Open-Weight-KI-Chat · Reflection AI
Beam 1.0: das offene 501B-Modell von Reflection AI für Code, Agenten und lange Chats
Beam 1.0 ist das erste große Open-Weight-Modell von Reflection AI, einem US-Labor, das Entwicklern eine amerikanische Antwort auf die starken offenen Modelle aus China bieten will. Es ist ein sparsames Mixture-of-Experts-Modell (MoE) mit insgesamt 501 Milliarden Parametern, von denen pro Token aber nur rund 23 Milliarden aktiv sind – es denkt also wie ein Riese und kostet im Betrieb eher so viel wie ein mittelgroßes Modell. Es liest bis zu 1 Million Tokens auf einmal, und jeder kann die Gewichte von Hugging Face herunterladen.
- 501B MoE
- 1M Kontext
- Offene Gewichte

Unzensierter alternativer KI-Chat-Generator
Lange, ungefilterte Rollenspiele und Erwachsenenfiktion, ohne einen GPU-Server zu mieten? Öffne den unzensierten Chat und leg in Sekunden los.
Unzensierten Chat öffnen →Ein amerikanisches offenes Modell gegen die MoE-Giganten
Reflection AI kündigte Beam am 5. Oktober 2026 mit einer Warteliste für frühen Zugang an und veröffentlichte Mitte Oktober den vollständigen Checkpoint Beam-1.0-501B-A23B auf Hugging Face. Der Name beschreibt das Design: 501B Parameter insgesamt, A23B für rund 23B aktive. Im Inneren stecken 52 Schichten (3 dichte und 49 MoE) mit 256 Experten, gegatete Grouped-Query-Attention kombiniert mit Sliding-Window-Attention sowie ein Vokabular von 152.000 Tokens. Das Modell verarbeitet nur Text, wurde vor allem für Englisch entwickelt und hat einen Wissensstand bis zum 30. Juni 2026. Laut Forklog wurde das Basismodell in weniger als vier Wochen mit 23,8 Billionen Tokens vortrainiert, gefolgt von weiteren vier Wochen Reinforcement Learning in rund 1,3 Milliarden virtuellen Umgebungen. Die Modellkarte gibt außerdem an, dass es etwa dreimal weniger Reasoning-Tokens braucht als gleichwertige Konkurrenten – also schnellere und günstigere Antworten.
Wo es glänzt: Alltagsaufgaben für Reflections Flaggschiff
Reflection AI hat das Modell vor allem auf Softwarearbeit und lange, mehrstufige Aufgaben getrimmt, doch das riesige Kontextfenster und die flüssige Sprache machen es weit über das Programmieren hinaus nützlich. In diesen Szenarien wird Beam 1.0 seinem Hype gerecht:
- Programmierpartner: GitHub-Issues beheben, Altdateien refaktorieren und Tests schreiben. Bei Coding-Benchmarks veröffentlicht der Hersteller seine stärksten Zahlen.
- Agenten und Tool-Nutzung: Kommandozeilen- und DevOps-Aufgaben, Browsing und MCP-Toolaufrufe in langen Agentenschleifen.
- Fragen zu riesigen Dokumenten: ein Vertragspaket, eine Codebasis oder ein ganzes Buch hochladen und Fragen über 1 Million Tokens Kontext stellen.
- Zusammenfassungen und Recherchenotizen: Berichte, Transkripte und Fachartikel in kurze, zitierfähige Erkenntnisse verwandeln.
- Kreatives Schreiben und Rollenspiel: Geschichten über viele Runden, Figurenstimmen und Wendungen für Erwachsenenfiktion – stets mit fiktiven erwachsenen Figuren.
- Private Deployments: Unternehmen, die einen starken Assistenten auf eigenen Servern betreiben wollen, damit Daten das Haus nie verlassen.

Sofort nutzbare Prompt-Vorlagen für Code, Recherche und Geschichten
Das Modell folgt klaren Anweisungen gut, daher nennen die besten Prompts eine Rolle, eine Aufgabe und ein Ausgabeformat. Ersetze die Teile in geschweiften Klammern und füge eine dieser Vorlagen in ein Chatfenster ein:
- Zusammenfassung langer Dokumente: Du bist ein präziser Analyst. Fasse das folgende Dokument in 5 Kernaussagen zusammen, jeweils mit einem belegenden Zitat: {document}
- Code-Refactoring: Agiere als erfahrener Python-Entwickler. Refaktoriere diesen Code für bessere Lesbarkeit und erkläre jede Änderung in einer kurzen Zeile: {code}
- Fehlersuche: Hier sind ein Fehlerprotokoll und die zugehörige Datei. Finde die wahrscheinlichste Ursache, schlage eine minimale Korrektur vor und nenne einen Test, der sie belegt: {log} {file}
- Rollenspiel (nur fiktive erwachsene Figuren): Du bist {name}, eine {personality} Figur in einer {genre}-Geschichte. Bleib in deiner Rolle, schreibe eine lebendige Erzählung in der dritten Person und beende jede Antwort mit einer Wahlmöglichkeit für mich.
- Kreatives Schreiben: Schreibe eine Noir-Kurzgeschichte mit 600 Wörtern über {topic}, in der Ich-Form erzählt und mit überraschendem Ende.
- Agentenplan: Zerlege dieses Ziel in nummerierte Schritte, nenne für jeden Schritt das Tool, das du verwenden würdest, und frag mich, bevor du etwas Unumkehrbares tust: {goal}
Tipp: Die Modellkarte evaluiert mit temperature 0.7 und top_p 0.99 – ein guter Ausgangspunkt fürs Programmieren wie fürs Geschichtenerzählen.
Downloads auf Hugging Face: BF16-, FP8- und NVFP4-Versionen
Alle offiziellen Dateien liegen in der Organisation reflection auf Hugging Face. Das Haupt-Repository reflection/Beam-1.0-501B-A23B enthält den BF16-Checkpoint in voller Präzision. Ein separates FP8-Repository wurde mit dem Tool llm-compressor des vLLM-Teams erstellt, und Reflection veröffentlicht außerdem NVFP4-Ergebnisse für eine 4-Bit-Version, die auf neuere NVIDIA-Hardware zielt. Laut Reflection sind Fine-Tuning, Quantisieren, Mergen und Destillieren der Gewichte nicht verboten, und der Modellbaum auf Hugging Face listet bereits Fine-Tunes und quantisierte Versionen aus der Community.
| Version | Wo | Am besten für |
|---|---|---|
| BF16 (Original) | reflection/Beam-1.0-501B-A23B | Maximale Qualität, Fine-Tuning und eigene Quantisierungen |
| FP8 | reflection/Beam-1.0-501B-A23B-FP8 | Betrieb auf Rechenzentrums-GPUs mit etwa halbem Speicherbedarf für die Gewichte |
| NVFP4 | Von Reflection neben den BF16- und FP8-Ergebnissen aufgeführt | Neueste NVIDIA-Karten mit 4-Bit-Unterstützung |
| Community-Quantisierungen (GGUF und andere) | Modellbaum auf der Hugging-Face-Seite | Macs mit viel Speicher und gemischte CPU-+-GPU-Setups; jede Modellkarte prüfen |
Lokal ausführen: realistische VRAM- und Hardware-Rechnung
Die Modellkarte nennt keine offiziellen GPU-Anforderungen, daher hier eine ehrliche Überschlagsrechnung. Jeder Parameter belegt in BF16 2 Bytes, also rund 1 TB Gewichte, bevor der Cache für den langen Kontext überhaupt mitzählt. FP8 halbiert das ungefähr auf etwa 500 GB, 4-Bit-Versionen landen bei rund einem Viertel. Auch wenn pro Token nur 23B Parameter aktiv sind, müssen alle 501B im Speicher liegen – das ist Multi-GPU-Server-Terrain, kein Gaming-PC.
- Rechenzentrumsweg: den FP8-Checkpoint auf einen Multi-GPU-Knoten laden; sein compressed-tensors-Format stammt aus der vLLM-Toolchain.
- Mac- und Workstation-Weg: ein Community-GGUF auf einem Rechner mit mehreren hundert Gigabyte Unified Memory oder RAM; mit langsamer Ausgabe rechnen.
- Ollama, LM Studio und llama.cpp: Laut Modellkarte laufen quantisierte Versionen in diesen Apps, aber prüfe, ob die gewählte Version Unterstützung für diese Architektur angibt.
- Ganz ohne Hardware: Baseten wird auf der Modellseite als Inferenzanbieter geführt, und das Modell ist auch auf HuggingChat verfügbar.

Beam 1.0 vs. DeepSeek, Qwen und GLM
Beam betritt ein Feld, das von chinesischen offenen MoE-Familien dominiert wird. Reflections eigene Angaben, wie Forklog berichtet, sind kühn, aber konkret: vergleichbar mit GLM-5.2 bei Programmier- und Agentenaufgaben, nah an Qwen3.8-Max und gleichauf mit GLM-5.2 beim anspruchsvollen Reasoning bei drei- bis viermal weniger Rechenaufwand in der Inferenz. Das Unternehmen räumt zudem ein, dass Kimi K3 bei der absoluten Leistungsfähigkeit noch vorn liegt. Zum Zeitpunkt der Erstellung hatte kein unabhängiges Labor eigene Werte veröffentlicht, daher sind dies Herstellerangaben.
| Beam 1.0 | Familien DeepSeek, Qwen und GLM | |
|---|---|---|
| Herkunft | Reflection AI, USA | Chinesische Labore |
| Design | MoE, 501B insgesamt und rund 23B aktiv | Meist MoE-Flaggschiffe plus kleinere dichte Modelle |
| Kontext | 1M Tokens | Je nach Release unterschiedlich |
| Offene Gewichte | Ja | Ja, bei den meisten Releases |
| Unzensierte Community-Versionen | Bisher keine gefunden | Viele abliterated und unzensierte Fine-Tunes |
Benchmark-Ergebnisse und erste Reaktionen
Reflection veröffentlichte eine lange Ergebnistabelle für die BF16-, FP8- und NVFP4-Versionen, wobei die quantisierten kaum zurückfallen. Alle Zahlen unten stammen vom Hersteller bei Temperatur 0.7 und sind keine unabhängigen Tests, zeigen aber zusammen, worauf Beam 1.0 abzielt: echte Softwarearbeit, Mathematik und Naturwissenschaften sowie toolnutzende Agenten.
| Benchmark | BF16-Wert |
|---|---|
| SWE-bench Verified | 81.6 |
| Terminal Bench v2.1 | 80.1 |
| LiveCodeBench | 88.3 |
| AIME 2026 | 97.7 |
| GPQA Diamond | 90.6 |
| MCP Atlas | 80.8 |
| IFBench | 79.6 |
Erste Berichte stellten den Launch als amerikanisches offenes Modell dar, das mit chinesischen Produkten konkurrieren soll. Das meiste Lob gilt Coding und Effizienz; der wichtigste Vorbehalt der Beobachter: Unabhängige Evaluierungen lagen noch nicht vor.
Gibt es ein unzensiertes Beam 1.0?
Noch nicht. Das offizielle Chatmodell ist auf Sicherheit getrimmt: In Reflections eigenem Test mit schädlichen Anfragen lehnt es in rund 89 % der Fälle ab oder lenkt um, und die Vortrainingsdaten wurden auf schädliche Inhalte gefiltert. Da die Gewichte offen sind, könnte die Community später ein abliterated oder unzensiertes Fine-Tune bauen, doch beim Verfassen dieser Seite war keine solche Version von Beam 1.0 auf Hugging Face zu finden. Wer heute weniger Ablehnungen möchte, greift meist zu abliterated Fine-Tunes von Qwen, GLM oder DeepSeek oder zu einem unzensierten Online-Chat für Rollenspiel und Erwachsenenfiktion.
- Durchsuche den Modellbaum auf Hugging Face nach den Tags abliterated oder uncensored, bevor du ein Derivat herunterlädst.
- Lies die Modellkarte jedes Derivats: Community-Versionen werden nicht von Reflection AI geprüft.
- Beschränke Rollenspiele auf fiktive Erwachsene (18+) und beziehe niemals reale Personen ein.
Beam 1.0 selbst hosten vs. online chatten mit Spicy AI
| Lokale Installation (offizielle Gewichte) | Spicy AI online | |
|---|---|---|
| Inhaltsfilter | Offizielles Modell auf Sicherheit getrimmt | Keine Inhaltsfilter |
| Offene Gewichte | Ja | Nicht nötig – läuft im Browser |
| Modell | Beam 1.0 (BF16, FP8 oder NVFP4) | Ähnliches unzensiertes Chatmodell, online gehostet |
| Einstiegspreis | Kostenloser Download, eigener Multi-GPU-Server | Kostenlose Stufe verfügbar |
FAQ
Wer hat Beam 1.0 entwickelt?
Reflection AI, ein US-Unternehmen. Es kündigte Beam am 5. Oktober 2026 an und veröffentlichte die herunterladbaren Gewichte im Oktober 2026 auf Hugging Face.
Wie groß ist Beam 1.0?
Es hat insgesamt 501 Milliarden Parameter, aktiviert als Mixture-of-Experts-Modell aber nur rund 23 Milliarden pro Token, verteilt auf 52 Schichten und 256 Experten.
Wie lang darf der Kontext sein?
Die Modellkarte nennt ein Kontextfenster von 1 Million Tokens – genug für große Codebasen, lange Verträge oder einen ganzen Roman in einem Prompt.
Kann ich Beam 1.0 auf meinem eigenen Computer ausführen?
Nicht auf einem normalen PC. Das vollständige Modell braucht in BF16 rund 1 TB Speicher und in FP8 etwa die Hälfte. Quantisierte Community-Versionen senken die Hürde, aber du brauchst trotzdem Hunderte Gigabyte Speicher.
Gibt es ein unzensiertes oder abliterated Beam 1.0?
Zum Zeitpunkt der Erstellung wurde keines gefunden. Das offizielle Modell ist auf Sicherheit getrimmt. Übliche Alternativen sind abliterated Fine-Tunes von Qwen, GLM oder DeepSeek oder ein unzensierter Online-Chat.
Wie gut ist es?
Reflection meldet unter anderem 81.6 bei SWE-bench Verified und 97.7 bei AIME 2026. Das sind Herstellerangaben; unabhängige Evaluierungen waren noch nicht veröffentlicht.