Was treibt ein amerikanisches Start-up dazu, ausgerechnet ein Open Weight Modell zu veröffentlichen – und warum steht Nvidia dahinter? Die Antwort liegt womöglich weniger in der Technik als in der Frage, wo in der KI-Branche künftig das Geld verdient wird.
Reflection AI, ein US-Start-up, gegründet von ehemaligen Google-DeepMind-Forschern, das von Nvidia unterstützt wird und nach Medienberichten bereits mehr als vier Milliarden Dollar eingesammelt hat, hat am 5. Oktober Beam angekündigt. Das Modell hat 501 Milliarden Parameter, von denen pro Token nur 23 Milliarden aktiv sind. Es ist für Coding, Reasoning und Agenten-Aufgaben gedacht. Reflection selbst sagt, Beam liege auf dem Niveau von GLM 5.2 und nähere sich bei Coding und Agenten Qwen 3.8-Max an. Der eigentliche Vorteil sei die Effizienz: Bei vergleichbaren Reasoning-Ergebnissen brauche Beam laut Reflection drei- bis viermal weniger Rechenaufwand als GLM 5.2.
Nun kommt das große Aber: Bisher ist das alles eine Ankündigung. Die Gewichte sollen erst im Laufe des Monats erscheinen, derzeit gibt es nur Early Access. Die Benchmarks stammen vom Hersteller selbst, und in der Tabelle zeigt sich ein gemischtes Bild. Bei manchen Tests liegt Beam gleichauf mit GLM 5.2, bei anderen liegen Kimi K3, Qwen und DeepSeek deutlich vorn. Ob Beam in der Praxis mithalten kann, wird sich erst zeigen, wenn Entwickler es ausprobieren können.
Dabei ist die Messlatte hoch. Kimi, Z.ai, DeepSeek, Alibaba und Xiaomi haben in den letzten Monaten gezeigt, wie weit man mit sparsamer Ressourcennutzung kommen kann – und sie sind dabei außerordentlich erfinderisch. Und alle Genannten haben bereits die nächste Generation in der Pipeline, welche anzunehmenderweise wieder deutlich besser sein wird, als die heutigen Versionen, mit denen Beam verglichen wurde. Xioami hat bereits MiMo 2.6 veröffentlicht, aber auch für Kimi, GLM, DeepSeek und Qwen sollen in Kürze deutlich verbesserte Versionen mit neuer Architektur erscheinen. Wer hier aufholen will, muss nicht nur gut sein, sondern auch effizient. Dass Reflection genau diesen Punkt in den Mittelpunkt stellt, ist bemerkenswert. Es wirkt, als hätte man in den USA verstanden, dass Größe allein nicht reicht.
Mindestens genauso interessant finde ich, dass man dort offenbar erkannt hat, dass man dieses Feld nicht den Chinesen überlassen kann. Ich habe schon früher geschrieben, dass sich mit den Modellen selbst langfristig kein Geld verdienen lassen wird. Meiner Einschätzung nach werden sie am Ende offen sein, so wie heute fast alle Programmiersprachen. Das Geld liegt in der Infrastruktur und in der Bereitstellung.
Dazu passt das Engagement von Nvidia. Nvidia verkauft die Hardware, auf der all diese Modelle laufen, und dem Unternehmen kann es im Grunde gleich sein, wessen Modell am Ende gewinnt. Je mehr gute offene Modelle es gibt, desto mehr Rechenleistung wird gebraucht. Ob Nvidia sich damit auch auf eine Zeit vorbereitet, in der geschlossene Anbieter nicht mehr den Ton angeben, bleibt Spekulation. Eine kluge Absicherung wäre es allemal.
Wie es weitergeht, hängt jetzt an den Gewichten und an dem, was Entwickler daraus machen. Wer selbst Modelle betreibt, sollte Beam nach der Veröffentlichung einmal testen – gerade in Hinblick auf den Ressourcenbedarf. Oft ist das offene, effiziente Modell schon die bessere Wahl.