Source: https://ailoot.ai/models/ru/reflection-beam-1-0-501b-a23b/ Canonical: https://ailoot.ai/models/ru/reflection-beam-1-0-501b-a23b/ Language: ru # Reflection: Beam 1.0 501B A23B [Markdown](https://ailoot.ai/models/ru/reflection-beam-1-0-501b-a23b/index.md) · [JSON](https://ailoot.ai/models/ru/reflection-beam-1-0-501b-a23b/facts.json) ## [Reflection: Beam 1.0 501B A23B](https://ailoot.ai/models/ru/reflection-beam-1-0-501b-a23b/) `reflection/beam-1.0-501b-a23b` ReflectionТекстВход 0,0005 $ / 1KВыход 0,002 $ / 1K Текстовая MoE-модель Reflection с большим контекстом для программной инженерии, математических рассуждений и последовательного разбора задач. ### Beam 1.0 от Reflection 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. ### На какие задачи ориентирована модель 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. ### Большой текстовый контекст в Ailoot 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. ### Доступно в Ailoot API Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0005 $ */ 1K* Выход 0,002 $ */ 1K* Чтение кэша 0,0001 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0005 $ */ 1K* Выход 0,002 $ */ 1K* Чтение кэша 0,0001 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0005 $ */ 1K* Выход 0,002 $ */ 1K* Чтение кэша 0,0001 $ */ 1K* Входные данные `text` Результат `text` Контекст В каталоге не указано Макс. ответ В каталоге не указано Вход 0,0005 $ */ 1K* Выход 0,002 $ */ 1K* Чтение кэша 0,0001 $ */ 1K* `reflection/beam-1.0-501b-a23b` · JSON ``` {"about":"### 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.","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":"Текстовая MoE-модель Reflection с большим контекстом для программной инженерии, математических рассуждений и последовательного разбора задач."} ``` ## Вопросы Как выбрать модель для своей задачи? Сначала определите нужные вход и выход: текст, изображение, аудио или видео. Затем сравните совместимые API-методы, точный ID модели или текущую цель alias, цену и единицу расчёта. Бесплатный GET /v1/models показывает модели, доступные вашему ключу. Каждая ли модель поддерживает все API-методы и типы медиа? Используйте API-методы и типы входа и выхода, указанные в карточке модели. Поддержка текста, изображений, аудио или видео зависит от выбранных модели и метода; перед отправкой данных проверьте их пример запроса. Чем точный ID модели отличается от alias? Точный ID обозначает конкретную модель. Alias указывает на модель, и его цель может меняться. Проверьте текущую цель alias в каталоге; используйте точный ID, когда интеграции нужна конкретная модель. Как сравнить цены до отправки запроса? Проверьте в карточке модели цену и единицу расчёта для выбранного API-метода. Сравнивайте одинаковые единицы и типы входа и выхода; история запросов показывает фактическое использование и списанную сумму. Что даёт подписка? Скидку на покупку токенов для регулярной работы. Выберите тариф по своему объёму запросов; условия и стоимость подписки показаны при оформлении. Как применить промокод на скидку до 50%? Введите промокод при покупке токенов. Итоговая сумма пересчитывается по условиям акции; размер скидки виден до оплаты. ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.