Reflection: Beam 1.0 501B A23B

Reflectie: Beam 1.0 501B A23B is een tekstmodel van Reflection. Het is een open-weight reasoning-model gebouwd voor codering en langdurige agentische workflows, en het gebruikt een sparse mixture-of-experts-architectuur met 501B totale parameters en 23B actieve parameters per token. De aanbieder bracht het uit op 2026-10-16, en de kennisafsluitdatum is 2026-06-30.

Het model neemt tekst als invoer en geeft tekst als uitvoer. Het contextvenster is 1.048.576 tokens, en de maximale uitvoer is 943.718 tokens, dus het kan zeer grote invoeren bevatten en zeer lange antwoorden produceren in een enkele aanvraag. Redeneren maakt deel uit van het ontwerp van het model: de ondersteunde parameters omvatten reasoning, reasoning_effort en include_reasoning, waarmee u kunt bepalen of redenering wordt teruggegeven en hoeveel inspanning ervoor wordt geleverd. Het ondersteunt ook toolgebruik via tools en tool_choice, en gestructureerde uitvoer via response_format en structured_outputs.

Die mogelijkheden wijzen op een paar praktische toepassingen. Langdurige agentische workflows passen bij de grote context en toolondersteuning, omdat een agent een lange geschiedenis van stappen kan bijhouden en tools kan aanroepen over vele beurten. Coderingstaken passen bij de focus op redeneren, of dat nu betekent dat u een grote codebase in context doorwerkt of code genereert en herziet over lange uitvoeren. De parameters voor gestructureerde uitvoer en tools passen ook bij pijplijnen die machineleesbare antwoorden of georkestreerde aanroepen naar externe functies nodig hebben. Omdat het contextvenster groot is, zijn taken zoals het samenvatten of bevragen van lange documenten haalbaar zonder opdelen, en het hoge uitvoerplafond helpt wanneer een enkel antwoord uitgebreid moet zijn.

U roept het model aan via de OpenAI-compatibele API van api14 met het model-id "reflection/beam-1.0-501b-a23b". De aanvraagparameters die het ondersteunt zijn 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 en top_p. Steekproefneming kan worden afgestemd met temperature, top_p, top_k en min_p, terwijl penalties, seeds, stopreeksen en opties voor logwaarschijnlijkheid reproduceerbaarheid en vormgeving van de uitvoer dekken.

Het is een tekst-only model, dus het accepteert geen beeld- of audio-invoer, en de uitvoer is alleen tekst. Als uw taak afhangt van een andere modaliteit, zou een ander model beter passen. De kennisafsluitdatum van 2026-06-30 betekent ook dat alles na die datum buiten zijn trainingsgegevens valt, dus voor zeer recente informatie zou u die in de prompt moeten opnemen of tools moeten gebruiken.