Reflection: Beam 1.0 501B A23B
reflection/beam-1.0-501b-a23bโมเดลข้อความ MoE ของ Reflection ที่มีบริบทขนาดใหญ่ สำหรับวิศวกรรมซอฟต์แวร์ การให้เหตุผลคณิตศาสตร์ และการวิเคราะห์โจทย์ตามลำดับ
Beam 1.0 จาก Reflection
Beam 1.0 501B A23B เป็นโมเดลข้อความของ Reflection สำหรับเขียนโปรแกรม ให้เหตุผล และงานที่แบ่งเป็นหลายขั้นเกี่ยวเนื่องกัน สถาปัตยกรรม MoE แบบเบาบางมีพารามิเตอร์รวม 501.3 พันล้าน และเปิดใช้ประมาณ 23.4 พันล้านต่อโทเคน โมเดลพัฒนาสำหรับภาษาอังกฤษเป็นหลัก ควรคำนึงถึงจุดนี้เมื่อเลือกภาษาของซอร์สโค้ด เอกสารเทคนิค และคำสั่งโดยละเอียด
สถาปัตยกรรมรวมกลไกความสนใจเฉพาะส่วนและแบบทั่วทั้งหมด การเตรียมโมเดลครอบคลุมซอร์สโค้ด เอกสารเทคนิค และเนื้อหาวิทยาศาสตร์กับการศึกษา มีขั้นฝึกแยกสำหรับพัฒนาบริบทยาวด้วยคลังโค้ดที่มีโครงสร้าง งานต่อเนื่องยาว และเอกสารขนาดใหญ่ ระหว่างการเรียนรู้แบบเสริมกำลัง ผู้พัฒนาผสมงานเขียนโปรแกรม งานในเทอร์มินัล และ STEM
โมเดลมุ่งสู่งานใด
Reflection เน้นวิศวกรรมซอฟต์แวร์ การให้เหตุผลทางคณิตศาสตร์และวิทยาศาสตร์ รวมถึงการแก้ปัญหาตามลำดับ แนวทางเหล่านี้ใช้กับบทสนทนาข้อความที่มีสาระได้ เช่น อธิบายความสัมพันธ์ระหว่างส่วนของโปรแกรม วิเคราะห์ข้อผิดพลาดเชิงตรรกะ เสนอการแก้อัลกอริทึม วางแผนตรวจสมมติฐาน หรือสรุปเนื้อหาทางเทคนิค
Beam ให้ความสำคัญแยกกับการใช้โทเคนให้เหตุผลอย่างประหยัด ในการฝึกมีรางวัลสำหรับการแก้สำเร็จพร้อมลดโทเคนส่วนเกิน นี่เป็นคำอธิบายแนวทางของผู้พัฒนา ส่วนความยาวคำตอบแต่ละครั้งยังควรกำหนดชัดในคำขอ เช่น ข้อสรุปสั้น บทพิสูจน์ละเอียด หรือแพตช์พร้อมคำอธิบาย
บริบทข้อความขนาดใหญ่ใน Ailoot
หน้าต่างบริบทของการเชื่อมต่อคือ 1,048,576 โทเคน ซึ่งรวมข้อมูลที่ส่ง คำสั่ง ประวัติ และคำตอบที่กำลังสร้าง เมทาดาทาของโมเดลระบุปริมาณคำตอบสูงสุด 131,072 โทเคน ปริมาณนี้รองรับข้อความเกี่ยวข้องหลายชิ้น เช่น ข้อกำหนด ส่วนการนำไปใช้ ผลตรวจสอบ และคำถามต่อสิ่งเหล่านั้น ตั้งชื่อข้อมูลและขอให้ระบุว่าข้อสรุปอิงส่วนใด เพื่อให้ตรวจบทวิเคราะห์ขนาดใหญ่ได้สะดวก
ตัวอย่างเช่น งานโค้ดอาจขอแผนผังความสัมพันธ์จากไฟล์ที่ส่งก่อน จากนั้นระบุตำแหน่งแก้ไข แล้วจึงเตรียมการนำไปใช้ ส่วนโจทย์วิทยาศาสตร์ ให้ระบุเงื่อนไขตั้งต้น สัญลักษณ์ และระดับความเคร่งครัดที่ต้องการ นี่เป็นวิธีจัดคำขอให้เทียบผลที่ใช้ได้กับข้อมูลต้นทางได้
การเชื่อมต่อรับข้อความและคืนข้อความผ่าน Messages, Responses, Chat Completions และ generateContent แบบข้อความ โค้ดและคำแนะนำเป็นคำตอบของโมเดล ส่วนการรันคำสั่งและทำงานกับข้อมูลภายนอกขึ้นอยู่กับความสามารถของแอปพลิเคชัน
ใช้งานได้ผ่าน Ailoot API
POST /v1/messages- ขาเข้า
text- ขาออก
text- บริบท
- ไม่ได้ระบุในแค็ตตาล็อก
- ความยาวคำตอบสูงสุด
- ไม่ได้ระบุในแค็ตตาล็อก
- ขาเข้า
- US$0.0005 / 1K
- ขาออก
- US$0.002 / 1K
- การอ่านแคช
- US$0.0001 / 1K
POST /v1/responses- ขาเข้า
text- ขาออก
text- บริบท
- ไม่ได้ระบุในแค็ตตาล็อก
- ความยาวคำตอบสูงสุด
- ไม่ได้ระบุในแค็ตตาล็อก
- ขาเข้า
- US$0.0005 / 1K
- ขาออก
- US$0.002 / 1K
- การอ่านแคช
- US$0.0001 / 1K
POST /v1/chat/completions- ขาเข้า
text- ขาออก
text- บริบท
- ไม่ได้ระบุในแค็ตตาล็อก
- ความยาวคำตอบสูงสุด
- ไม่ได้ระบุในแค็ตตาล็อก
- ขาเข้า
- US$0.0005 / 1K
- ขาออก
- US$0.002 / 1K
- การอ่านแคช
- US$0.0001 / 1K
POST /v1beta/models/reflection/beam-1.0-501b-a23b:generateContent- ขาเข้า
text- ขาออก
text- บริบท
- ไม่ได้ระบุในแค็ตตาล็อก
- ความยาวคำตอบสูงสุด
- ไม่ได้ระบุในแค็ตตาล็อก
- ขาเข้า
- US$0.0005 / 1K
- ขาออก
- US$0.002 / 1K
- การอ่านแคช
- US$0.0001 / 1K
reflection/beam-1.0-501b-a23b · JSON
{"about":"### Beam 1.0 จาก Reflection\n\nBeam 1.0 501B A23B เป็นโมเดลข้อความของ Reflection สำหรับเขียนโปรแกรม ให้เหตุผล และงานที่แบ่งเป็นหลายขั้นเกี่ยวเนื่องกัน สถาปัตยกรรม MoE แบบเบาบางมีพารามิเตอร์รวม 501.3 พันล้าน และเปิดใช้ประมาณ 23.4 พันล้านต่อโทเคน โมเดลพัฒนาสำหรับภาษาอังกฤษเป็นหลัก ควรคำนึงถึงจุดนี้เมื่อเลือกภาษาของซอร์สโค้ด เอกสารเทคนิค และคำสั่งโดยละเอียด\n\nสถาปัตยกรรมรวมกลไกความสนใจเฉพาะส่วนและแบบทั่วทั้งหมด การเตรียมโมเดลครอบคลุมซอร์สโค้ด เอกสารเทคนิค และเนื้อหาวิทยาศาสตร์กับการศึกษา มีขั้นฝึกแยกสำหรับพัฒนาบริบทยาวด้วยคลังโค้ดที่มีโครงสร้าง งานต่อเนื่องยาว และเอกสารขนาดใหญ่ ระหว่างการเรียนรู้แบบเสริมกำลัง ผู้พัฒนาผสมงานเขียนโปรแกรม งานในเทอร์มินัล และ STEM\n\n### โมเดลมุ่งสู่งานใด\n\nReflection เน้นวิศวกรรมซอฟต์แวร์ การให้เหตุผลทางคณิตศาสตร์และวิทยาศาสตร์ รวมถึงการแก้ปัญหาตามลำดับ แนวทางเหล่านี้ใช้กับบทสนทนาข้อความที่มีสาระได้ เช่น อธิบายความสัมพันธ์ระหว่างส่วนของโปรแกรม วิเคราะห์ข้อผิดพลาดเชิงตรรกะ เสนอการแก้อัลกอริทึม วางแผนตรวจสมมติฐาน หรือสรุปเนื้อหาทางเทคนิค\n\nBeam ให้ความสำคัญแยกกับการใช้โทเคนให้เหตุผลอย่างประหยัด ในการฝึกมีรางวัลสำหรับการแก้สำเร็จพร้อมลดโทเคนส่วนเกิน นี่เป็นคำอธิบายแนวทางของผู้พัฒนา ส่วนความยาวคำตอบแต่ละครั้งยังควรกำหนดชัดในคำขอ เช่น ข้อสรุปสั้น บทพิสูจน์ละเอียด หรือแพตช์พร้อมคำอธิบาย\n\n### บริบทข้อความขนาดใหญ่ใน Ailoot\n\nหน้าต่างบริบทของการเชื่อมต่อคือ 1,048,576 โทเคน ซึ่งรวมข้อมูลที่ส่ง คำสั่ง ประวัติ และคำตอบที่กำลังสร้าง เมทาดาทาของโมเดลระบุปริมาณคำตอบสูงสุด 131,072 โทเคน ปริมาณนี้รองรับข้อความเกี่ยวข้องหลายชิ้น เช่น ข้อกำหนด ส่วนการนำไปใช้ ผลตรวจสอบ และคำถามต่อสิ่งเหล่านั้น ตั้งชื่อข้อมูลและขอให้ระบุว่าข้อสรุปอิงส่วนใด เพื่อให้ตรวจบทวิเคราะห์ขนาดใหญ่ได้สะดวก\n\nตัวอย่างเช่น งานโค้ดอาจขอแผนผังความสัมพันธ์จากไฟล์ที่ส่งก่อน จากนั้นระบุตำแหน่งแก้ไข แล้วจึงเตรียมการนำไปใช้ ส่วนโจทย์วิทยาศาสตร์ ให้ระบุเงื่อนไขตั้งต้น สัญลักษณ์ และระดับความเคร่งครัดที่ต้องการ นี่เป็นวิธีจัดคำขอให้เทียบผลที่ใช้ได้กับข้อมูลต้นทางได้\n\nการเชื่อมต่อรับข้อความและคืนข้อความผ่าน Messages, Responses, Chat Completions และ generateContent แบบข้อความ โค้ดและคำแนะนำเป็นคำตอบของโมเดล ส่วนการรันคำสั่งและทำงานกับข้อมูลภายนอกขึ้นอยู่กับความสามารถของแอปพลิเคชัน","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":"โมเดลข้อความ MoE ของ Reflection ที่มีบริบทขนาดใหญ่ สำหรับวิศวกรรมซอฟต์แวร์ การให้เหตุผลคณิตศาสตร์ และการวิเคราะห์โจทย์ตามลำดับ"}