modell

Reflection: Beam 1.0 501B A23B

Markdown · JSON

Reflection: Beam 1.0 501B A23B

reflection/beam-1.0-501b-a23b
ReflectionSzövegBemenet 0,0005 USD / 1KKimenet 0,002 USD / 1K

A Reflection nagy kontextusú szöveges MoE-modellje szoftvermérnöki munkához, matematikai következtetéshez és lépésenkénti feladatelemzéshez.

A Reflection Beam 1.0 modellje

A Beam 1.0 501B A23B a Reflection szövegmodellje programozáshoz, következtetéshez és több összefüggő lépésre bontott feladatokhoz. Ritka MoE architektúrája összesen 501,3 milliárd, tokenenként körülbelül 23,4 milliárd aktív paramétert használ. Elsősorban angolra fejlesztették, amit a forráskód, a műszaki anyagok és a részletes utasítások nyelvénél érdemes figyelembe venni.

Az architektúra helyi és globális figyelmet kombinál. Tanítása forráskódot, műszaki dokumentációt, tudományos és oktatási anyagokat tartalmazott. Külön szakasz fejlesztette a hosszú kontextust strukturált repozitóriumokon, hosszas feladatokon és nagy dokumentumokon. A megerősítéses tanulás programozást, terminálmunkát és STEM-feladatokat ötvözött.

Célzott feladatok

A Reflection a szoftvermérnöki munkát, matematikai és tudományos következtetést, valamint lépésenkénti problémamegoldást emeli ki. Érdemi szöveges párbeszédben programkomponensek kapcsolatai magyarázhatók, logikai hiba elemezhető, algoritmusmódosítás, hipotézis-ellenőrzési terv vagy műszaki összefoglaló kérhető.

A Beam külön figyelmet fordít a következtetési tokenek takarékos használatára. A tanítás a sikeres megoldást kevesebb fölösleges tokennel jutalmazta. Ez fejlesztői megközelítés; a konkrét válasz hosszát továbbra is érdemes megadni, például rövid következtetést, részletes bizonyítást vagy magyarázatos javítást kérve.

Nagy szöveges kontextus az Ailootban

A kapcsolat kontextusablaka 1 048 576 token. Az anyagok, utasítások, előzmények és a készülő válasz is beleszámít. A modell metaadatai legfeljebb 131 072 tokenes választerjedelmet adnak meg. Így több összefüggő szöveg küldhető: specifikáció, megvalósításrészletek, ellenőrzési eredmények és kérdések. Nevezze el az anyagokat, és kérje a következtetések alapjául szolgáló részletek jelölését az ellenőrzéshez.

Kódnál előbb a megadott fájlok függőségi térképe, majd a módosítás helye, végül a megvalósítás kérhető. Tudományos feladatnál adja meg a feltételeket, jelöléseket és a kívánt szigorúságot. Így az eredmény összevethető az eredeti anyaggal.

A kapcsolat szöveget fogad és ad vissza Messages, Responses, Chat Completions és szöveges generateContent útján. A kód és javaslat a modell válasza; a parancsfuttatást és külső adatkezelést az alkalmazás képességei határozzák meg.

Elérhető az Ailoot API-n

Ultra Anthropic MessagesPOST /v1/messages
Bemenet
text
Kimenet
text
Kontextus
Nincs megadva a katalógusban
Max. válasz
Nincs megadva a katalógusban
Bemenet
0,0005 USD / 1K
Kimenet
0,002 USD / 1K
Gyorsítótár olvasása
0,0001 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Bemenet
text
Kimenet
text
Kontextus
Nincs megadva a katalógusban
Max. válasz
Nincs megadva a katalógusban
Bemenet
0,0005 USD / 1K
Kimenet
0,002 USD / 1K
Gyorsítótár olvasása
0,0001 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Bemenet
text
Kimenet
text
Kontextus
Nincs megadva a katalógusban
Max. válasz
Nincs megadva a katalógusban
Bemenet
0,0005 USD / 1K
Kimenet
0,002 USD / 1K
Gyorsítótár olvasása
0,0001 USD / 1K
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
Bemenet
text
Kimenet
text
Kontextus
Nincs megadva a katalógusban
Max. válasz
Nincs megadva a katalógusban
Bemenet
0,0005 USD / 1K
Kimenet
0,002 USD / 1K
Gyorsítótár olvasása
0,0001 USD / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### A Reflection Beam 1.0 modellje\n\nA Beam 1.0 501B A23B a Reflection szövegmodellje programozáshoz, következtetéshez és több összefüggő lépésre bontott feladatokhoz. Ritka MoE architektúrája összesen 501,3 milliárd, tokenenként körülbelül 23,4 milliárd aktív paramétert használ. Elsősorban angolra fejlesztették, amit a forráskód, a műszaki anyagok és a részletes utasítások nyelvénél érdemes figyelembe venni.\n\nAz architektúra helyi és globális figyelmet kombinál. Tanítása forráskódot, műszaki dokumentációt, tudományos és oktatási anyagokat tartalmazott. Külön szakasz fejlesztette a hosszú kontextust strukturált repozitóriumokon, hosszas feladatokon és nagy dokumentumokon. A megerősítéses tanulás programozást, terminálmunkát és STEM-feladatokat ötvözött.\n\n### Célzott feladatok\n\nA Reflection a szoftvermérnöki munkát, matematikai és tudományos következtetést, valamint lépésenkénti problémamegoldást emeli ki. Érdemi szöveges párbeszédben programkomponensek kapcsolatai magyarázhatók, logikai hiba elemezhető, algoritmusmódosítás, hipotézis-ellenőrzési terv vagy műszaki összefoglaló kérhető.\n\nA Beam külön figyelmet fordít a következtetési tokenek takarékos használatára. A tanítás a sikeres megoldást kevesebb fölösleges tokennel jutalmazta. Ez fejlesztői megközelítés; a konkrét válasz hosszát továbbra is érdemes megadni, például rövid következtetést, részletes bizonyítást vagy magyarázatos javítást kérve.\n\n### Nagy szöveges kontextus az Ailootban\n\nA kapcsolat kontextusablaka 1 048 576 token. Az anyagok, utasítások, előzmények és a készülő válasz is beleszámít. A modell metaadatai legfeljebb 131 072 tokenes választerjedelmet adnak meg. Így több összefüggő szöveg küldhető: specifikáció, megvalósításrészletek, ellenőrzési eredmények és kérdések. Nevezze el az anyagokat, és kérje a következtetések alapjául szolgáló részletek jelölését az ellenőrzéshez.\n\nKódnál előbb a megadott fájlok függőségi térképe, majd a módosítás helye, végül a megvalósítás kérhető. Tudományos feladatnál adja meg a feltételeket, jelöléseket és a kívánt szigorúságot. Így az eredmény összevethető az eredeti anyaggal.\n\nA kapcsolat szöveget fogad és ad vissza Messages, Responses, Chat Completions és szöveges generateContent útján. A kód és javaslat a modell válasza; a parancsfuttatást és külső adatkezelést az alkalmazás képességei határozzák meg.","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":"A Reflection nagy kontextusú szöveges MoE-modellje szoftvermérnöki munkához, matematikai következtetéshez és lépésenkénti feladatelemzéshez."}

Kérdések

Hogyan válasszak modellt a feladatomhoz?

Először határozza meg a szükséges bemenetet és kimenetet: szöveg, kép, hang vagy videó. Ezután hasonlítsa össze a kompatibilis API-metódusokat, a modell pontos ID-ját vagy az alias által jelenleg megjelölt modellt, az árat és a számlázási egységet. A GET /v1/models ingyenes, és felsorolja a kulcsával elérhető modelleket.

Minden modell támogat minden API-metódust és médiatípust?

A modell adatlapján felsorolt API-metódusokat, valamint bemeneti és kimeneti típusokat használja. A szöveg, kép, hang vagy videó támogatása a kiválasztott modelltől és metódustól függ; az adatok elküldése előtt ellenőrizze a hozzájuk tartozó mintakérést.

Mi a különbség a modell ID-ja és az alias között?

A modell pontos ID-ja egy konkrét modellt azonosít. Az alias egy modellre mutat, és a célmodellje változhat. Ellenőrizze a katalógusban, melyik modellre mutat jelenleg az alias; használja a pontos ID-t, ha az integrációjának egy konkrét modellre van szüksége.

Hogyan hasonlítsam össze az árakat a kérés elküldése előtt?

A modell adatlapján ellenőrizze a kiválasztott API-metódus árát és számlázási egységét. Azonos egységet és azonos bemeneti és kimeneti típust hasonlítson össze; a kérési előzmények a tényleges használatot és a felszámított összeget mutatják.

Mit ad az előfizetés?

Tokenvásárlási kedvezményt rendszeres munkához. A kérésmennyiségéhez válasszon tarifát; az előfizetés feltételei és ára megrendeléskor látható.

Hogyan alkalmazzam az akár 50%-os promókódot?

Tokenvásárláskor adja meg a promókódot. A végösszeg az akció feltételei szerint újraszámolódik; a kedvezmény mértéke fizetés előtt látható.