modeller

Reflection: Beam 1.0 501B A23B

Markdown · JSON

Reflection: Beam 1.0 501B A23B

reflection/beam-1.0-501b-a23b
ReflectionTextIndata 0,0005 US$ / 1KUtdata 0,002 US$ / 1K

Reflections textbaserade MoE-modell med stor kontext för programvaruteknik, matematiska resonemang och stegvis uppgiftsanalys.

Beam 1.0 från Reflection

Beam 1.0 501B A23B är en textmodell från Reflection för programmering, resonemang och uppgifter uppdelade i flera sammanhängande steg. Dess glesa MoE-arkitektur har totalt 501,3 miljarder parametrar och cirka 23,4 miljarder aktiva parametrar per token. Modellen har främst utvecklats för engelska; det är bra att beakta vid val av språk för källkod, tekniska material och detaljerade instruktioner.

Arkitekturen kombinerar lokal och global uppmärksamhet, och modellträningen omfattar källkod, teknisk dokumentation samt vetenskapliga material och läromedel. En separat träningsfas utvecklade lång kontext med strukturerade kodförråd, utdragna uppgifter och omfattande dokument. Under förstärkningsinlärningen kombinerade utvecklaren programmering, terminalarbete och STEM-uppgifter.

Modellens inriktning

Reflection lyfter fram programvaruteknik, matematiska och vetenskapliga resonemang samt stegvis problemlösning. Dessa områden kan användas för innehållsrik textdialog: förklara samband mellan programkomponenter, analysera ett logiskt fel, föreslå en algoritmändring, planera en hypotesprövning eller sammanfatta tekniskt material.

Beam har ett särskilt fokus på sparsamt bruk av resonemangstoken. Under träningen belönades korrekta lösningar som minskade onödiga token. Detta beskriver utvecklarens metod; längden på ett konkret svar bör ändå anges uttryckligen, till exempel en kort slutsats, ett detaljerat bevis eller en patch med förklaring.

Stor textkontext i Ailoot API

Anslutningens kontextfönster är 1 048 576 token. Det omfattar tillhandahållet material, instruktioner, historik och svaret som genereras. I modellens metadata anges en svarsstorlek på upp till 131 072 token. Utrymmet gör det möjligt att ange flera sammanhängande texter: specifikation, implementeringsavsnitt, kontrollresultat och tillhörande frågor. Ge materialen namn och be om att slutsatsernas underlag markeras, så blir stora analyser lättare att kontrollera.

För en koduppgift kan du till exempel först be om en beroendekarta utifrån givna filer, sedan lokalisera ändringen och först därefter ta fram implementeringen. För en vetenskaplig uppgift anger du grundvillkor, beteckningar och önskad stringens. Det är sätt att organisera en begäran så att det användbara resultatet kan jämföras med underlaget.

Anslutningen tar emot text och returnerar text via Messages, Responses, Chat Completions och textbaserade generateContent. Kod och rekommendationer kommer som modellens svar; kommandokörning och arbete med externa data bestäms av applikationens funktioner.

Tillgängligt via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0005 US$ / 1K
Utdata
0,002 US$ / 1K
Cacheläsning
0,0001 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0005 US$ / 1K
Utdata
0,002 US$ / 1K
Cacheläsning
0,0001 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0005 US$ / 1K
Utdata
0,002 US$ / 1K
Cacheläsning
0,0001 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent
Indatatyper
text
Utdatatyper
text
Kontext
Inte angivet i katalogen
Maximalt svar
Inte angivet i katalogen
Indata
0,0005 US$ / 1K
Utdata
0,002 US$ / 1K
Cacheläsning
0,0001 US$ / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Beam 1.0 från Reflection\n\nBeam 1.0 501B A23B är en textmodell från Reflection för programmering, resonemang och uppgifter uppdelade i flera sammanhängande steg. Dess glesa MoE-arkitektur har totalt 501,3 miljarder parametrar och cirka 23,4 miljarder aktiva parametrar per token. Modellen har främst utvecklats för engelska; det är bra att beakta vid val av språk för källkod, tekniska material och detaljerade instruktioner.\n\nArkitekturen kombinerar lokal och global uppmärksamhet, och modellträningen omfattar källkod, teknisk dokumentation samt vetenskapliga material och läromedel. En separat träningsfas utvecklade lång kontext med strukturerade kodförråd, utdragna uppgifter och omfattande dokument. Under förstärkningsinlärningen kombinerade utvecklaren programmering, terminalarbete och STEM-uppgifter.\n\n### Modellens inriktning\n\nReflection lyfter fram programvaruteknik, matematiska och vetenskapliga resonemang samt stegvis problemlösning. Dessa områden kan användas för innehållsrik textdialog: förklara samband mellan programkomponenter, analysera ett logiskt fel, föreslå en algoritmändring, planera en hypotesprövning eller sammanfatta tekniskt material.\n\nBeam har ett särskilt fokus på sparsamt bruk av resonemangstoken. Under träningen belönades korrekta lösningar som minskade onödiga token. Detta beskriver utvecklarens metod; längden på ett konkret svar bör ändå anges uttryckligen, till exempel en kort slutsats, ett detaljerat bevis eller en patch med förklaring.\n\n### Stor textkontext i Ailoot API\n\nAnslutningens kontextfönster är 1 048 576 token. Det omfattar tillhandahållet material, instruktioner, historik och svaret som genereras. I modellens metadata anges en svarsstorlek på upp till 131 072 token. Utrymmet gör det möjligt att ange flera sammanhängande texter: specifikation, implementeringsavsnitt, kontrollresultat och tillhörande frågor. Ge materialen namn och be om att slutsatsernas underlag markeras, så blir stora analyser lättare att kontrollera.\n\nFör en koduppgift kan du till exempel först be om en beroendekarta utifrån givna filer, sedan lokalisera ändringen och först därefter ta fram implementeringen. För en vetenskaplig uppgift anger du grundvillkor, beteckningar och önskad stringens. Det är sätt att organisera en begäran så att det användbara resultatet kan jämföras med underlaget.\n\nAnslutningen tar emot text och returnerar text via Messages, Responses, Chat Completions och textbaserade generateContent. Kod och rekommendationer kommer som modellens svar; kommandokörning och arbete med externa data bestäms av applikationens funktioner.","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":"Reflections textbaserade MoE-modell med stor kontext för programvaruteknik, matematiska resonemang och stegvis uppgiftsanalys."}

Frågor

Hur väljer jag modell för min uppgift?

Bestäm först vilka in- och utdata du behöver: text, bild, ljud eller video. Jämför sedan kompatibla API-metoder, exakt modell-ID eller aliasets nuvarande mål, pris och debiteringsenhet. GET /v1/models är gratis och listar modeller som din nyckel har tillgång till.

Stöder varje modell alla API-metoder och medietyper?

Använd de API-metoder och typer av in- och utdata som anges på modellkortet. Stöd för text, bilder, ljud eller video beror på vald modell och metod; kontrollera exemplet innan du skickar data.

Vad är skillnaden mellan ett modell-ID och ett alias?

Ett exakt ID betecknar en viss modell. Ett alias pekar på en modell och målet kan ändras. Kontrollera aliasets nuvarande mål i katalogen; använd exakt ID när integrationen behöver en viss modell.

Hur jämför jag priser innan jag skickar en begäran?

Kontrollera priset och debiteringsenheten för vald API-metod på modellkortet. Jämför samma enhet och samma typer av in- och utdata; historiken visar faktisk användning och debiterat belopp.

Vad ger prenumerationen?

Rabatt på tokenköp för återkommande arbete. Välj plan efter anropsvolym; villkor och prenumerationspris visas vid köpet.

Hur använder jag kampanjkod upp till 50%?

Ange koden vid tokenköpet. Beloppet räknas om enligt kampanjvillkoren och rabatten visas före betalning.