modeller

Reflection: Beam 1.0 501B A23B

Markdown · JSON

Reflection: Beam 1.0 501B A23B

reflection/beam-1.0-501b-a23b
ReflectionTekstInput 0,0005 US$ / 1KOutput 0,002 US$ / 1K

Reflections tekstbaserede MoE-model med stor kontekst til softwareteknik, matematiske ræsonnementer og trinvis opgaveanalyse.

Beam 1.0 fra Reflection

Beam 1.0 501B A23B er en tekstmodel fra Reflection til programmering, ræsonnement og opgaver opdelt i flere sammenhængende trin. Dens sparsomme MoE-arkitektur har i alt 501,3 milliarder parametre og omkring 23,4 milliarder aktive parametre pr. token. Modellen er primært udviklet til engelsk; det er nyttigt at tage højde for ved valg af sprog til kildekode, teknisk materiale og detaljerede instruktioner.

Arkitekturen kombinerer lokal og global opmærksomhed, og modeltræningen omfatter kildekode, teknisk dokumentation samt videnskabeligt materiale og undervisningsmateriale. En særskilt træningsfase udviklede lang kontekst med strukturerede koderepositorier, langvarige opgaver og omfattende dokumenter. Under forstærkningslæringen kombinerede udvikleren programmering, terminalarbejde og STEM-opgaver.

Modellens retning

Reflection fremhæver softwareteknik, matematiske og videnskabelige ræsonnementer samt trinvis problemløsning. Områderne kan bruges til indholdsrig tekstdialog: forklare forbindelser mellem programkomponenter, analysere en logisk fejl, foreslå en algoritmeændring, planlægge kontrol af en hypotese eller opsummere teknisk materiale.

Beam har et særligt fokus på sparsommelig brug af ræsonnementstokens. Under træningen blev korrekte løsninger med færre overflødige tokens belønnet. Det beskriver udviklerens tilgang; længden på et konkret svar bør stadig angives udtrykkeligt, eksempelvis en kort konklusion, et detaljeret bevis eller en patch med forklaring.

Stor tekstkontekst i Ailoot API

Tilslutningens kontekstvindue er 1 048 576 tokens. Det omfatter angivet materiale, instruktioner, historik og svaret, der dannes. I modellens metadata angives en svarstørrelse på op til 131 072 tokens. Pladsen gør det muligt at angive flere sammenhængende tekster: specifikation, implementeringsudsnit, kontrolresultater og tilhørende spørgsmål. Giv materialerne navne, og bed om at markere grundlaget for konklusioner, så bliver store analyser lettere at kontrollere.

Til en kodeopgave kan du eksempelvis først bede om et afhængighedskort ud fra de angivne filer, derefter lokalisere ændringen og til sidst udarbejde implementeringen. Til en videnskabelig opgave angives grundbetingelser, notation og det ønskede præcisionsniveau. Det er måder at organisere en forespørgsel på, så det nyttige resultat kan sammenholdes med grundmaterialet.

Tilslutningen modtager tekst og returnerer tekst via Messages, Responses, Chat Completions og tekstbaseret generateContent. Kode og anbefalinger kommer som modellens svar; kørsel af kommandoer og arbejde med eksterne data bestemmes af applikationens funktioner.

Tilgængeligt via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,0005 US$ / 1K
Output
0,002 US$ / 1K
Cachelæsning
0,0001 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,0005 US$ / 1K
Output
0,002 US$ / 1K
Cachelæsning
0,0001 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,0005 US$ / 1K
Output
0,002 US$ / 1K
Cachelæsning
0,0001 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,0005 US$ / 1K
Output
0,002 US$ / 1K
Cachelæsning
0,0001 US$ / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Beam 1.0 fra Reflection\n\nBeam 1.0 501B A23B er en tekstmodel fra Reflection til programmering, ræsonnement og opgaver opdelt i flere sammenhængende trin. Dens sparsomme MoE-arkitektur har i alt 501,3 milliarder parametre og omkring 23,4 milliarder aktive parametre pr. token. Modellen er primært udviklet til engelsk; det er nyttigt at tage højde for ved valg af sprog til kildekode, teknisk materiale og detaljerede instruktioner.\n\nArkitekturen kombinerer lokal og global opmærksomhed, og modeltræningen omfatter kildekode, teknisk dokumentation samt videnskabeligt materiale og undervisningsmateriale. En særskilt træningsfase udviklede lang kontekst med strukturerede koderepositorier, langvarige opgaver og omfattende dokumenter. Under forstærkningslæringen kombinerede udvikleren programmering, terminalarbejde og STEM-opgaver.\n\n### Modellens retning\n\nReflection fremhæver softwareteknik, matematiske og videnskabelige ræsonnementer samt trinvis problemløsning. Områderne kan bruges til indholdsrig tekstdialog: forklare forbindelser mellem programkomponenter, analysere en logisk fejl, foreslå en algoritmeændring, planlægge kontrol af en hypotese eller opsummere teknisk materiale.\n\nBeam har et særligt fokus på sparsommelig brug af ræsonnementstokens. Under træningen blev korrekte løsninger med færre overflødige tokens belønnet. Det beskriver udviklerens tilgang; længden på et konkret svar bør stadig angives udtrykkeligt, eksempelvis en kort konklusion, et detaljeret bevis eller en patch med forklaring.\n\n### Stor tekstkontekst i Ailoot API\n\nTilslutningens kontekstvindue er 1 048 576 tokens. Det omfatter angivet materiale, instruktioner, historik og svaret, der dannes. I modellens metadata angives en svarstørrelse på op til 131 072 tokens. Pladsen gør det muligt at angive flere sammenhængende tekster: specifikation, implementeringsudsnit, kontrolresultater og tilhørende spørgsmål. Giv materialerne navne, og bed om at markere grundlaget for konklusioner, så bliver store analyser lettere at kontrollere.\n\nTil en kodeopgave kan du eksempelvis først bede om et afhængighedskort ud fra de angivne filer, derefter lokalisere ændringen og til sidst udarbejde implementeringen. Til en videnskabelig opgave angives grundbetingelser, notation og det ønskede præcisionsniveau. Det er måder at organisere en forespørgsel på, så det nyttige resultat kan sammenholdes med grundmaterialet.\n\nTilslutningen modtager tekst og returnerer tekst via Messages, Responses, Chat Completions og tekstbaseret generateContent. Kode og anbefalinger kommer som modellens svar; kørsel af kommandoer og arbejde med eksterne data bestemmes af applikationens funktioner.","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":"Reflections tekstbaserede MoE-model med stor kontekst til softwareteknik, matematiske ræsonnementer og trinvis opgaveanalyse."}

Spørgsmål

Hvordan vælger jeg en model til min opgave?

Fastlæg først det nødvendige input og output: tekst, billede, lyd eller video. Sammenlign derefter kompatible API-metoder, det præcise model-ID eller den model, aliaset aktuelt peger på, pris og afregningsenhed. GET /v1/models er gratis og viser de modeller, din nøgle har adgang til.

Understøtter hver model alle API-metoder og medietyper?

Brug de API-metoder og input- og outputtyper, der står på modelkortet. Understøttelse af tekst, billeder, lyd eller video afhænger af den valgte model og metode; se det tilhørende eksempel på en forespørgsel, før du sender dine data.

Hvad er forskellen på et model-ID og et alias?

Et præcist model-ID angiver en bestemt model. Et alias peger på en model, og det kan ændre sig, hvilken model det peger på. Kontrollér den aktuelle målmodel for aliaset i kataloget; brug det præcise ID, når din integration kræver en bestemt model.

Hvordan sammenligner jeg priser, før jeg sender en forespørgsel?

Se prisen og afregningsenheden for den valgte API-metode på modelkortet. Sammenlign samme enhed og samme type input og output; forespørgselshistorikken viser det faktiske forbrug og det opkrævede beløb.

Hvad giver abonnementet?

Rabat på tokenkøb til regelmæssigt arbejde. Vælg abonnement efter anmodningsmængden. Vilkår og pris vises ved bestilling.

Hvordan bruger jeg en rabatkode på op til 50%?

Indtast rabatkoden ved tokenkøbet. Totalen genberegnes efter kampagnevilkårene, og rabatten vises før betaling.