Reflection: Beam 1.0 501B A23B

{"about":"### Beam 1.0 de Reflection\n\nBeam 1.0 501B A23B est un modèle textuel de Reflection pour la programmation, le raisonnement et les tâches réparties en plusieurs étapes liées. Son architecture MoE parcimonieuse comporte 501,3 milliards de paramètres au total et environ 23,4 milliards de paramètres actifs par jeton. Le modèle a été développé principalement pour l’anglais ; il est utile d’en tenir compte pour choisir la langue du code source, des contenus techniques et des instructions détaillées.\n\nL’architecture combine attention locale et attention globale ; la préparation du modèle inclut du code source, de la documentation technique et des contenus scientifiques et pédagogiques. Une étape spécifique a développé le long contexte à partir de dépôts structurés, de tâches longues et de documents volumineux. Pendant l’apprentissage par renforcement, le concepteur a combiné des tâches de programmation, de travail dans le terminal et de sciences, technologie, ingénierie et mathématiques.\n\n### Quelles tâches vise le modèle ?\n\nReflection met en avant le génie logiciel, le raisonnement mathématique et scientifique, ainsi que la résolution progressive de tâches. Ces domaines peuvent nourrir un dialogue textuel approfondi : expliquer les relations entre les composants d’un programme, analyser une erreur logique, proposer une modification d’algorithme, établir un plan de vérification d’une hypothèse ou résumer un contenu technique.\n\nBeam accorde une attention particulière à l’économie de jetons de raisonnement. Son entraînement récompensait la résolution correcte avec moins de jetons superflus. Il s’agit de l’approche du concepteur ; la longueur de la réponse souhaitée doit malgré tout être indiquée explicitement dans la requête, par exemple une conclusion brève, une démonstration détaillée ou un correctif expliqué.\n\n### Un grand contexte textuel dans Ailoot\n\nLa fenêtre de contexte de l’intégration est de 1 048 576 jetons. Elle comprend les contenus transmis, les instructions, l’historique et la réponse en cours de génération. Les métadonnées du modèle indiquent un volume de réponse pouvant atteindre 131 072 jetons. Ce volume permet de transmettre plusieurs textes liés : spécification, passages d’implémentation, résultats de vérification et questions associées. Nommez les contenus et demandez d’indiquer sur quel passage repose chaque conclusion : les analyses volumineuses seront plus faciles à vérifier.\n\nPour une tâche de programmation, vous pouvez, par exemple, demander d’abord une carte des dépendances à partir des fichiers transmis, puis identifier l’endroit à modifier, avant de préparer l’implémentation. Pour une tâche scientifique, fixez les conditions initiales, les notations et le niveau de rigueur attendu. Ces façons d’organiser la requête permettent de confronter le résultat aux contenus sources.\n\nL’intégration reçoit du texte et renvoie du texte via Messages, Responses, Chat Completions et generateContent textuel. Le code et les recommandations sont fournis dans la réponse du modèle ; l’exécution des commandes et le travail avec des données externes dépendent des possibilités de votre application.","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":"Modèle textuel MoE de Reflection à grand contexte pour le génie logiciel, le raisonnement mathématique et l’analyse progressive de tâches."}