{
  "aboutHtml": "<h3>Beam 1.0 dari Reflection</h3><p>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.</p><p>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.</p><h3>Fokus tugas model</h3><p>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.</p><p>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.</p><h3>Konteks teks besar di Ailoot API</h3><p>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.</p><p>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.</p><p>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.</p>",
  "aboutText": "### 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.",
  "locale": "id",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Masukan</dt><dd><code>text</code></dd></div><div><dt>Keluaran</dt><dd><code>text</code></dd></div><div><dt>Konteks</dt><dd>Tidak ditentukan dalam katalog</dd></div><div><dt>Panjang jawaban maksimum</dt><dd>Tidak ditentukan dalam katalog</dd></div></dl><dl><div><dt>Masukan</dt><dd>US$0,0005 <em>/ 1K</em></dd></div><div><dt>Keluaran</dt><dd>US$0,002 <em>/ 1K</em></dd></div><div><dt>Pembacaan cache</dt><dd>US$0,0001 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "reflection/beam-1.0-501b-a23b",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "reflection/beam-1.0-501b-a23b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|reflection%2Fbeam-1.0-501b-a23b",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Masukan</dt><dd><code>text</code></dd></div><div><dt>Keluaran</dt><dd><code>text</code></dd></div><div><dt>Konteks</dt><dd>Tidak ditentukan dalam katalog</dd></div><div><dt>Panjang jawaban maksimum</dt><dd>Tidak ditentukan dalam katalog</dd></div></dl><dl><div><dt>Masukan</dt><dd>US$0,0005 <em>/ 1K</em></dd></div><div><dt>Keluaran</dt><dd>US$0,002 <em>/ 1K</em></dd></div><div><dt>Pembacaan cache</dt><dd>US$0,0001 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "reflection/beam-1.0-501b-a23b",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "reflection/beam-1.0-501b-a23b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|reflection%2Fbeam-1.0-501b-a23b",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Masukan</dt><dd><code>text</code></dd></div><div><dt>Keluaran</dt><dd><code>text</code></dd></div><div><dt>Konteks</dt><dd>Tidak ditentukan dalam katalog</dd></div><div><dt>Panjang jawaban maksimum</dt><dd>Tidak ditentukan dalam katalog</dd></div></dl><dl><div><dt>Masukan</dt><dd>US$0,0005 <em>/ 1K</em></dd></div><div><dt>Keluaran</dt><dd>US$0,002 <em>/ 1K</em></dd></div><div><dt>Pembacaan cache</dt><dd>US$0,0001 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "reflection/beam-1.0-501b-a23b",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "reflection/beam-1.0-501b-a23b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|reflection%2Fbeam-1.0-501b-a23b",
      "ordinal": 2,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Gemini generateContent</b><code>POST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Masukan</dt><dd><code>text</code></dd></div><div><dt>Keluaran</dt><dd><code>text</code></dd></div><div><dt>Konteks</dt><dd>Tidak ditentukan dalam katalog</dd></div><div><dt>Panjang jawaban maksimum</dt><dd>Tidak ditentukan dalam katalog</dd></div></dl><dl><div><dt>Masukan</dt><dd>US$0,0005 <em>/ 1K</em></dd></div><div><dt>Keluaran</dt><dd>US$0,002 <em>/ 1K</em></dd></div><div><dt>Pembacaan cache</dt><dd>US$0,0001 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "reflection/beam-1.0-501b-a23b",
        "fmt": "gemini",
        "http": "POST",
        "path": "/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent",
        "request_model_id": "reflection/beam-1.0-501b-a23b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|gemini|/v1beta/models/reflection/beam-1.0-501b-a23b:generateContent|reflection%2Fbeam-1.0-501b-a23b",
      "ordinal": 3,
      "rawMethod": {
        "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_id": "reflection/beam-1.0-501b-a23b",
  "page": {
    "canonical": "https://ailoot.ai/models/id/reflection-beam-1-0-501b-a23b/",
    "description": "Model teks MoE Reflection berkonteks besar untuk rekayasa perangkat lunak, penalaran matematika, dan analisis tugas berurutan.",
    "locale": "id",
    "md_url": "https://ailoot.ai/models/id/reflection-beam-1-0-501b-a23b/index.md",
    "title": "Reflection: Beam 1.0 501B A23B",
    "url": "https://ailoot.ai/models/id/reflection-beam-1-0-501b-a23b/"
  },
  "rawModel": {
    "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."
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Model teks MoE Reflection berkonteks besar untuk rekayasa perangkat lunak, penalaran matematika, dan analisis tugas berurutan.",
  "source": {
    "audit_sha256": "6ca3d70c29d3d906b7134d4ff52d624a8eaf6c083d354f3c7446eefe91ac9349",
    "bridge_map_sha256": "6ca3d70c29d3d906b7134d4ff52d624a8eaf6c083d354f3c7446eefe91ac9349",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "8d1168aa73e08784128884c42596afd08cdd2c1ed6a2e9e5476528b74d5bae43",
      "renderer_sha256": "d98baae37f84136a402245fd439c49ceaf2ba425be8faa18b2d4233cd555c0ea"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "8d1168aa73e08784128884c42596afd08cdd2c1ed6a2e9e5476528b74d5bae43",
    "renderer_sha256": "d98baae37f84136a402245fd439c49ceaf2ba425be8faa18b2d4233cd555c0ea"
  },
  "sourceRevision": "a05094664deb45cbdb1c49678c68f521152f38b51ca6861c2b4901a6dc046639"
}