Source: https://ailoot.ai/models/th/reflection-beam-1-0-501b-a23b/ Canonical: https://ailoot.ai/models/th/reflection-beam-1-0-501b-a23b/ Language: th # Reflection: Beam 1.0 501B A23B [Markdown](https://ailoot.ai/models/th/reflection-beam-1-0-501b-a23b/index.md) · [JSON](https://ailoot.ai/models/th/reflection-beam-1-0-501b-a23b/facts.json) ## [Reflection: Beam 1.0 501B A23B](https://ailoot.ai/models/th/reflection-beam-1-0-501b-a23b/) `reflection/beam-1.0-501b-a23b` Reflectionข้อความขาเข้า US$0.0005 / 1Kขาออก US$0.002 / 1K โมเดลข้อความ 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 ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.0005 */ 1K* ขาออก US$0.002 */ 1K* การอ่านแคช US$0.0001 */ 1K* ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.0005 */ 1K* ขาออก US$0.002 */ 1K* การอ่านแคช US$0.0001 */ 1K* ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.0005 */ 1K* ขาออก US$0.002 */ 1K* การอ่านแคช US$0.0001 */ 1K* 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"} ``` ## คำถาม จะเลือกโมเดลสำหรับงานของฉันได้อย่างไร? เริ่มจากระบุอินพุตและเอาต์พุตที่ต้องการ ได้แก่ ข้อความ รูปภาพ เสียง หรือวิดีโอ จากนั้นเปรียบเทียบวิธี API ที่เข้ากันได้ ID โมเดลที่แน่นอนหรือโมเดลที่นามแฝงชี้ไปในปัจจุบัน ราคาและหน่วยคิดค่าบริการ โดย GET /v1/models ใช้งานฟรีและแสดงโมเดลที่คีย์ของคุณเข้าถึงได้ ทุกโมเดลรองรับวิธี API และประเภทสื่อทั้งหมดหรือไม่? ใช้วิธี API และประเภทอินพุตและเอาต์พุตที่ระบุในหน้าข้อมูลโมเดล การรองรับข้อความ รูปภาพ เสียง หรือวิดีโอขึ้นอยู่กับโมเดลและวิธีที่เลือก ตรวจสอบตัวอย่างคำขอที่เกี่ยวข้องก่อนส่งข้อมูล ID โมเดลต่างจากนามแฝงอย่างไร? ID ที่แน่นอนระบุโมเดลเฉพาะ นามแฝงชี้ไปยังโมเดลหนึ่งและโมเดลปลายทางอาจเปลี่ยนได้ ตรวจสอบโมเดลที่นามแฝงชี้ไปในปัจจุบันในแค็ตตาล็อก และใช้ ID ที่แน่นอนเมื่อการเชื่อมต่อต้องใช้โมเดลเฉพาะ จะเปรียบเทียบราคาก่อนส่งคำขอได้อย่างไร? ตรวจสอบราคาและหน่วยคิดค่าบริการของวิธี API ที่เลือกในหน้าข้อมูลโมเดล เปรียบเทียบด้วยหน่วยและประเภทอินพุตและเอาต์พุตเดียวกัน ประวัติคำขอจะแสดงการใช้งานจริงและยอดเงินที่หัก สมาชิกให้อะไร? ส่วนลดซื้อโทเคนสำหรับงานประจำ เลือกแพ็กเกจตามปริมาณคำขอ เงื่อนไขและราคาสมาชิกแสดงตอนสมัคร ใช้โค้ดส่วนลดสูงสุด 50% อย่างไร? ใส่โค้ดเมื่อซื้อโทเคน ยอดรวมคำนวณตามโปรโมชั่น และเห็นส่วนลดก่อนจ่าย ## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน. Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ