Reflection: Beam 1.0 501B A23B

Reflection: Beam 1.0 501B A23B adalah model teks dari Reflection. Ini adalah model penalaran dengan bobot terbuka yang dibangun untuk pengkodean dan alur kerja agentik berhorizon panjang, dan menggunakan arsitektur sparse mixture-of-experts dengan total 501B parameter dan 23B parameter aktif per token. Penyedia merilisnya pada 2026-10-16, dan knowledge cutoff-nya adalah 2026-06-30.

Model ini menerima teks sebagai masukan dan mengembalikan teks sebagai keluaran. Context window-nya adalah 1.048.576 token, dan keluaran maksimumnya adalah 943.718 token, sehingga dapat menampung masukan yang sangat besar dan menghasilkan respons yang sangat panjang dalam satu permintaan. Penalaran adalah bagian dari desain model: parameter yang didukung mencakup reasoning, reasoning_effort, dan include_reasoning, yang memungkinkan Anda mengontrol apakah penalaran dikembalikan dan seberapa besar upaya yang dikeluarkan untuknya. Model ini juga mendukung penggunaan alat melalui tools dan tool_choice, serta keluaran terstruktur melalui response_format dan structured_outputs.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Alur kerja agentik berhorizon panjang cocok dengan konteks besar dan dukungan alat, karena agen dapat membawa riwayat langkah yang panjang dan memanggil alat di banyak giliran. Tugas pengkodean cocok dengan fokus penalaran, baik itu berarti mengerjakan basis kode besar dalam konteks maupun menghasilkan dan merevisi kode melalui keluaran yang panjang. Parameter keluaran terstruktur dan alat juga cocok untuk pipeline yang membutuhkan respons yang dapat dibaca mesin atau panggilan terorkestrasi ke fungsi eksternal. Karena context window-nya besar, tugas seperti meringkas atau menanyakan dokumen panjang dapat dilakukan tanpa chunking, dan batas keluaran yang tinggi membantu ketika satu jawaban harus sangat luas.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "reflection/beam-1.0-501b-a23b". Parameter permintaan yang didukungnya adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, dan top_p. Sampling dapat disetel dengan temperature, top_p, top_k, dan min_p, sementara penalti, seed, urutan stop, dan opsi log probability mencakup reproduksibilitas dan pembentukan keluaran.

Ini adalah model khusus teks, sehingga tidak menerima masukan gambar atau audio, dan keluarannya hanya teks. Jika tugas Anda bergantung pada modalitas lain, model yang berbeda akan lebih cocok. Knowledge cutoff 2026-06-30 juga berarti apa pun setelah tanggal itu berada di luar data pelatihannya, jadi untuk informasi yang sangat baru Anda perlu menyediakannya dalam prompt atau menggunakan alat.