model

Reflection: Beam 1.0 501B A23B

Markdown · JSON

Reflection: Beam 1.0 501B A23B

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

Model teks MoE Reflection berkonteks besar untuk rekayasa perangkat lunak, penalaran matematika, dan analisis tugas berurutan.

Beam 1.0 dari Reflection

Beam 1.0 501B A23B adalah model teks Reflection untuk pemrograman, penalaran, dan tugas dengan beberapa langkah terkait. Arsitektur MoE dengan aktivasi jarang ini memiliki total 501,3 miliar parameter dan sekitar 23,4 miliar aktif per token. Model terutama dikembangkan untuk bahasa Inggris; pertimbangkan hal ini saat memilih bahasa kode sumber, materi teknis, dan instruksi terperinci.

Arsitekturnya menggabungkan perhatian lokal dan global; pelatihannya mencakup kode sumber, dokumentasi teknis, serta materi ilmiah dan pembelajaran. Tahap khusus mengembangkan konteks panjang menggunakan repositori terstruktur, tugas panjang, dan dokumen besar. Dalam pembelajaran penguatan, pengembang menggabungkan pemrograman, pekerjaan terminal, dan STEM.

Fokus tugas model

Reflection menekankan rekayasa perangkat lunak, penalaran matematika dan sains, serta pemecahan tugas berurutan. Bidang ini dapat digunakan dalam dialog teks mendalam: menjelaskan hubungan komponen program, menelaah kesalahan logika, mengusulkan perubahan algoritma, merencanakan pengujian hipotesis, atau merangkum materi teknis.

Beam menekankan penghematan token penalaran. Pelatihan memberi penghargaan untuk solusi berhasil dengan lebih sedikit token berlebih. Ini menjelaskan pendekatan pengembang; panjang jawaban tertentu tetap perlu ditetapkan secara jelas, misalnya kesimpulan singkat, bukti terperinci, atau patch berpenjelasan.

Konteks teks besar di Ailoot API

Jendela konteks koneksi adalah 1 048 576 token, mencakup materi, instruksi, riwayat, dan jawaban yang dibentuk. Metadata model menyatakan ukuran jawaban hingga 131 072 token. Volume ini memungkinkan beberapa teks terkait dikirim: spesifikasi, potongan implementasi, hasil pemeriksaan, dan pertanyaan. Beri nama materi dan minta dasar potongan setiap kesimpulan disebutkan agar analisis besar mudah diperiksa.

Misalnya, untuk kode, minta peta ketergantungan dari berkas yang diberikan, kemudian tentukan lokasi perubahan, lalu siapkan implementasi. Untuk tugas ilmiah, tetapkan kondisi awal, notasi, dan tingkat ketelitian. Ini merupakan cara menyusun permintaan agar hasil berguna dapat dibandingkan dengan materi awal.

Koneksi menerima dan mengembalikan teks melalui Messages, Responses, Chat Completions, dan generateContent teks. Kode serta saran dikirim sebagai jawaban model; pelaksanaan perintah dan pengolahan data eksternal ditentukan kemampuan aplikasi.

Tersedia melalui Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0005 / 1K
Keluaran
US$0,002 / 1K
Pembacaan cache
US$0,0001 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0005 / 1K
Keluaran
US$0,002 / 1K
Pembacaan cache
US$0,0001 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0005 / 1K
Keluaran
US$0,002 / 1K
Pembacaan cache
US$0,0001 / 1K
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0005 / 1K
Keluaran
US$0,002 / 1K
Pembacaan cache
US$0,0001 / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Beam 1.0 dari Reflection\n\nBeam 1.0 501B A23B adalah model teks Reflection untuk pemrograman, penalaran, dan tugas dengan beberapa langkah terkait. Arsitektur MoE dengan aktivasi jarang ini memiliki total 501,3 miliar parameter dan sekitar 23,4 miliar aktif per token. Model terutama dikembangkan untuk bahasa Inggris; pertimbangkan hal ini saat memilih bahasa kode sumber, materi teknis, dan instruksi terperinci.\n\nArsitekturnya menggabungkan perhatian lokal dan global; pelatihannya mencakup kode sumber, dokumentasi teknis, serta materi ilmiah dan pembelajaran. Tahap khusus mengembangkan konteks panjang menggunakan repositori terstruktur, tugas panjang, dan dokumen besar. Dalam pembelajaran penguatan, pengembang menggabungkan pemrograman, pekerjaan terminal, dan STEM.\n\n### Fokus tugas model\n\nReflection menekankan rekayasa perangkat lunak, penalaran matematika dan sains, serta pemecahan tugas berurutan. Bidang ini dapat digunakan dalam dialog teks mendalam: menjelaskan hubungan komponen program, menelaah kesalahan logika, mengusulkan perubahan algoritma, merencanakan pengujian hipotesis, atau merangkum materi teknis.\n\nBeam menekankan penghematan token penalaran. Pelatihan memberi penghargaan untuk solusi berhasil dengan lebih sedikit token berlebih. Ini menjelaskan pendekatan pengembang; panjang jawaban tertentu tetap perlu ditetapkan secara jelas, misalnya kesimpulan singkat, bukti terperinci, atau patch berpenjelasan.\n\n### Konteks teks besar di Ailoot API\n\nJendela konteks koneksi adalah 1 048 576 token, mencakup materi, instruksi, riwayat, dan jawaban yang dibentuk. Metadata model menyatakan ukuran jawaban hingga 131 072 token. Volume ini memungkinkan beberapa teks terkait dikirim: spesifikasi, potongan implementasi, hasil pemeriksaan, dan pertanyaan. Beri nama materi dan minta dasar potongan setiap kesimpulan disebutkan agar analisis besar mudah diperiksa.\n\nMisalnya, untuk kode, minta peta ketergantungan dari berkas yang diberikan, kemudian tentukan lokasi perubahan, lalu siapkan implementasi. Untuk tugas ilmiah, tetapkan kondisi awal, notasi, dan tingkat ketelitian. Ini merupakan cara menyusun permintaan agar hasil berguna dapat dibandingkan dengan materi awal.\n\nKoneksi menerima dan mengembalikan teks melalui Messages, Responses, Chat Completions, dan generateContent teks. Kode serta saran dikirim sebagai jawaban model; pelaksanaan perintah dan pengolahan data eksternal ditentukan kemampuan aplikasi.","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":"Model teks MoE Reflection berkonteks besar untuk rekayasa perangkat lunak, penalaran matematika, dan analisis tugas berurutan."}

Pertanyaan

Bagaimana cara memilih model untuk tugas saya?

Tentukan dahulu input dan output yang diperlukan: teks, gambar, audio, atau video. Lalu bandingkan metode API yang kompatibel, ID model yang tepat atau model yang saat ini dirujuk oleh alias, harga, dan satuan penagihan. GET /v1/models gratis dan menampilkan model yang tersedia untuk kunci Anda.

Apakah setiap model mendukung semua metode API dan jenis media?

Gunakan metode API dan jenis input/output yang tercantum pada kartu model. Dukungan untuk teks, gambar, audio, atau video bergantung pada model dan metode yang dipilih; periksa contoh permintaannya sebelum mengirim data Anda.

Apa perbedaan antara ID model dan alias?

ID model yang tepat mengidentifikasi satu model tertentu. Alias merujuk ke sebuah model dan model tujuannya dapat berubah. Periksa model yang saat ini dirujuk oleh alias dalam katalog; gunakan ID yang tepat jika integrasi Anda memerlukan model tertentu.

Bagaimana cara membandingkan harga sebelum mengirim permintaan?

Periksa harga dan satuan penagihan untuk metode API yang dipilih pada kartu model. Bandingkan dengan satuan serta jenis input/output yang sama; riwayat permintaan menampilkan penggunaan aktual dan jumlah yang ditagihkan.

Apa manfaat langganan?

Diskon pembelian token untuk pekerjaan rutin. Pilih paket sesuai volume permintaan; ketentuan dan harga langganan ditampilkan saat pendaftaran.

Bagaimana memakai kode promo dengan diskon hingga 50%?

Masukkan kode promo saat membeli token. Total dihitung ulang sesuai ketentuan promosi; besar diskon terlihat sebelum pembayaran.