Reflection: Beam 1.0 501B A23B
reflection/beam-1.0-501b-a23b소프트웨어 공학, 수학적 추론, 단계별 문제 분석을 위한 긴 맥락의 Reflection 텍스트 MoE 모델입니다.
Reflection의 Beam 1.0
Beam 1.0 501B A23B는 프로그래밍, 추론, 여러 관련 단계로 나뉘는 작업을 위한 Reflection의 텍스트 모델입니다. 희소 MoE 구조는 전체 5,013억 매개변수와 토큰당 약 234억 활성 매개변수를 갖습니다. 주로 영어를 위해 개발되었으므로 소스 코드, 기술 자료, 상세 지시의 언어를 선택할 때 고려하면 좋습니다.
구조는 국소 어텐션과 전역 어텐션을 결합하며, 학습에는 소스 코드, 기술 문서, 과학·교육 자료가 포함됩니다. 별도 단계에서는 구조화된 저장소, 장기간 이어지는 과제, 방대한 문서를 이용해 긴 맥락을 학습했습니다. 강화 학습에서는 프로그래밍, 터미널 작업, STEM 과제를 결합했습니다.
모델이 지향하는 작업
Reflection은 소프트웨어 공학, 수학·과학 추론, 순차적 문제 해결을 강조합니다. 프로그램 구성 요소의 관계 설명, 논리 오류 분석, 알고리즘 변경 제안, 가설 검증 계획, 기술 자료 요약 같은 실질적인 텍스트 대화에 활용할 수 있습니다.
Beam은 추론 토큰을 효율적으로 사용하는 데도 중점을 둡니다. 학습에서는 불필요한 토큰을 줄이면서 문제를 성공적으로 푸는 것을 보상했습니다. 이는 개발사의 접근 방식에 대한 설명입니다. 실제 요청에서는 짧은 결론, 상세한 증명, 설명이 있는 패치처럼 답변 길이와 형태를 여전히 명시하는 것이 좋습니다.
Ailoot의 긴 텍스트 맥락
연결의 맥락 창은 1,048,576토큰입니다. 전달 자료, 지시, 기록, 생성되는 답변이 포함됩니다. 모델 메타데이터에는 답변 규모가 최대 131,072토큰으로 표시되어 있습니다. 명세, 구현 발췌, 검증 결과, 관련 질문을 함께 전달할 수 있습니다. 자료에 이름을 붙이고 결론의 근거가 된 부분을 표시하도록 요청하면 큰 분석을 검토하기 편리합니다.
예를 들어 코드 작업에서는 제공 파일의 의존 관계를 먼저 정리하고, 변경 위치를 찾은 뒤 구현을 준비하도록 요청할 수 있습니다. 과학 과제에서는 초기 조건, 기호, 필요한 엄밀성 수준을 지정합니다. 이는 결과를 원자료와 대조할 수 있도록 요청을 구성하는 방식입니다.
연결은 Messages, Responses, Chat Completions, 텍스트 generateContent를 통해 텍스트를 받아 텍스트를 반환합니다. 코드와 권고는 모델의 답변으로 전달되며, 명령 실행과 외부 데이터 작업은 애플리케이션의 기능에 달려 있습니다.
Ailoot API에서 사용 가능
POST /v1/messages- 입력
text- 출력
text- 컨텍스트
- 카탈로그에 명시되지 않음
- 최대 출력
- 카탈로그에 명시되지 않음
- 입력
- US$0.0005 / 1K
- 출력
- US$0.002 / 1K
- 캐시 읽기
- US$0.0001 / 1K
POST /v1/responses- 입력
text- 출력
text- 컨텍스트
- 카탈로그에 명시되지 않음
- 최대 출력
- 카탈로그에 명시되지 않음
- 입력
- US$0.0005 / 1K
- 출력
- US$0.002 / 1K
- 캐시 읽기
- US$0.0001 / 1K
POST /v1/chat/completions- 입력
text- 출력
text- 컨텍스트
- 카탈로그에 명시되지 않음
- 최대 출력
- 카탈로그에 명시되지 않음
- 입력
- US$0.0005 / 1K
- 출력
- US$0.002 / 1K
- 캐시 읽기
- US$0.0001 / 1K
POST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent- 입력
text- 출력
text- 컨텍스트
- 카탈로그에 명시되지 않음
- 최대 출력
- 카탈로그에 명시되지 않음
- 입력
- US$0.0005 / 1K
- 출력
- US$0.002 / 1K
- 캐시 읽기
- US$0.0001 / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Reflection의 Beam 1.0\n\nBeam 1.0 501B A23B는 프로그래밍, 추론, 여러 관련 단계로 나뉘는 작업을 위한 Reflection의 텍스트 모델입니다. 희소 MoE 구조는 전체 5,013억 매개변수와 토큰당 약 234억 활성 매개변수를 갖습니다. 주로 영어를 위해 개발되었으므로 소스 코드, 기술 자료, 상세 지시의 언어를 선택할 때 고려하면 좋습니다.\n\n구조는 국소 어텐션과 전역 어텐션을 결합하며, 학습에는 소스 코드, 기술 문서, 과학·교육 자료가 포함됩니다. 별도 단계에서는 구조화된 저장소, 장기간 이어지는 과제, 방대한 문서를 이용해 긴 맥락을 학습했습니다. 강화 학습에서는 프로그래밍, 터미널 작업, STEM 과제를 결합했습니다.\n\n### 모델이 지향하는 작업\n\nReflection은 소프트웨어 공학, 수학·과학 추론, 순차적 문제 해결을 강조합니다. 프로그램 구성 요소의 관계 설명, 논리 오류 분석, 알고리즘 변경 제안, 가설 검증 계획, 기술 자료 요약 같은 실질적인 텍스트 대화에 활용할 수 있습니다.\n\nBeam은 추론 토큰을 효율적으로 사용하는 데도 중점을 둡니다. 학습에서는 불필요한 토큰을 줄이면서 문제를 성공적으로 푸는 것을 보상했습니다. 이는 개발사의 접근 방식에 대한 설명입니다. 실제 요청에서는 짧은 결론, 상세한 증명, 설명이 있는 패치처럼 답변 길이와 형태를 여전히 명시하는 것이 좋습니다.\n\n### Ailoot의 긴 텍스트 맥락\n\n연결의 맥락 창은 1,048,576토큰입니다. 전달 자료, 지시, 기록, 생성되는 답변이 포함됩니다. 모델 메타데이터에는 답변 규모가 최대 131,072토큰으로 표시되어 있습니다. 명세, 구현 발췌, 검증 결과, 관련 질문을 함께 전달할 수 있습니다. 자료에 이름을 붙이고 결론의 근거가 된 부분을 표시하도록 요청하면 큰 분석을 검토하기 편리합니다.\n\n예를 들어 코드 작업에서는 제공 파일의 의존 관계를 먼저 정리하고, 변경 위치를 찾은 뒤 구현을 준비하도록 요청할 수 있습니다. 과학 과제에서는 초기 조건, 기호, 필요한 엄밀성 수준을 지정합니다. 이는 결과를 원자료와 대조할 수 있도록 요청을 구성하는 방식입니다.\n\n연결은 Messages, Responses, Chat Completions, 텍스트 generateContent를 통해 텍스트를 받아 텍스트를 반환합니다. 코드와 권고는 모델의 답변으로 전달되며, 명령 실행과 외부 데이터 작업은 애플리케이션의 기능에 달려 있습니다.","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":"소프트웨어 공학, 수학적 추론, 단계별 문제 분석을 위한 긴 맥락의 Reflection 텍스트 MoE 모델입니다."}