Reflection: Beam 1.0 501B A23B

{"about":"### Beam 1.0 de Reflection\n\nBeam 1.0 501B A23B es un modelo de texto de Reflection para programación, razonamiento y tareas divididas en varios pasos relacionados. Su arquitectura MoE dispersa tiene 501,3 mil millones de parámetros en total y unos 23,4 mil millones activos por token. El modelo se desarrolló principalmente para inglés; conviene tenerlo en cuenta al elegir el idioma del código fuente, los materiales técnicos y las instrucciones detalladas.\n\nLa arquitectura combina atención local y global y la preparación del modelo incluye trabajo con código fuente, documentación técnica y materiales científicos y educativos. Una etapa específica del entrenamiento desarrolló el contexto largo con repositorios estructurados, tareas prolongadas y documentos extensos. Durante el aprendizaje por refuerzo, el desarrollador combinó tareas de programación, trabajo en terminal y STEM.\n\n### A qué tareas se orienta\n\nReflection destaca la ingeniería de software, el razonamiento matemático y científico y la resolución sucesiva de tareas. Estas áreas pueden servir para un diálogo de texto sustantivo: explicar relaciones entre componentes de un programa, analizar un error lógico, proponer un cambio en un algoritmo, elaborar un plan para comprobar una hipótesis u obtener un resumen de material técnico.\n\nBeam pone un énfasis específico en el uso eficiente de los tokens de razonamiento. Durante el entrenamiento se recompensó la resolución satisfactoria con una reducción de tokens innecesarios. Esto describe el enfoque del desarrollador; aun así, conviene indicar explícitamente la extensión de la respuesta en la solicitud, por ejemplo, una conclusión breve, una demostración detallada o un parche con explicación.\n\n### Contexto textual amplio en Ailoot\n\nLa ventana de contexto de la conexión es de 1 048 576 tokens. Incluye los materiales enviados, las instrucciones, el historial y la respuesta que se genera. Los metadatos del modelo indican un volumen de respuesta de hasta 131 072 tokens. Ese volumen permite enviar varios textos relacionados: una especificación, fragmentos de implementación, resultados de comprobaciones y preguntas sobre ellos. Asigna nombres a los materiales y pide que se señale en qué fragmento se basa cada conclusión para facilitar la verificación de análisis extensos.\n\nPor ejemplo, en una tarea de código puedes pedir primero un mapa de dependencias de los archivos enviados, identificar después el lugar del cambio y solo entonces preparar la implementación. En una tarea científica, define las condiciones iniciales, la notación y el nivel de rigor requerido. Son formas de organizar la solicitud que permiten contrastar el resultado útil con los materiales de partida.\n\nLa conexión recibe texto y devuelve texto mediante Messages, Responses, Chat Completions y generateContent de texto. El código y las recomendaciones llegan como respuesta del modelo; la ejecución de comandos y el trabajo con datos externos dependen de las capacidades de tu aplicación.","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":"Modelo de texto MoE de Reflection con contexto amplio para ingeniería de software, razonamiento matemático y análisis sucesivo de tareas."}