Source: https://ailoot.ai/models/zh-hant-tw/reflection-beam-1-0-501b-a23b/ Canonical: https://ailoot.ai/models/zh-hant-tw/reflection-beam-1-0-501b-a23b/ Language: zh-hant-tw # Reflection: Beam 1.0 501B A23B [Markdown](https://ailoot.ai/models/zh-hant-tw/reflection-beam-1-0-501b-a23b/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/reflection-beam-1-0-501b-a23b/facts.json) ## [Reflection: Beam 1.0 501B A23B](https://ailoot.ai/models/zh-hant-tw/reflection-beam-1-0-501b-a23b/) `reflection/beam-1.0-501b-a23b` Reflection文字輸入 US$0.0005 / 1K輸出 US$0.002 / 1K Reflection 的大型上下文文字 MoE 模型，用於軟體工程、數學推理與逐步分析問題。 ### Reflection 的 Beam 1.0 Beam 1.0 501B A23B 是 Reflection 用於程式設計、推理及多個相關步驟任務的文字模型。其稀疏 MoE 架構總計含 5013 億參數，每個 token 啟用約 234 億參數。模型主要針對英語開發，選擇原始碼、技術資料及詳細指示的語言時，可將此點納入考量。 架構結合局部與全域注意力，模型訓練包含原始碼、技術文件、科學及教學資料。另有訓練階段透過結構化儲存庫、長任務及大型文件培養長上下文能力。強化學習時，開發商結合了程式設計、終端機操作及 STEM 任務。 ### 模型著重哪些工作 Reflection 強調軟體工程、數學與科學推理，以及連續解題。這些方向可用於有內容的文字對話：解釋程式元件間的關係、分析邏輯錯誤、提出演算法修改、規劃假設驗證，或整理技術資料摘要。 Beam 也特別著重節省推理 token。訓練會獎勵在減少多餘 token 的情況下成功解題。這描述的是開發商的方法；具體請求仍宜明確指定答案長度，例如簡短結論、詳細證明，或附說明的修補內容。 ### Ailoot 的大型文字上下文 此連線的上下文視窗為 1,048,576 個 token，包含提供資料、指示、歷史與生成中的答案。模型中繼資料標示的答案容量最多為 131,072 個 token。這個容量可傳入數份相關文字：規格、實作片段、驗證結果與相關問題。請為資料命名，並要求標示每項結論依據哪個片段，方便核對大型分析。 例如，程式碼工作可先要求依傳入檔案建立相依關係圖，再指出修改位置，最後準備實作。科學問題則可提供初始條件、符號定義及所需嚴謹程度。這些請求安排能讓實用結果與原始資料逐一比對。 此連線透過 Messages、Responses、Chat Completions 及文字 generateContent 接受文字並傳回文字。程式碼與建議以模型答案形式提供；命令執行及外部資料處理由應用程式能力決定。 ### 可透過 Ailoot API 使用 輸入 `text` 輸出 `text` 上下文 型錄未列明 最大回應 型錄未列明 輸入 US$0.0005 */ 1K* 輸出 US$0.002 */ 1K* 讀取快取 US$0.0001 */ 1K* 輸入 `text` 輸出 `text` 上下文 型錄未列明 最大回應 型錄未列明 輸入 US$0.0005 */ 1K* 輸出 US$0.002 */ 1K* 讀取快取 US$0.0001 */ 1K* 輸入 `text` 輸出 `text` 上下文 型錄未列明 最大回應 型錄未列明 輸入 US$0.0005 */ 1K* 輸出 US$0.002 */ 1K* 讀取快取 US$0.0001 */ 1K* 輸入 `text` 輸出 `text` 上下文 型錄未列明 最大回應 型錄未列明 輸入 US$0.0005 */ 1K* 輸出 US$0.002 */ 1K* 讀取快取 US$0.0001 */ 1K* `reflection/beam-1.0-501b-a23b` · JSON ``` {"about":"### Reflection 的 Beam 1.0\n\nBeam 1.0 501B A23B 是 Reflection 用於程式設計、推理及多個相關步驟任務的文字模型。其稀疏 MoE 架構總計含 5013 億參數，每個 token 啟用約 234 億參數。模型主要針對英語開發，選擇原始碼、技術資料及詳細指示的語言時，可將此點納入考量。\n\n架構結合局部與全域注意力，模型訓練包含原始碼、技術文件、科學及教學資料。另有訓練階段透過結構化儲存庫、長任務及大型文件培養長上下文能力。強化學習時，開發商結合了程式設計、終端機操作及 STEM 任務。\n\n### 模型著重哪些工作\n\nReflection 強調軟體工程、數學與科學推理，以及連續解題。這些方向可用於有內容的文字對話：解釋程式元件間的關係、分析邏輯錯誤、提出演算法修改、規劃假設驗證，或整理技術資料摘要。\n\nBeam 也特別著重節省推理 token。訓練會獎勵在減少多餘 token 的情況下成功解題。這描述的是開發商的方法；具體請求仍宜明確指定答案長度，例如簡短結論、詳細證明，或附說明的修補內容。\n\n### Ailoot 的大型文字上下文\n\n此連線的上下文視窗為 1,048,576 個 token，包含提供資料、指示、歷史與生成中的答案。模型中繼資料標示的答案容量最多為 131,072 個 token。這個容量可傳入數份相關文字：規格、實作片段、驗證結果與相關問題。請為資料命名，並要求標示每項結論依據哪個片段，方便核對大型分析。\n\n例如，程式碼工作可先要求依傳入檔案建立相依關係圖，再指出修改位置，最後準備實作。科學問題則可提供初始條件、符號定義及所需嚴謹程度。這些請求安排能讓實用結果與原始資料逐一比對。\n\n此連線透過 Messages、Responses、Chat Completions 及文字 generateContent 接受文字並傳回文字。程式碼與建議以模型答案形式提供；命令執行及外部資料處理由應用程式能力決定。","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":"Reflection 的大型上下文文字 MoE 模型，用於軟體工程、數學推理與逐步分析問題。"} ``` ## 常見問題 如何為任務選擇模型？ 先確定需要的輸入與輸出：文字、圖片、音訊或影片，再比較相容的 API 方法、確切的模型 ID 或別名目前指向的模型、價格與計費單位。免費的 GET /v1/models 會列出金鑰可存取的模型。 每個模型都支援所有 API 方法與媒體類型嗎？ 請使用模型卡片列出的 API 方法與輸入、輸出類型。文字、圖片、音訊或影片的支援情況取決於所選模型及方法；傳送資料前請查看對應的請求範例。 模型 ID 與別名有何不同？ 確切的 ID 代表特定模型。別名會指向某個模型，而指向的模型可能變更。請在目錄中查看別名目前指向的模型；整合需要特定模型時，請使用確切的 ID。 傳送請求前如何比較價格？ 在模型卡片中查看所選 API 方法的價格與計費單位。請以相同單位及輸入、輸出類型比較；請求紀錄會顯示實際用量與扣款金額。 訂閱提供什麼？ 持續工作可優惠購買 token。按請求量選方案，訂閱條件與費用在申購時顯示。 如何使用最高 50% 折扣碼？ 購買 token 時輸入折扣碼，總額依活動條件重算，付款前即可看到優惠。 ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。