מודלים

Reflection: Beam 1.0 501B A23B

Markdown · JSON

Reflection: Beam 1.0 501B A23B

reflection/beam-1.0-501b-a23b
Reflectionטקסטקלט ⁦‏0.0005 ‏$⁩ / 1Kפלט ⁦‏0.002 ‏$⁩ / 1K

מודל טקסט מסוג MoE של Reflection עם הקשר גדול להנדסת תוכנה, להסקה מתמטית ולניתוח משימות בשלבים.

Beam 1.0 של Reflection

Beam 1.0 501B A23B הוא מודל טקסט של Reflection לתכנות, להסקה ולמשימות המחולקות לכמה שלבים קשורים. בארכיטקטורת ה־MoE הדלילה שלו יש 501,3 מיליארד פרמטרים בסך הכול וכ־23,4 מיליארד פרמטרים פעילים לטוקן. המודל פותח בעיקר לאנגלית; כדאי להביא זאת בחשבון בבחירת שפת קוד המקור, החומרים הטכניים וההוראות המפורטות.

הארכיטקטורה משלבת קשב מקומי וגלובלי, והכשרת המודל כוללת עבודה עם קוד מקור, תיעוד טכני וחומרים מדעיים ולימודיים. שלב אימון נפרד פיתח הקשר ארוך באמצעות מאגרי קוד מובנים, משימות ממושכות ומסמכים נרחבים. בלמידת החיזוק שילב היצרן משימות תכנות, עבודה במסוף ו־STEM.

לאילו משימות מכוון המודל

Reflection מדגישה הנדסת תוכנה, הסקה מתמטית ומדעית ופתרון משימות ברצף. אפשר להשתמש בתחומים האלה לשיחת טקסט מהותית: להסביר קשרים בין רכיבי תוכנה, לנתח שגיאה לוגית, להציע שינוי אלגוריתם, להכין תוכנית לבדיקת השערה או לקבל סיכום של חומר טכני.

ל־Beam יש גם דגש על שימוש חסכוני בטוקני הסקה. באימון תוגמל פתרון מוצלח תוך צמצום טוקנים מיותרים. זהו תיאור הגישה של היצרן; עדיין כדאי להגדיר בבקשה במפורש את אורך התשובה המסוימת, למשל מסקנה קצרה, הוכחה מפורטת או תיקון עם הסבר.

הקשר טקסטואלי גדול ב־Ailoot

חלון ההקשר של החיבור הוא ⁦1 048 576⁩ טוקנים. הוא כולל חומרים שסופקו, הוראות, היסטוריה ואת התשובה שנוצרת. במטא־נתונים של המודל מצוין היקף תשובה של עד ⁦131 072⁩ טוקנים. ההיקף מאפשר להעביר כמה טקסטים קשורים: מפרט, קטעי מימוש, תוצאות בדיקות ושאלות עליהם. תנו לחומרים שמות ובקשו לציין על איזה מקטע נשענת המסקנה, כדי שיהיה נוח לבדוק ניתוחים גדולים.

למשל, במשימת קוד אפשר לבקש תחילה מפת תלויות לפי הקבצים שסופקו, אחר כך לזהות את מקום השינוי ורק אז להכין מימוש. במשימה מדעית אפשר להגדיר תנאי התחלה, סימונים ורמת קפדנות נדרשת. אלו דרכים לארגון בקשה שבהן אפשר להשוות תוצאה מועילה לחומרי המקור.

החיבור מקבל טקסט ומחזיר טקסט דרך Messages, Responses, Chat Completions ו־generateContent טקסטואלי. קוד והמלצות מתקבלים כתשובת המודל; הרצת פקודות ועבודה עם נתונים חיצוניים נקבעות על פי יכולות היישום שלכם.

זמין דרך Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
סוגי קלט
text
סוגי פלט
text
הקשר
לא מצוין בקטלוג
אורך תשובה מרבי
לא מצוין בקטלוג
קלט
⁦‏0.0005 ‏$⁩ / 1K
פלט
⁦‏0.002 ‏$⁩ / 1K
קריאה מהמטמון
⁦‏0.0001 ‏$⁩ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
סוגי קלט
text
סוגי פלט
text
הקשר
לא מצוין בקטלוג
אורך תשובה מרבי
לא מצוין בקטלוג
קלט
⁦‏0.0005 ‏$⁩ / 1K
פלט
⁦‏0.002 ‏$⁩ / 1K
קריאה מהמטמון
⁦‏0.0001 ‏$⁩ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
סוגי קלט
text
סוגי פלט
text
הקשר
לא מצוין בקטלוג
אורך תשובה מרבי
לא מצוין בקטלוג
קלט
⁦‏0.0005 ‏$⁩ / 1K
פלט
⁦‏0.002 ‏$⁩ / 1K
קריאה מהמטמון
⁦‏0.0001 ‏$⁩ / 1K
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
סוגי קלט
text
סוגי פלט
text
הקשר
לא מצוין בקטלוג
אורך תשובה מרבי
לא מצוין בקטלוג
קלט
⁦‏0.0005 ‏$⁩ / 1K
פלט
⁦‏0.002 ‏$⁩ / 1K
קריאה מהמטמון
⁦‏0.0001 ‏$⁩ / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Beam 1.0 של Reflection\n\nBeam 1.0 501B A23B הוא מודל טקסט של Reflection לתכנות, להסקה ולמשימות המחולקות לכמה שלבים קשורים. בארכיטקטורת ה־MoE הדלילה שלו יש 501,3 מיליארד פרמטרים בסך הכול וכ־23,4 מיליארד פרמטרים פעילים לטוקן. המודל פותח בעיקר לאנגלית; כדאי להביא זאת בחשבון בבחירת שפת קוד המקור, החומרים הטכניים וההוראות המפורטות.\n\nהארכיטקטורה משלבת קשב מקומי וגלובלי, והכשרת המודל כוללת עבודה עם קוד מקור, תיעוד טכני וחומרים מדעיים ולימודיים. שלב אימון נפרד פיתח הקשר ארוך באמצעות מאגרי קוד מובנים, משימות ממושכות ומסמכים נרחבים. בלמידת החיזוק שילב היצרן משימות תכנות, עבודה במסוף ו־STEM.\n\n### לאילו משימות מכוון המודל\n\nReflection מדגישה הנדסת תוכנה, הסקה מתמטית ומדעית ופתרון משימות ברצף. אפשר להשתמש בתחומים האלה לשיחת טקסט מהותית: להסביר קשרים בין רכיבי תוכנה, לנתח שגיאה לוגית, להציע שינוי אלגוריתם, להכין תוכנית לבדיקת השערה או לקבל סיכום של חומר טכני.\n\nל־Beam יש גם דגש על שימוש חסכוני בטוקני הסקה. באימון תוגמל פתרון מוצלח תוך צמצום טוקנים מיותרים. זהו תיאור הגישה של היצרן; עדיין כדאי להגדיר בבקשה במפורש את אורך התשובה המסוימת, למשל מסקנה קצרה, הוכחה מפורטת או תיקון עם הסבר.\n\n### הקשר טקסטואלי גדול ב־Ailoot\n\nחלון ההקשר של החיבור הוא 1 048 576 טוקנים. הוא כולל חומרים שסופקו, הוראות, היסטוריה ואת התשובה שנוצרת. במטא־נתונים של המודל מצוין היקף תשובה של עד 131 072 טוקנים. ההיקף מאפשר להעביר כמה טקסטים קשורים: מפרט, קטעי מימוש, תוצאות בדיקות ושאלות עליהם. תנו לחומרים שמות ובקשו לציין על איזה מקטע נשענת המסקנה, כדי שיהיה נוח לבדוק ניתוחים גדולים.\n\nלמשל, במשימת קוד אפשר לבקש תחילה מפת תלויות לפי הקבצים שסופקו, אחר כך לזהות את מקום השינוי ורק אז להכין מימוש. במשימה מדעית אפשר להגדיר תנאי התחלה, סימונים ורמת קפדנות נדרשת. אלו דרכים לארגון בקשה שבהן אפשר להשוות תוצאה מועילה לחומרי המקור.\n\nהחיבור מקבל טקסט ומחזיר טקסט דרך Messages, Responses, Chat Completions ו־generateContent טקסטואלי. קוד והמלצות מתקבלים כתשובת המודל; הרצת פקודות ועבודה עם נתונים חיצוניים נקבעות על פי יכולות היישום שלכם.","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":"מודל טקסט מסוג MoE של Reflection עם הקשר גדול להנדסת תוכנה, להסקה מתמטית ולניתוח משימות בשלבים."}

שאלות

איך בוחרים מודל למשימה?

תחילה הגדירו את הקלט והפלט הנדרשים: טקסט, תמונה, אודיו או וידאו. לאחר מכן השוו בין שיטות API תואמות, ה-ID המדויק של המודל או המודל שאליו הכינוי מצביע כרגע, המחיר ויחידת החיוב. הבקשה GET /v1/models חינמית ומציגה את המודלים הזמינים למפתח שלכם.

האם כל מודל תומך בכל שיטות ה-API וסוגי המדיה?

השתמשו בשיטות ה-API ובסוגי הקלט והפלט המופיעים בכרטיס המודל. התמיכה בטקסט, בתמונות, באודיו או בווידאו תלויה במודל ובשיטה שנבחרו; בדקו את דוגמת הבקשה שלהם לפני שליחת הנתונים שלכם.

מה ההבדל בין ID של מודל לבין כינוי?

ID מדויק של מודל מזהה מודל מסוים. כינוי מצביע על מודל, והמודל שאליו הוא מצביע עשוי להשתנות. בדקו בקטלוג לאיזה מודל הכינוי מצביע כרגע; השתמשו ב-ID המדויק כאשר האינטגרציה שלכם זקוקה למודל מסוים.

איך משווים מחירים לפני שליחת בקשה?

בדקו בכרטיס המודל את המחיר ואת יחידת החיוב של שיטת ה-API שנבחרה. השוו לפי אותה יחידה ואותם סוגי קלט ופלט; היסטוריית הבקשות מציגה את השימוש בפועל ואת הסכום שחויב.

מה המנוי נותן?

הנחה לרכישת אסימונים לעבודה קבועה. בחרו מסלול לפי היקף הבקשות שלכם; התנאים ועלות המנוי מוצגים ברכישה.

איך משתמשים בקוד הנחה עד 50%?

הזינו קוד בזמן רכישת אסימונים. הסכום הסופי מחושב מחדש לפי תנאי המבצע וגובה ההנחה מוצג לפני תשלום.