepMind, Misha Laskin en Ioannis Antonoglou. Beam is het eerste frontiermodel en het eerste in een geplande reeks.
De inzet is efficiëntie. Beam is een sparse Mixture-of-Experts: van de 501 miljard parameters zijn er per token maar ongeveer 23 miljard actief. Daardoor liggen de serveerkosten dichter bij die van een middelgroot model, terwijl het put uit de kennis van een zeer groot model.
Het is ‘open-weight’: Reflection zegt dat het de gewichten later in oktober 2026 publiceert onder de Apache 2.0-licentie, zodat iedereen ze kan downloaden, uitvoeren, fine-tunen en op eigen hardware kan inzetten. Tot die tijd is toegang mogelijk via een bèta-API met wachtlijst.
Investeerders en de pers hebben Beam neergezet als een Amerikaans antwoord op sterke open modellen van Chinese labs zoals DeepSeek, Alibaba (Qwen), Z.ai (GLM) en Moonshot AI (Kimi). Reflection zelf is voorzichtiger: uit de eigen grafieken blijkt dat Kimi K3 nog steeds voorligt op pure capaciteit.
Benchmarks
Hoe Beam scoort ten opzichte van de sterkste open modellen
Geselecteerde resultaten uit de aankondiging van Reflection. De balken tonen Beam tegenover GLM 5.2 en Kimi K3, waar die scores zijn gerapporteerd.
SWE-Bench Pro v1
Terminal-Bench v2.1
τ³ banking
MCP Atlas
GPQA Diamond
Humanity's Last Exam (no tools)
Door de leverancier gerapporteerde scores. Nog niet onafhankelijk geverifieerd.
Alle 21 benchmarksDe efficiëntieclaim
3–4× minder inferentierekenkracht dan GLM 5.2 bij complexe redeneertaken
Reflection schat de rekenkracht als 2 × actieve parameters × gegenereerde tokens. Met 23B actieve parameters en een lengtepenalty die in de reinforcement learning is ingebouwd, verbruikt Beam per antwoord minder FLOPs dan grotere open modellen. Dit is de eigen schatting van het bedrijf, gebaseerd op gegevens van Artificial Analysis en DataCurve; promptprefill en serveeroverhead zijn niet meegerekend en de schatting is niet onafhankelijk gereproduceerd.
- 23B actieve parameters per token
- Redeneerintensiteit die je kunt verhogen of verlagen
- Getraind om onnodige redeneertokens te vermijden
Directe vergelijking
Beam in vergelijking
Vergelijkingspagina's met elke benchmark die beide modellen hebben gerapporteerd, plus omvang, licentie en beschikbaarheid.
Z.ai (Zhipu AI)
Beam vs GLM 5.2
Moonshot AI
Beam vs Kimi K3
Alibaba (Qwen)
Beam vs Qwen 3.8 Max
DeepSeek
Beam vs DeepSeek V4.1 Flash
Z.ai (Zhipu AI)
Beam vs GLM 5.3
NVIDIA
Beam vs Nemotron 3 Ultra
Thinking Machines Lab
Beam vs Inkling
Nieuwste
Nieuws over Beam
Reflection werkt de benchmarktabel van Beam bij
In een notitie van October 8 bij het lanceringsbericht staat dat de resultaten van Beam zijn herzien.
Beam staat nog niet op OpenRouter, Ollama of Hugging Face
De distributie is beperkt zolang de gewichten nog niet zijn uitgebracht.
Waarom Reflection de “DeepSeek van het Westen” wordt genoemd
De bijnaam bestond al vóór Beam en dook opnieuw op in de berichtgeving rond de lancering.
Snelle antwoorden
Veelgestelde vragen
Wat is Reflection Beam?
Beam is een groot taalmodel van Reflection AI, aangekondigd op 5 oktober 2026. Het is een sparse Mixture-of-Experts-model met in totaal 501 miljard parameters en 23 miljard actieve parameters per token, ontwikkeld voor programmeren, redeneren en agentische taken. Het is het eerste open-weight-model van Reflection.
Wie maakt Beam?
Reflection AI is een lab uit New York, opgericht in 2024 door Misha Laskin (CEO) en Ioannis Antonoglou, beiden voormalig onderzoeker bij Google DeepMind. Tot de investeerders behoren Nvidia, Sequoia en Citigroup.
Is Beam open source?
Beam is open-weight. Reflection zegt de weights uit te brengen onder de Apache 2.0-licentie, die commercieel gebruik, aanpassing en herdistributie toestaat. De trainingsdata is niet open: een deel ervan is afkomstig uit propriëtaire, gelicentieerde datasets.
Wanneer worden de weights van Beam uitgebracht?
Reflection zegt dat dit “later deze maand” gebeurt, oftewel in oktober 2026, samen met een technisch rapport, modelkaart en tools om het model uit te voeren, te evalueren en fijn af te stellen. Er is geen exacte datum bekendgemaakt. In onze release tracker zie je de actuele status.
Hoe kan ik Beam vandaag gebruiken?
Meld je aan voor de wachtlijst voor de bèta-API van Reflection. Goedgekeurde gebruikers krijgen een OpenAI-compatibel endpoint op https://api.reflection.ai/openai/v1 met de model-ID Beam-501B-A23B. Zodra de weights beschikbaar zijn, kun je het model ook zelf uitvoeren of via hostingproviders gebruiken.