Ga naar hoofdinhoud

Beam: Reflection AI's 501B open-weights-codeermodel

Beam van Reflection AI evenaart GLM 5.2 op redeneren met 3–4x minder compute, maar blijft achter Kimi K3 op agentisch coderen. Zo presteert het open-weights-model.
Matt Crabtree
Matt Crabtree

Maak je gratis account aan

Oefen en volg je voortgang.

Ga verder met GoogleDoor verder te gaan, accepteer je ons Gebruiksvoorwaarden, onze Privacybeleid en dat je gegevens in de VS worden opgeslagen.

Open-weights-releases worden al een tijdlang gedomineerd door Chinese labs, met de GLM-, Kimi-, Qwen- en DeepSeek-families die de hoogste scores halen op evaluaties van agentisch coderen.

Beam van Reflection AI, aangekondigd op 5 oktober 2026, komt met een expliciete pitch: de "westerse open-weights-frontier" vooruit duwen en concurreren op inference-efficiëntie in plaats van op ruwe capaciteit.

In dit artikel behandel ik wat Beam van Reflection AI is, de functies die ertoe doen voor dagelijks werk, hoe het zich verhoudt tot Kimi K3, DeepSeek V4.1 Flash en de GLM 5.x-lijn op de benchmarks, en wat je er vandaag wel en niet mee kunt doen. Ik raad ook aan om onze gids voor een ander nieuw model te bekijken, Kolibri 1, en onze gidsen voor Kimi K3 en DeepSeek V4.1 Flash vs Gemini 3.8 Flash.

TL;DR

  • Beam is het eerste open-weights-model van Reflection AI, een mixture-of-experts (MoE) met 501B parameters, waarvan slechts 23B parameters per gegenereerde token actief zijn.
  • Het verkooppunt is intelligentie per token, niet piekcapaciteit: Reflection zegt dat het GLM 5.2 evenaart op redeneren terwijl het 3 tot 4 keer minder inference-compute gebruikt.
  • Kimi K3 leidt nog steeds op ruwe capaciteit, en DeepSeek V4.1 Flash noteert de hoogste scores op individuele benchmarks zoals Terminal-Bench v2.1 en DeepSWE.
  • Weights zijn beloofd onder Apache 2.0 later in oktober 2026, dus je kunt het nog niet zelf hosten, quantizen of fine-tunen.

Wat is Beam van Reflection AI?

Beam is een sparse mixture-of-experts-model met 501 miljard parameters van Reflection AI, gebouwd voor code, redeneren en agentische workloads. Slechts 23 miljard van die parameters zijn actief op een willekeurige token.

Het is de eerste open-weights-release van het lab en het eerste model in een geplande serie.

Onder de motorkap heeft Beam 52 lagen, verdeelt het zijn kennis over veel kleine specialistische "experts" (waarvan er per token maar een paar draaien) en mixt het aandacht op nabijgelegen tekst met aandacht over de hele input.

De sparsity is het hele argument.

Een model uit de 2T-plus-klasse zoals Qwen 3.8-Max activeert veel meer parameters per token, dus elke gegenereerde token kost meer compute.

De gok van Reflection is dat een actieve footprint van 23B, hard opgevoerd met reinforcement learning (RL), dichtbij genoeg komt op codeer- en agentisch werk om het kostenverschil de moeite waard te maken.

Trainingsschaal is waar Reflection zijn geld aan uitgaf. Pretraining op 23,8 biljoen tokens duurde minder dan 4 weken op 6.144 NVIDIA GB300 GPU's, met het cluster dat tegen het einde van de run 92,3% van de tijd nuttig werk deed en 9 herstarts vanaf eerdere checkpoints onderweg.

De RL-fase liep vervolgens apart op 10.500 GB300's gedurende 4 weken. Die produceerde meer dan 100 miljoen rollouts (volledige pogingen van een taak) over ruwweg 1 miljoen gecureerde codeer-, agentische en STEM-taken, met ongeveer 1,3 miljard gesandboxte omgevingen om ze uit te voeren en te beoordelen.

Reflection meldt ook dat de capaciteit bleef verbeteren naarmate RL-compute toenam, zonder plateau aan het einde van de run. Dat is de claim die ik het liefst extern getest zou zien, omdat die de stelling van het lab onderbouwt dat het al met het volgende model in de serie bezig is.

Reflection AI Beam Model Card

Belangrijkste features van Beam

Beam is alleen tekst, dus er is geen beeld- of audio-input.

Wat het wel biedt is een set aan knoppen en mogelijkheden gericht op mensen die codeeragenten draaien.

Een draaiknop voor redeneringsinspanning per request

Beam stelt een parameter voor redeneringsinspanning bloot, waarmee je kiest hoeveel denk-tokens een taak krijgt. De API accepteert low, medium (de standaard), high, xhigh en max, maar redeneren kan niet volledig worden uitgeschakeld.

Lagere instellingen sturen aan op korte antwoorden; hogere instellingen laten langer redeneren toe bij moeilijkere problemen.

Die draaiknop is een direct gevolg van hoe Beam is getraind.

Tijdens RL gebruikte Reflection een verstelbare lengtestraf die correcte oplossingen beloonde en extra tokens ontmoedigde. Het meldt dat vroeg in de training de prestaties verbeterden terwijl antwoorden juist korter werden.

Later, naarmate de agentische vaardigheid groeide, werden antwoorden weer langer en betaalden die extra tokens zichzelf terug.

Context van 1M tokens voor hele-repository-werk

Midtraining breidt de effectieve context van Beam uit tot 1 miljoen tokens, getraind op gestructureerde coderepository's, langetermijntaken en langvormige documenten.

Er zijn twee kanttekeningen. RL-rollouts liepen met een maximale context van 256K tokens, dus het agentische gedrag van Beam is geleerd op een kwart van die lengte, en de bèta-API beperkt requests momenteel tot 262.144 tokens (input plus output), met output beperkt tot 131.072 tokens.

Lange context op papier en lange context in de praktijk zijn verschillende dingen. Beam scoort 65,5 op LongBench v2 tegenover 66,3 voor Qwen 3.8-Max en 64,0 voor GLM 5.2, en 79,3 op AA-LCR, waar Kimi K3 88,7 haalt. Dat maakt Beam bruikbaar voor lange inputs, maar niet toonaangevend.

Agentische skills die overdragen naar taken waarop het nooit is getraind

Het interessantste resultaat in de aankondiging heeft niets met een leaderboard te maken.

Tijdens een trainingsfase rond redeneren, software-engineering en terminaltaken, zonder browsingtaken in de RL-mix, verbeterden Beam's browsingscores toch.

Met webtoegang werkte het model zelf uit dat het andere taalmodellen kon bevragen en OCR-API's kon aanroepen om documenten te lezen die het niet kon zien.

De demo's van Reflection gaan nog verder: een live metrokaart van NYC gebouwd op openbare MTA-gegevens, een 3D p5.js-vrijevalspel volledig via tekst gebouwd, en een Gemma 4-fine-tuningnotebook in OpenCode samengesteld uit Unsloth-documentatie, wat de accuraatheid op de achtergehouden test van Gemma met 66,5% verhoogde.

Eén generalisatietest uit de aankondiging is het noemen waard omdat die moeilijk in de trainingsdata gezien kan zijn.

Reflection reconstrueerde een virale rasterpuzzel die een paar dagen voor de lancering op X werd gepost, en vroeg Beam om elk van 16.200 punten op een vaste wereldraster van 180x90 als land of water te classificeren. Beam had 95,5% goed, tussen Opus 5 met 92,5% en Fable 5 met 97,8%.

Asynchrone RL met tot één dag lag

Beam is getraind met asynchrone RL, wat betekent dat het model rollouts blijft genereren terwijl trainingsupdates parallel plaatsvinden, in plaats van op elkaar te wachten. Een enkele lange rollout kan daarom tokens bevatten die door verschillende versies van het model zijn geproduceerd.

Reflection meldt stabiel leren zelfs wanneer het oudste sample in een batch van een modelversie kwam die 107 updates achterliep op de huidige, ruwweg een dag verouderd.

De infrastructuurnummers zijn het bekijken waard als je RL-systemen bouwt:

  • Gemiddeld 110K gelijktijdige rollouts, met tot 170K gelijktijdige sandboxes
  • Ongeveer 12 seconden (mediaan) voordat nieuwe weights de inference-servers bereiken
  • 71 inference-incidenten afgehandeld zonder de trainingsjob te stoppen

Open weights onder Apache 2.0, plus de stack eromheen

Reflection zegt dat het later in oktober 2026 de weights van Beam onder Apache 2.0 zal publiceren, samen met het technische rapport, de modelkaart, documentatie en tooling voor het draaien, evalueren en fine-tunen van het model.

Het is ook van plan de interne veiligheidsevaluaties die het heeft gebouwd open-source te maken, wat zeldzamer is dan de weight-drop zelf.

Apache 2.0 is zo permissief als het wordt: commercieel gebruik, herdistributie en modificatie, zonder gebruikers- of omzetdrempels.

Dat is belangrijk omdat Kimi K3 en DeepSeek V4.1 Flash de verwachtingen hebben gezet voor wat een open model je zou moeten laten doen, en een restrictieve licentie Beam uit de conversatie zou hebben gehaald.

Hoe presteert Beam op de benchmarks?

Beam landt ongeveer waar GLM 5.2 zit op de meeste evaluaties, ruim voor Inkling en Nemotron 3 Ultra, en duidelijk achter Kimi K3, GLM 5.3 en DeepSeek V4.1 Flash op de zwaarste agentische codeertaken.

Reflection is daar open over en positioneert Beam's voordeel als efficiëntie in plaats van piekcapaciteit.

Alle cijfers hieronder zijn door de leverancier gerapporteerd, met concurrentscores door Reflection gehaald bij Artificial Analysis en DataCurve.

Reflection beam-benchmarks-efficiency

Coderen en agentische workflows

Beam's opvallende codeercijfer is 80,9 op SWE-bench Verified, tegenover 77,6 voor Inkling en 70,7 voor Nemotron 3 Ultra.

SWE-bench Verified is een door mensen gecontroleerde set echte GitHub-issues waarbij een model een fix moet schrijven die slaagt voor de eigen tests van het project, en het blijft de eerste benchmark die de meeste practitioners checken.

Elders is het beeld minder flatterend.

Tegen de modellen waar je in de praktijk tussen zou kiezen, loopt Beam achter op elke agentische codeerbenchmark waarvoor een vergelijkingsscore bestaat.

BenchmarkBeamGLM 5.2GLM 5.3Kimi K3DeepSeek V4.1 Flash
Terminal-Bench v2.180.181.088.288.390.6
DeepSWE v1.144.444.061.068.074.2
SWE-bench Pro v2-Hard77.2NR84.388.2NR
SWE Atlas Codebase QnA34.6NR61.068.0NR

NR = niet gerapporteerd.

De DeepSWE- en SWE Atlas-kloven zijn groot.

DeepSWE v1.1 test meerstaps agentische software-engineering in plaats van enkele fixes, en een achterstand van 29,8 punten op DeepSeek V4.1 Flash is geen afrondingsfout.

Op SWE-bench Pro v1 verslaat Beam met 65,5 wel GLM 5.2 met 62,1 en zit het net onder Qwen 3.8-Max met 67,7.

Redeneren en kennistaken

Op Humanity's Last Exam (HLE) zonder tools scoort Beam 36,2 tegenover 40,5 voor GLM 5.2, 42,3 voor GLM 5.3, 43,6 voor Qwen 3.8-Max en 46,9 voor Kimi K3.

HLE is een set deskundig geschreven vragen die zo zijn ontworpen dat zoeken en memoriseren weinig helpen, en het beloont doorgaans de grotere modellen in deze groep.

De rest van de redeneersuite ligt dichter bij elkaar:

  • AIME 2026: Beam 97,8, Inkling 97,1, GLM 5.2 99,2
  • GPQA Diamond: Beam 90,5, GLM 5.3 91,7, Kimi K3 93,5
  • SciCode: Beam 49,7, Qwen 3.8-Max 52,1, Kimi K3 58,7
  • CritPt: Beam 15,6, GLM 5.3 19,1, Kimi K3 23,4

Bijna elk model hier scoort dichtbij de top op AIME, dus dat onderscheidt ze niet meer, en een GPQA Diamond-kloof van 3 punten met Kimi K3 beslist geen productiekeuze.

CritPt, een benchmark met natuurkundevraagstukken op onderzoeksniveau, is waar het verschil pijn doet, met Kimi K3 dat ongeveer 50% hoger scoort dan Beam.

Tool-calling en search

De resultaten van Beam voor tool-calling zijn het meest onevenwichtig.

Het scoort 37,0 op AutomationBench (publieke set), vóór GLM 5.2 met 26,2 maar achter Kimi K3 met 46,7 en DeepSeek V4.1 Flash met 54,8. Op MCP Atlas scoort het 78,7 tegenover 77,8 voor GLM 5.2 en 84,5 voor Qwen 3.8-Max.

Op τ³-bench banking haalt Beam 38,0 tegenover 37,1 voor zowel GLM 5.2 als Kimi K3, met Qwen 3.8-Max ruim erboven op 55,2. Search is het zwakste gebied: 77,4 op BrowseComp en 80,1 op DeepSearchQA met contextmanagement, tegenover 91,2 en 95,0 voor Kimi K3. Als je agent op het open web leeft, is dat de kloof die ertoe doet.

Inference-efficiëntie

Inference-efficiëntie is het cijfer waar Reflection je eigenlijk naar wil laten kijken.

Op Reflection's HLE-efficiëntiegrafiek haalt Beam 35,3% bij een geschatte 0,82 PFLOP (quadriljoen floating-point operations) aan compute per poging, terwijl Inkling ongeveer 4,1 PFLOP nodig heeft om ruwweg 26% te halen en Nemotron 3 Ultra circa 1,9 PFLOP voor ongeveer 21%.

De bredere claim van Reflection is dat Beam GLM 5.2 evenaart op geavanceerd redeneren met 3 tot 4 keer minder inference-compute, met een grotere kloof tegenover de 2T-plus Qwen 3.8-Max-familie.

Lees de methode goed: compute wordt geschat als 2 keer actieve parameters maal het gemiddelde aantal gegenereerde tokens per poging. Het laat de kosten van het verwerken van de prompt, de extra attention-kosten van lange contexten en serving-overhead buiten beschouwing.

Het is een benaderende compute-vergelijking, geen gemeten uitrolkost, en omdat alleen actieve parameters tellen, bevoordeelt het van nature sparse modellen zoals Beam.

Hoe is Beam aligned?

Reflection trainde een apart safety- en alignmentmodel vanuit hetzelfde voorgetrainde checkpoint en combineerde dat vervolgens met het hoofdmodel dat met RL is getraind via multi-teacher on-policy distillation (MOPD), waarbij één studentmodel van beide "teacher"-modellen tegelijk leert.

De alignmentprincipes zijn georganiseerd in drie lagen:

  • Harde regels die het model niet mag breken
  • Kwaliteiten die het consistent moet tonen, zoals het erkennen van onzekerheid
  • Een standaard interactiestijl, beschreven als direct, grondig en proactief

Safetytraining gebruikte deliberative alignment, dat het model leert om zijn veiligheidsbeleid door te denken voordat het antwoordt. Een adversarial loop genereerde aanvallen tegen het checkpoint van elke ronde en voedde de succesvolle terug in de volgende ronde supervised fine-tuning-data.

Reflection meldt ook dat het kon voorspellen hoeveel RL moeilijke, lastig te beoordelen gedragingen zou verbeteren met een correlatie van r = 0,79, vergeleken met 0,46 met een eenvoudigere Best-of-N-baseline. Resultaten van veiligheidsevaluaties worden beloofd in het technische rapport en zijn nu niet gepubliceerd.

Beam-prijzen en beschikbaarheid

Er is geen gepubliceerde prijs voor Beam. De ontwikkelaarsdocumentatie van Reflection had op 6 oktober 2026 geen per-token-tarieven, waardoor een kostenvergelijking met gehoste endpoints van Kimi K3 of DeepSeek V4.1 Flash nu onmogelijk is.

Toegang verloopt via een API-bèta die geleidelijk wordt geopend via een wachtlijst.

De gedocumenteerde base-URL is https://api.reflection.ai/openai/v1, en het is OpenAI-compatibel in enge zin: Chat Completions en modellisting worden ondersteund, terwijl Responses, Embeddings, Files en Batch dat niet zijn. Bètalimieten en -gedrag kunnen expliciet veranderen.

Distributie is tot nu toe dun. Toen ik op 6 oktober 2026 keek, stond Beam niet op Ollama, niet in de OpenRouter-catalogus, niet in de models.dev-catalogus die door OpenCode wordt gebruikt, en er stonden geen weights op Hugging Face.

Reflection zegt te zullen lanceren met distributiepartners en open-source-harnasintegraties tegelijk met de weight-release.

Hoe krijg je toegang tot Beam van Reflection AI

De weights van Beam zijn er nog niet.

Reflection heeft zich vastgelegd op een Apache 2.0-release later in oktober 2026, die de weights, het technische rapport, de modelkaart en tooling voor het draaien, evalueren en fine-tunen van het model omvat. Totdat die er is, kun je het niet zelf hosten, quantizen, meten hoeveel GPU-geheugen het echt nodig heeft of een gepubliceerde score reproduceren.

Wat je vandaag wel kunt doen, is je aanmelden voor de bèta-wachtlijst en de gehoste API aanroepen.

De model-ID in de ontwikkelaarsdocumentatie is Beam-501B-A23B, en omdat het endpoint Chat Completions spreekt, werkt de officiële OpenAI Python-client zodra je de base-URL wijzigt.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.reflection.ai/openai/v1",
    api_key="YOUR_REFLECTION_KEY",
)

response = client.chat.completions.create(
    model="Beam-501B-A23B",
    reasoning_effort="medium",  # low, medium, high, xhigh, or max
    messages=[{"role": "user", "content": "Port this module to the v2 payments API."}],
)
print(response.choices[0].message.content)

Als je dit patroon wilt oefenen met een model waar je nu meteen bij kunt, gebruikt onze GPT-6 Sol API-tutorial dezelfde clientcode, inclusief toolpermissies en kostentracking voor een agentische migratietaak.

Tot slot

Beam is een geloofwaardige open-weights-inzending, en het efficiëntiekader is het eerlijke: Kimi K3 en DeepSeek V4.1 Flash verslaan het op de agentische codeerbenchmarks die het meest tellen, dus het argument voor Beam moet kosten per opgeloste taak zijn in plaats van capaciteit.

Ik zou er nog niet omheen plannen.

Zonder gepubliceerde weights, een prijs of een enkele onafhankelijke reproductie komt elke claim hier van het lab dat het model trainde, en de compute-vergelijking laat promptverwerking en servingkosten buiten beschouwing. Kom terug kijken wanneer de Apache 2.0-weights er zijn en Artificial Analysis zijn eigen cijfers publiceert.

Wil je intussen hands-on gaan met de open-weights-stack, dan is onze AI Fundamentals skill track een goede plek om de basis te leggen.

FAQs

Wat is Beam van Reflection AI?
Beam is het eerste open-weights-model 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 actief per token, voorgetraind op 23,8 biljoen tokens en getuned met meer dan 100 miljoen reinforcement learning-rollouts. Het richt zich op coderen, redeneren en agentische workloads, en is alleen-tekst.
Hoe verhoudt Beam zich tot Kimi K3 en DeepSeek V4.1 Flash?
Beam loopt bij beide achter op agentisch coderen. Op Terminal-Bench v2.1 scoort het 80,1 tegenover 88,3 voor Kimi K3 en 90,6 voor DeepSeek V4.1 Flash, en op DeepSWE v1.1 scoort het 44,4 tegenover respectievelijk 68,0 en 74,2. Het argument van Reflection is efficiëntie in plaats van piekcapaciteit: Beam claimt GLM 5.2-niveau redeneren met 3 tot 4 keer minder inference-compute.
Waar kan ik de weights van Beam downloaden?
Nergens nog. Reflection AI zegt de weights later in oktober 2026 te publiceren onder een Apache 2.0-licentie, samen met het technische rapport, de modelkaart en tooling. Op 6 oktober 2026 stonden er geen Beam-weights op Hugging Face en stond Beam niet in de OpenRouter-catalogus.
Hoeveel kost het om Beam te gebruiken?
Er is geen per-token-prijs gepubliceerd. De ontwikkelaarsdocumentatie van Reflection AI had op 6 oktober 2026 geen tarieven en geen modelprijzen, dus gehoste kostenvergelijkingen met andere open modellen zijn nu nog niet mogelijk. Toegang verloopt momenteel via een gratis te joinen API-bèta-wachtlijst.
Wat is de API-model-ID en het endpoint van Beam?
De model-ID in de ontwikkelaarsdocumentatie van Reflection is Beam-501B-A23B, en de base-URL is https://api.reflection.ai/openai/v1. Het endpoint ondersteunt Chat Completions en modellisting, dus de OpenAI Python-client werkt met een aangepaste base-URL. Completions, Embeddings en Batches worden niet ondersteund.
Matt Crabtree

Auteur

Matt Crabtree

Senior redacteur in AI en edtech. Toegewijd aan het verkennen van data- en AI-trends.  

Onderwerpen