{ "aboutHtml": "

Beam 1.0 من Reflection

Beam 1.0 501B A23B نموذج نصي من Reflection للبرمجة والاستدلال والمهام المقسمة إلى خطوات مترابطة. تضم بنية MoE المتناثرة إجمالاً 501,3 مليار معلمة ونحو 23,4 مليار معلمة نشطة لكل توكن. طُوّر النموذج أساساً للغة الإنجليزية؛ ومن المفيد مراعاة ذلك عند اختيار لغة الشيفرة المصدرية والمواد التقنية والتعليمات المفصلة.

تجمع البنية بين الانتباه المحلي والعالمي، ويشمل تدريب النموذج العمل مع الشيفرة المصدرية والتوثيق التقني والمواد العلمية والتعليمية. وطورت مرحلة تدريب مستقلة السياق الطويل باستخدام مستودعات منظمة ومهام ممتدة ومستندات كبيرة. وأثناء التعلم المعزز، جمع المطور مهام البرمجة والعمل في الطرفية وSTEM.

المهام التي يركز عليها النموذج

تركز Reflection على هندسة البرمجيات والاستدلال الرياضي والعلمي وحل المهام بالتتابع. يمكن استخدام هذه المجالات لحوار نصي ذي مضمون: شرح العلاقات بين مكونات برنامج، أو تحليل خطأ منطقي، أو اقتراح تعديل خوارزمية، أو وضع خطة لاختبار فرضية، أو تلخيص مادة تقنية.

يركز Beam أيضاً على الاقتصاد في توكنات الاستدلال. فقد كوفئ أثناء التدريب الحل الناجح مع تقليل التوكنات الزائدة. وهذا وصف لنهج المطور؛ ومع ذلك، من الأفضل تحديد طول الإجابة المطلوبة صراحةً في طلبك، مثل استنتاج موجز أو برهان مفصل أو تعديل مع شرح.

سياق نصي كبير في Ailoot

نافذة سياق الاتصال هي ⁦1 048 576⁩ توكناً. وتشمل المواد المقدمة والتعليمات والسجل والإجابة الجاري توليدها. تشير البيانات الوصفية للنموذج إلى حجم إجابة يصل إلى ⁦131 072⁩ توكناً. يتيح هذا الحجم إرسال عدة نصوص مترابطة: مواصفة ومقتطفات تنفيذ ونتائج اختبارات وأسئلة حولها. سمّ المواد واطلب تحديد المقطع الذي يستند إليه الاستنتاج، ليسهل التحقق من التحليلات الكبيرة.

فمثلاً في مهمة برمجية، يمكن طلب خريطة تبعيات من الملفات المقدمة أولاً، ثم تحديد موضع التعديل، ثم إعداد التنفيذ. وفي مهمة علمية، يمكن تحديد الشروط الأصلية والرموز ودرجة الصرامة المطلوبة. هذه طرق لتنظيم الطلب تتيح مقارنة النتيجة المفيدة بالمواد الأصلية.

يقبل الاتصال نصاً ويعيد نصاً عبر Messages وResponses وChat Completions وgenerateContent النصي. وتصل الشيفرة والتوصيات بوصفها إجابة النموذج؛ أما تنفيذ الأوامر والعمل مع البيانات الخارجية فتحددهما إمكانات تطبيقك.

", "aboutText": "### Beam 1.0 من Reflection\n\nBeam 1.0 501B A23B نموذج نصي من Reflection للبرمجة والاستدلال والمهام المقسمة إلى خطوات مترابطة. تضم بنية MoE المتناثرة إجمالاً 501,3 مليار معلمة ونحو 23,4 مليار معلمة نشطة لكل توكن. طُوّر النموذج أساساً للغة الإنجليزية؛ ومن المفيد مراعاة ذلك عند اختيار لغة الشيفرة المصدرية والمواد التقنية والتعليمات المفصلة.\n\nتجمع البنية بين الانتباه المحلي والعالمي، ويشمل تدريب النموذج العمل مع الشيفرة المصدرية والتوثيق التقني والمواد العلمية والتعليمية. وطورت مرحلة تدريب مستقلة السياق الطويل باستخدام مستودعات منظمة ومهام ممتدة ومستندات كبيرة. وأثناء التعلم المعزز، جمع المطور مهام البرمجة والعمل في الطرفية وSTEM.\n\n### المهام التي يركز عليها النموذج\n\nتركز Reflection على هندسة البرمجيات والاستدلال الرياضي والعلمي وحل المهام بالتتابع. يمكن استخدام هذه المجالات لحوار نصي ذي مضمون: شرح العلاقات بين مكونات برنامج، أو تحليل خطأ منطقي، أو اقتراح تعديل خوارزمية، أو وضع خطة لاختبار فرضية، أو تلخيص مادة تقنية.\n\nيركز Beam أيضاً على الاقتصاد في توكنات الاستدلال. فقد كوفئ أثناء التدريب الحل الناجح مع تقليل التوكنات الزائدة. وهذا وصف لنهج المطور؛ ومع ذلك، من الأفضل تحديد طول الإجابة المطلوبة صراحةً في طلبك، مثل استنتاج موجز أو برهان مفصل أو تعديل مع شرح.\n\n### سياق نصي كبير في Ailoot\n\nنافذة سياق الاتصال هي 1 048 576 توكناً. وتشمل المواد المقدمة والتعليمات والسجل والإجابة الجاري توليدها. تشير البيانات الوصفية للنموذج إلى حجم إجابة يصل إلى 131 072 توكناً. يتيح هذا الحجم إرسال عدة نصوص مترابطة: مواصفة ومقتطفات تنفيذ ونتائج اختبارات وأسئلة حولها. سمّ المواد واطلب تحديد المقطع الذي يستند إليه الاستنتاج، ليسهل التحقق من التحليلات الكبيرة.\n\nفمثلاً في مهمة برمجية، يمكن طلب خريطة تبعيات من الملفات المقدمة أولاً، ثم تحديد موضع التعديل، ثم إعداد التنفيذ. وفي مهمة علمية، يمكن تحديد الشروط الأصلية والرموز ودرجة الصرامة المطلوبة. هذه طرق لتنظيم الطلب تتيح مقارنة النتيجة المفيدة بالمواد الأصلية.\n\nيقبل الاتصال نصاً ويعيد نصاً عبر Messages وResponses وChat Completions وgenerateContent النصي. وتصل الشيفرة والتوصيات بوصفها إجابة النموذج؛ أما تنفيذ الأوامر والعمل مع البيانات الخارجية فتحددهما إمكانات تطبيقك.", "locale": "ar", "methods": [ { "html": "
Ultra Anthropic MessagesPOST /v1/messages
الإدخال
text
الإخراج
text
السياق
غير محدد في الكتالوج
الحد الأقصى للإجابة
غير محدد في الكتالوج
الإدخال
⁦‏0.0005 US$⁩ / 1K
الإخراج
⁦‏0.002 US$⁩ / 1K
قراءة ذاكرة التخزين المؤقت
⁦‏0.0001 US$⁩ / 1K
", "method_identity": { "effective_request_model_id": "reflection/beam-1.0-501b-a23b", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|reflection%2Fbeam-1.0-501b-a23b", "ordinal": 0, "rawMethod": { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/messages", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
Ultra OpenAI ResponsesPOST /v1/responses
الإدخال
text
الإخراج
text
السياق
غير محدد في الكتالوج
الحد الأقصى للإجابة
غير محدد في الكتالوج
الإدخال
⁦‏0.0005 US$⁩ / 1K
الإخراج
⁦‏0.002 US$⁩ / 1K
قراءة ذاكرة التخزين المؤقت
⁦‏0.0001 US$⁩ / 1K
", "method_identity": { "effective_request_model_id": "reflection/beam-1.0-501b-a23b", "fmt": "responses", "http": "POST", "path": "/v1/responses", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra" }, "method_key": "Ultra|responses|/v1/responses|reflection%2Fbeam-1.0-501b-a23b", "ordinal": 1, "rawMethod": { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "responses", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "OpenAI Responses", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/responses", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
Ultra OpenAI ChatPOST /v1/chat/completions
الإدخال
text
الإخراج
text
السياق
غير محدد في الكتالوج
الحد الأقصى للإجابة
غير محدد في الكتالوج
الإدخال
⁦‏0.0005 US$⁩ / 1K
الإخراج
⁦‏0.002 US$⁩ / 1K
قراءة ذاكرة التخزين المؤقت
⁦‏0.0001 US$⁩ / 1K
", "method_identity": { "effective_request_model_id": "reflection/beam-1.0-501b-a23b", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|reflection%2Fbeam-1.0-501b-a23b", "ordinal": 2, "rawMethod": { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/chat/completions", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } }, { "html": "
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
الإدخال
text
الإخراج
text
السياق
غير محدد في الكتالوج
الحد الأقصى للإجابة
غير محدد في الكتالوج
الإدخال
⁦‏0.0005 US$⁩ / 1K
الإخراج
⁦‏0.002 US$⁩ / 1K
قراءة ذاكرة التخزين المؤقت
⁦‏0.0001 US$⁩ / 1K
", "method_identity": { "effective_request_model_id": "reflection/beam-1.0-501b-a23b", "fmt": "gemini", "http": "POST", "path": "/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra" }, "method_key": "Ultra|gemini|/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent|reflection%2Fbeam-1.0-501b-a23b", "ordinal": 3, "rawMethod": { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "gemini", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "gemini", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "Gemini generateContent", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } } ], "model_id": "reflection/beam-1.0-501b-a23b", "page": { "canonical": "https://ailoot.ai/models/ar/reflection-beam-1-0-501b-a23b/", "description": "نموذج Reflection نصي ببنية MoE وسياق كبير لهندسة البرمجيات والاستدلال الرياضي والتحليل المتتابع للمهام.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/reflection-beam-1-0-501b-a23b/index.md", "title": "Reflection: Beam 1.0 501B A23B", "url": "https://ailoot.ai/models/ar/reflection-beam-1-0-501b-a23b/" }, "rawModel": { "about": "### Beam 1.0 من Reflection\n\nBeam 1.0 501B A23B نموذج نصي من Reflection للبرمجة والاستدلال والمهام المقسمة إلى خطوات مترابطة. تضم بنية MoE المتناثرة إجمالاً 501,3 مليار معلمة ونحو 23,4 مليار معلمة نشطة لكل توكن. طُوّر النموذج أساساً للغة الإنجليزية؛ ومن المفيد مراعاة ذلك عند اختيار لغة الشيفرة المصدرية والمواد التقنية والتعليمات المفصلة.\n\nتجمع البنية بين الانتباه المحلي والعالمي، ويشمل تدريب النموذج العمل مع الشيفرة المصدرية والتوثيق التقني والمواد العلمية والتعليمية. وطورت مرحلة تدريب مستقلة السياق الطويل باستخدام مستودعات منظمة ومهام ممتدة ومستندات كبيرة. وأثناء التعلم المعزز، جمع المطور مهام البرمجة والعمل في الطرفية وSTEM.\n\n### المهام التي يركز عليها النموذج\n\nتركز Reflection على هندسة البرمجيات والاستدلال الرياضي والعلمي وحل المهام بالتتابع. يمكن استخدام هذه المجالات لحوار نصي ذي مضمون: شرح العلاقات بين مكونات برنامج، أو تحليل خطأ منطقي، أو اقتراح تعديل خوارزمية، أو وضع خطة لاختبار فرضية، أو تلخيص مادة تقنية.\n\nيركز Beam أيضاً على الاقتصاد في توكنات الاستدلال. فقد كوفئ أثناء التدريب الحل الناجح مع تقليل التوكنات الزائدة. وهذا وصف لنهج المطور؛ ومع ذلك، من الأفضل تحديد طول الإجابة المطلوبة صراحةً في طلبك، مثل استنتاج موجز أو برهان مفصل أو تعديل مع شرح.\n\n### سياق نصي كبير في Ailoot\n\nنافذة سياق الاتصال هي 1 048 576 توكناً. وتشمل المواد المقدمة والتعليمات والسجل والإجابة الجاري توليدها. تشير البيانات الوصفية للنموذج إلى حجم إجابة يصل إلى 131 072 توكناً. يتيح هذا الحجم إرسال عدة نصوص مترابطة: مواصفة ومقتطفات تنفيذ ونتائج اختبارات وأسئلة حولها. سمّ المواد واطلب تحديد المقطع الذي يستند إليه الاستنتاج، ليسهل التحقق من التحليلات الكبيرة.\n\nفمثلاً في مهمة برمجية، يمكن طلب خريطة تبعيات من الملفات المقدمة أولاً، ثم تحديد موضع التعديل، ثم إعداد التنفيذ. وفي مهمة علمية، يمكن تحديد الشروط الأصلية والرموز ودرجة الصرامة المطلوبة. هذه طرق لتنظيم الطلب تتيح مقارنة النتيجة المفيدة بالمواد الأصلية.\n\nيقبل الاتصال نصاً ويعيد نصاً عبر Messages وResponses وChat Completions وgenerateContent النصي. وتصل الشيفرة والتوصيات بوصفها إجابة النموذج؛ أما تنفيذ الأوامر والعمل مع البيانات الخارجية فتحددهما إمكانات تطبيقك.", "alias_of": null, "aliases": [], "author": "Reflection", "canonical_model": "reflection/beam-1.0-501b-a23b", "ctx": null, "formats": [ "chat", "gemini", "messages", "responses" ], "id": "reflection/beam-1.0-501b-a23b", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "anthropic", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "messages", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/messages", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "responses", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "OpenAI Responses", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/responses", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "chat", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1/chat/completions", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] }, { "cache_read": 0.1, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "ctx": null, "family": "gemini", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "gemini", "http": "POST", "img_in": null, "img_out": null, "in": 0.5, "input": [ "text" ], "label": "Gemini generateContent", "max_out": null, "max_tool_calls": null, "out": 2.0, "output": [ "text" ], "path": "/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } ], "model_aliases": [ { "canonical_model_id": "reflection/beam-1.0-501b-a23b", "request_model_id": "reflection/beam-1.0-501b-a23b", "route_label": "Ultra" } ], "name": "Reflection: Beam 1.0 501B A23B", "price": { "in": 0.5, "in_label": null, "out": 2.0, "out_label": null, "sort_in": 0.5, "sort_out": 2.0, "varies": false }, "public_id": "reflection/beam-1.0-501b-a23b", "short": "نموذج Reflection نصي ببنية MoE وسياق كبير لهندسة البرمجيات والاستدلال الرياضي والتحليل المتتابع للمهام." }, "renderer_schema": { "method_order": "rawModel.methods-ordinal", "prices": "exact-native-DTO-units-and-selected-renderer-html" }, "representation": "exact-public-dto-and-native-renderer-html", "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "نموذج Reflection نصي ببنية MoE وسياق كبير لهندسة البرمجيات والاستدلال الرياضي والتحليل المتتابع للمهام.", "source": { "audit_sha256": "175102283bc9a5be9791a1efdcc96c3d44ae5e8c48012429bba4bb5985ad640a", "bridge_map_sha256": "175102283bc9a5be9791a1efdcc96c3d44ae5e8c48012429bba4bb5985ad640a", "projection_audit": { "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e", "raw_model_json_sha256": "9844422c9f2ccc59f62ff3fe1ace030db8e26785bb1fd5d7c6d5b3bcbb6a0684", "renderer_sha256": "85526648bcc5d63e7aef4c46b5ae5eaa35358fe570589dab6710c4ce7b5451fa" }, "projection_kind": "catalogue-refresh-native-dto-v1", "raw_model_json_sha256": "9844422c9f2ccc59f62ff3fe1ace030db8e26785bb1fd5d7c6d5b3bcbb6a0684", "renderer_sha256": "85526648bcc5d63e7aef4c46b5ae5eaa35358fe570589dab6710c4ce7b5451fa" }, "sourceRevision": "b6c0121c7ebeca10f66d8aa7a337581ea77af0fb57f563f80ff29cb98c634b5d" }