Beam 1.0 501B A23B — текстовая модель Reflection для программирования, рассуждений и задач, разбитых на несколько связанных шагов. В её разреженной MoE-архитектуре 501,3 млрд параметров всего и около 23,4 млрд активных параметров на токен. Модель разработана преимущественно для английского языка; это полезно учитывать при выборе языка исходного кода, технических материалов и подробных инструкций.
Архитектура объединяет локальное и глобальное внимание, а подготовка модели включает работу с исходным кодом, технической документацией, научными и учебными материалами. Отдельный этап обучения развивал длинный контекст на структурированных репозиториях, протяжённых задачах и объёмных документах. Во время обучения с подкреплением разработчик сочетал задачи программирования, работы в терминале и STEM.
Reflection выделяет программную инженерию, математические и научные рассуждения, а также последовательное решение задач. Эти направления можно использовать для содержательного текстового диалога: объяснить связи между компонентами программы, разобрать логическую ошибку, предложить изменение алгоритма, составить план проверки гипотезы или получить резюме технического материала.
У Beam есть отдельный акцент на экономном использовании токенов рассуждения. В обучении вознаграждалось успешное решение с сокращением лишних токенов. Это описание подхода разработчика; длину конкретного ответа в своём запросе всё равно стоит задавать явно — например, краткий вывод, подробное доказательство или патч с пояснением.
Контекстное окно подключения — 1 048 576 токенов. В него входят переданные материалы, инструкции, история и формируемый ответ. В метаданных модели указан объём ответа до 131 072 токенов. Такой объём позволяет передавать несколько связанных текстов: спецификацию, фрагменты реализации, результаты проверок и вопросы к ним. Дайте материалам названия и попросите отмечать, на какой фрагмент опирается вывод: так удобнее проверять большие разборы.
Например, для задачи по коду можно сначала запросить карту зависимостей по переданным файлам, затем выделить место изменения и только после этого подготовить реализацию. Для научной задачи — задать исходные условия, обозначения и требуемый уровень строгости. Это варианты организации запроса, в которых полезный результат можно сопоставить с исходными материалами.
Подключение принимает текст и возвращает текст через Messages, Responses, Chat Completions и текстовый generateContent. Код и рекомендации поступают как ответ модели; выполнение команд и работа с внешними данными определяются возможностями вашего приложения.
", "aboutText": "### Beam 1.0 от Reflection\n\nBeam 1.0 501B A23B — текстовая модель Reflection для программирования, рассуждений и задач, разбитых на несколько связанных шагов. В её разреженной MoE-архитектуре 501,3 млрд параметров всего и около 23,4 млрд активных параметров на токен. Модель разработана преимущественно для английского языка; это полезно учитывать при выборе языка исходного кода, технических материалов и подробных инструкций.\n\nАрхитектура объединяет локальное и глобальное внимание, а подготовка модели включает работу с исходным кодом, технической документацией, научными и учебными материалами. Отдельный этап обучения развивал длинный контекст на структурированных репозиториях, протяжённых задачах и объёмных документах. Во время обучения с подкреплением разработчик сочетал задачи программирования, работы в терминале и STEM.\n\n### На какие задачи ориентирована модель\n\nReflection выделяет программную инженерию, математические и научные рассуждения, а также последовательное решение задач. Эти направления можно использовать для содержательного текстового диалога: объяснить связи между компонентами программы, разобрать логическую ошибку, предложить изменение алгоритма, составить план проверки гипотезы или получить резюме технического материала.\n\nУ Beam есть отдельный акцент на экономном использовании токенов рассуждения. В обучении вознаграждалось успешное решение с сокращением лишних токенов. Это описание подхода разработчика; длину конкретного ответа в своём запросе всё равно стоит задавать явно — например, краткий вывод, подробное доказательство или патч с пояснением.\n\n### Большой текстовый контекст в Ailoot\n\nКонтекстное окно подключения — 1 048 576 токенов. В него входят переданные материалы, инструкции, история и формируемый ответ. В метаданных модели указан объём ответа до 131 072 токенов. Такой объём позволяет передавать несколько связанных текстов: спецификацию, фрагменты реализации, результаты проверок и вопросы к ним. Дайте материалам названия и попросите отмечать, на какой фрагмент опирается вывод: так удобнее проверять большие разборы.\n\nНапример, для задачи по коду можно сначала запросить карту зависимостей по переданным файлам, затем выделить место изменения и только после этого подготовить реализацию. Для научной задачи — задать исходные условия, обозначения и требуемый уровень строгости. Это варианты организации запроса, в которых полезный результат можно сопоставить с исходными материалами.\n\nПодключение принимает текст и возвращает текст через Messages, Responses, Chat Completions и текстовый generateContent. Код и рекомендации поступают как ответ модели; выполнение команд и работа с внешними данными определяются возможностями вашего приложения.", "locale": "ru", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContenttexttext