Source: https://ailoot.ai/models/ms/reflection-beam-1-0-501b-a23b/ Canonical: https://ailoot.ai/models/ms/reflection-beam-1-0-501b-a23b/ Language: ms # Reflection: Beam 1.0 501B A23B [Markdown](https://ailoot.ai/models/ms/reflection-beam-1-0-501b-a23b/index.md) · [JSON](https://ailoot.ai/models/ms/reflection-beam-1-0-501b-a23b/facts.json) ## [Reflection: Beam 1.0 501B A23B](https://ailoot.ai/models/ms/reflection-beam-1-0-501b-a23b/) `reflection/beam-1.0-501b-a23b` ReflectionTeksInput USD 0.0005 / 1KOutput USD 0.002 / 1K Model teks MoE Reflection berkonteks besar untuk kejuruteraan perisian, penaakulan matematik dan penelitian tugas berturutan. ### Beam 1.0 daripada Reflection Beam 1.0 501B A23B ialah model teks Reflection untuk pengaturcaraan, penaakulan dan tugas dengan beberapa langkah berkaitan. Seni bina MoE dengan pengaktifan jarang ini mempunyai jumlah 501,3 bilion parameter dan kira-kira 23,4 bilion aktif bagi setiap token. Model dibangunkan terutamanya untuk bahasa Inggeris; pertimbangkan hal ini semasa memilih bahasa kod sumber, bahan teknikal dan arahan terperinci. Seni binanya menggabungkan perhatian setempat dan global; latihannya merangkumi kod sumber, dokumentasi teknikal serta bahan sains dan pembelajaran. Peringkat khusus mengembangkan konteks panjang menggunakan repositori berstruktur, tugas panjang dan dokumen besar. Dalam pembelajaran pengukuhan, pembangun menggabungkan pengaturcaraan, kerja terminal dan STEM. ### Tumpuan tugas model Reflection menekankan kejuruteraan perisian, penaakulan matematik dan sains serta penyelesaian tugas berturutan. Bidang ini boleh digunakan dalam dialog teks mendalam: menerangkan hubungan komponen program, meneliti ralat logik, mencadangkan perubahan algoritma, merancang ujian hipotesis atau merumuskan bahan teknikal. Beam menekankan penggunaan token penaakulan yang jimat. Latihan memberi ganjaran kepada penyelesaian berjaya dengan pengurangan token berlebihan. Ini menerangkan pendekatan pembangun; panjang jawapan tertentu masih perlu ditetapkan dengan jelas, contohnya kesimpulan ringkas, bukti terperinci atau tampalan berpenjelasan. ### Konteks teks besar dalam Ailoot API Tetingkap konteks sambungan ialah 1 048 576 token, merangkumi bahan, arahan, sejarah dan jawapan yang dibentuk. Metadata model menyatakan saiz jawapan sehingga 131 072 token. Jumlah ini membolehkan beberapa teks berkaitan dihantar: spesifikasi, petikan pelaksanaan, hasil semakan dan soalan. Namakan bahan dan minta petikan asas setiap kesimpulan dinyatakan supaya analisis besar mudah disemak. Contohnya, bagi kod, minta peta kebergantungan daripada fail yang diberikan, kemudian tentukan lokasi perubahan, diikuti penyediaan pelaksanaan. Untuk tugas saintifik, tetapkan keadaan asal, tatatanda dan tahap ketelitian. Ini ialah cara menyusun permintaan supaya hasil berguna boleh dibandingkan dengan bahan asal. Sambungan menerima teks dan mengembalikan teks melalui Messages, Responses, Chat Completions dan generateContent teks. Kod serta cadangan dihantar sebagai jawapan model; pelaksanaan perintah dan pengolahan data luar ditentukan keupayaan aplikasi. ### Tersedia melalui Ailoot API Input `text` Output `text` Konteks Tidak dinyatakan dalam katalog Respons maksimum Tidak dinyatakan dalam katalog Input USD 0.0005 */ 1K* Output USD 0.002 */ 1K* Bacaan cache USD 0.0001 */ 1K* Input `text` Output `text` Konteks Tidak dinyatakan dalam katalog Respons maksimum Tidak dinyatakan dalam katalog Input USD 0.0005 */ 1K* Output USD 0.002 */ 1K* Bacaan cache USD 0.0001 */ 1K* Input `text` Output `text` Konteks Tidak dinyatakan dalam katalog Respons maksimum Tidak dinyatakan dalam katalog Input USD 0.0005 */ 1K* Output USD 0.002 */ 1K* Bacaan cache USD 0.0001 */ 1K* Input `text` Output `text` Konteks Tidak dinyatakan dalam katalog Respons maksimum Tidak dinyatakan dalam katalog Input USD 0.0005 */ 1K* Output USD 0.002 */ 1K* Bacaan cache USD 0.0001 */ 1K* `reflection/beam-1.0-501b-a23b` · JSON ``` {"about":"### Beam 1.0 daripada Reflection\n\nBeam 1.0 501B A23B ialah model teks Reflection untuk pengaturcaraan, penaakulan dan tugas dengan beberapa langkah berkaitan. Seni bina MoE dengan pengaktifan jarang ini mempunyai jumlah 501,3 bilion parameter dan kira-kira 23,4 bilion aktif bagi setiap token. Model dibangunkan terutamanya untuk bahasa Inggeris; pertimbangkan hal ini semasa memilih bahasa kod sumber, bahan teknikal dan arahan terperinci.\n\nSeni binanya menggabungkan perhatian setempat dan global; latihannya merangkumi kod sumber, dokumentasi teknikal serta bahan sains dan pembelajaran. Peringkat khusus mengembangkan konteks panjang menggunakan repositori berstruktur, tugas panjang dan dokumen besar. Dalam pembelajaran pengukuhan, pembangun menggabungkan pengaturcaraan, kerja terminal dan STEM.\n\n### Tumpuan tugas model\n\nReflection menekankan kejuruteraan perisian, penaakulan matematik dan sains serta penyelesaian tugas berturutan. Bidang ini boleh digunakan dalam dialog teks mendalam: menerangkan hubungan komponen program, meneliti ralat logik, mencadangkan perubahan algoritma, merancang ujian hipotesis atau merumuskan bahan teknikal.\n\nBeam menekankan penggunaan token penaakulan yang jimat. Latihan memberi ganjaran kepada penyelesaian berjaya dengan pengurangan token berlebihan. Ini menerangkan pendekatan pembangun; panjang jawapan tertentu masih perlu ditetapkan dengan jelas, contohnya kesimpulan ringkas, bukti terperinci atau tampalan berpenjelasan.\n\n### Konteks teks besar dalam Ailoot API\n\nTetingkap konteks sambungan ialah 1 048 576 token, merangkumi bahan, arahan, sejarah dan jawapan yang dibentuk. Metadata model menyatakan saiz jawapan sehingga 131 072 token. Jumlah ini membolehkan beberapa teks berkaitan dihantar: spesifikasi, petikan pelaksanaan, hasil semakan dan soalan. Namakan bahan dan minta petikan asas setiap kesimpulan dinyatakan supaya analisis besar mudah disemak.\n\nContohnya, bagi kod, minta peta kebergantungan daripada fail yang diberikan, kemudian tentukan lokasi perubahan, diikuti penyediaan pelaksanaan. Untuk tugas saintifik, tetapkan keadaan asal, tatatanda dan tahap ketelitian. Ini ialah cara menyusun permintaan supaya hasil berguna boleh dibandingkan dengan bahan asal.\n\nSambungan menerima teks dan mengembalikan teks melalui Messages, Responses, Chat Completions dan generateContent teks. Kod serta cadangan dihantar sebagai jawapan model; pelaksanaan perintah dan pengolahan data luar ditentukan keupayaan 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 kejuruteraan perisian, penaakulan matematik dan penelitian tugas berturutan."} ``` ## Soalan Bagaimanakah saya memilih model untuk tugasan saya? Kenal pasti dahulu input dan output yang diperlukan: teks, imej, audio atau video. Kemudian bandingkan kaedah API yang serasi, ID model yang tepat atau model yang dirujuk oleh alias pada masa ini, harga dan unit pengebilan. GET /v1/models adalah percuma dan menyenaraikan model yang tersedia untuk kunci anda. Adakah setiap model menyokong semua kaedah API dan jenis media? Gunakan kaedah API dan jenis input/output yang disenaraikan pada kad model. Sokongan untuk teks, imej, audio atau video bergantung pada model dan kaedah yang dipilih; semak contoh permintaan yang berkenaan sebelum menghantar data anda. Apakah perbezaan antara ID model dengan alias? ID model yang tepat mengenal pasti model tertentu. Alias merujuk kepada model dan model sasarannya boleh berubah. Semak model yang dirujuk oleh alias pada masa ini dalam katalog; gunakan ID yang tepat apabila integrasi anda memerlukan model tertentu. Bagaimanakah saya membandingkan harga sebelum menghantar permintaan? Semak kad model untuk harga dan unit pengebilan bagi kaedah API yang dipilih. Bandingkan menggunakan unit dan jenis input/output yang sama; sejarah permintaan menunjukkan penggunaan sebenar dan amaun yang dicaj. Apakah manfaat langganan? Diskaun pembelian token untuk penggunaan berkala. Pilih pelan berdasarkan jumlah permintaan; terma dan harga langganan dipaparkan semasa pembelian. Bagaimanakah kod promosi diskaun sehingga 50% digunakan? Masukkan kod promosi semasa membeli token. Jumlah akhir dikira semula mengikut terma promosi; kadar diskaun kelihatan sebelum pembayaran. ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.