Beam: Hugging Face öffnet 501B Open-Source-Modell für Coding und Agents
Hugging Face veröffentlicht Beam, ein offenes 501B-Parameter-Modell des Labs Reflection mit 1M Token Kontext für Coding und agentengesteuerte Workloads – selbst betreibbar unter Apache 2.0.
Was ist neu
Hugging Face und das neue US-Lab Reflection haben das Modell Beam veröffentlicht – ein offenes Sprachmodell mit 501 Milliarden Parametern, das unter der Apache-2.0-Lizenz zur Verfügung steht. Das Besondere: Beam nutzt eine Mixture-of-Experts-Architektur (MoE), bei der pro Token nur 23 Milliarden Parameter aktiv sind, während das volle Modellgewicht in den Speicher passt. So rechnet das System mit der Geschwindigkeit eines 23B-Modells bei der Kapazität eines 501B-Modells.
Laut Hugging Face ist Beam spezialisiert auf Coding und agentengesteuerte Anwendungsfälle. Das Modell arbeitet nur mit Text (Input und Output), unterstützt eine Kontextlänge von 1 Million Tokens und enthält native Unterstützung für Reasonging (in fünf Stufen: „low", „medium", „high", „xhigh", „max") sowie für Tool-Calling mit dedizierter Grammatik. Das Reasoning kann über mehrere Turns hinweg im Kontext erhalten bleiben.
Die technische Architektur basiert auf 52 Schichten mit einer versteckten Größe von 5.120. Die ersten drei Schichten nutzen dichte MLPs, die verbleibenden 49 verwenden Mixture-of-Experts mit je 256 Experten. Nur acht dieser Experten werden pro Token geroutet. Das Routing folgt laut Hugging Face dem Group-Limited-Scheme von DeepSeek-V3. Der BF16-Checkpoint ist etwa 1 TB groß (im SafeTensors-Format), es gibt aber auch NVFP4-Checkpoints für NVIDIA-Blackwell-GPUs (~280 GB) und FP8-Checkpoints für ältere Hardware.
Die Attention-Mechanik kombiniert zwei Schicht-Typen: 43 Schichten mit Sliding-Window-Attention über die vorherigen 512 Tokens und 9 globale Schichten, die den vollständigen Kontext sehen. Das reduziert laut Hugging Face den Speicherwachstum auf 36 KiB pro Token – etwa ein Sechstel der naiven Rate.
Hugging Face liefert Beam mit Tag-eins-Unterstützung in den Libraries transformers, SGLang und vLLM aus. Es gibt fertige Rezepte für Inference, Supervised Fine-Tuning (SFT) und Reinforcement Learning (RL). Ein eigener Rust-basierter Harness soll beste Performance garantieren. Als Speculative-Decoding-Drafter ist ein DFlash2-Modell enthalten.
Für wen, ab wann, zu welchen Bedingungen
Beam richtet sich an Teams, die ein Frontier-Scale-Modell auf eigener Hardware, eigener Infrastruktur oder in ihrer Cloud betreiben wollen – mit voller Kontrolle und Anpassungsmöglichkeit. Die Veröffentlichung erfolgte am 16. Oktober 2026.
Das Modell ist sofort auf Hugging Face verfügbar, der Quellcode und die Checkpoints können heruntergeladen und lokal bereitgestellt werden. Hugging Face nennt die konkreten Hardware-Anforderungen: Für praktisches Serving empfiehlt sich der NVFP4-Checkpoint (~280 GB), der auf zwei B200-GPUs (360 GB HBM3e) passt. Für angemessenes Puffern bei langen Kontexten und parallelen Anfragen sollten vier B200s (720 GB) eingeplant werden. Alternativ laufen acht B200s, zwei B300s oder auch acht RTX-Pro-6000-GPUs. Auf älteren GPUs-Generationen (ohne Blackwell-Support) müssen FP8-Checkpoints genutzt werden.
Die Modellkarte nennt Hugging Face nicht; es gibt allerdings ein Wettbewerb-Angebot: Reflection vergibt 10.000 US-Dollar Hub-Credits an die besten Projekte, die Beam nutzen. Teilnahme ist kostenfrei und erfordert nur das Hochladen eines Demo, einer Quantisierung, eines synthetischen Datensatzes, eines RL-Umfelds oder Benchmarks auf dem Hub.
Die Checkpoints und die erforderlichen Abhängigkeiten (transformers 5.20.1+, vLLM, SGLang) sind kostenlos. Ein Preis für kommerzielle Dienste oder gehostete Lösungen nennt Hugging Face nicht.
Einordnung für DACH
Für Teams im deutschsprachigen Raum ist entscheidend, dass Beam vollständig quelloffen unter Apache 2.0 verfügbar ist – ein Lizenzmodell, das kommerzielle Nutzung ohne Gebühren erlaubt. Die Datenverarbeitung erfolgt vollständig auf eigenen Systemen; es gibt keine zentralen Hugging-Face-Server, über die die Eingaben laufen. Das ist für Organisationen mit strengeren Datenschutzanforderungen relevant.
Die Hardware-Anforderungen sind erheblich: Mindestens vier B200-GPUs (zusammen 720 GB Speicher) sind für den produktiven Betrieb nötig. In der EU und der Schweiz gibt es entsprechende Cloud-Provider und Rechenzentren, die solche GPU-Cluster anbieten. Hugging Face erwähnt auch die Option, über Inference Provider (Serverless-Angebote) zu testen, nennt aber keine konkreten Anbieter.
Die native Unterstützung in transformers, vLLM und SGLang bedeutet, dass Entwickler auf etablierte Open-Source-Tools zurückgreifen können, ohne neue Frameworks erlernen zu müssen. Der Rust-basierte Custom Harness ist ebenfalls offen, wird aber von Reflection gewartet.
Für Modelle & Benchmarks ist Beam ein seltenes Beispiel: Ein Frontier-Scale-Modell, das Teams selbst betreiben dürfen, statt auf Cloud-APIs angewiesen zu sein. Das macht die gesamten Inferenzkosten vorhersehbar und entfällt die Abhängigkeit von Herstellerverfügbarkeit.
Quellen
Häufige Fragen
Was ist Beam und für welche Aufgaben ist es ausgelegt?
Beam ist ein offenes Sprachmodell mit 501 Milliarden Parametern von Hugging Face und dem Lab Reflection. Laut Hugging Face ist es spezialisiert auf Coding und agentengesteuerte Workloads und unterstützt eine Kontextlänge von 1 Million Tokens sowie Reasoning und Tool-Calling.
Wie viel Speicher benötigt Beam und auf welcher Hardware läuft es?
Der BF16-Checkpoint benötigt etwa 1 TB Speicher, der NVFP4-Checkpoint für Blackwell-GPUs nur etwa 280 GB. Laut Hugging Face empfiehlt sich mindestens vier B200-GPUs (720 GB zusammen) für produktiven Betrieb. Ältere GPU-Generationen benötigen FP8-Checkpoints.
Unter welcher Lizenz ist Beam verfügbar und welche Kosten entstehen?
Beam steht unter der Apache-2.0-Lizenz, die kommerzielle Nutzung ohne Gebühren erlaubt. Die Checkpoints und notwendigen Libraries wie transformers und vLLM sind kostenlos. Hugging Face nennt keine Tarife oder Gebühren.