Reflection: Beam 1.0 501B A23B

Reflexão: Beam 1.0 501B A23B é um modelo de texto da Reflection. É um modelo de raciocínio de pesos abertos, criado para programação e fluxos de trabalho agênticos de longo horizonte, e usa uma arquitetura esparsa de mistura de especialistas com 501B parâmetros totais e 23B parâmetros ativos por token. O fornecedor lançou-o em 2026-10-16, e o seu limite de conhecimento é 2026-06-30.

O modelo recebe texto e devolve texto. A sua janela de contexto é 1.048.576 tokens, e a saída máxima é 943.718 tokens, pelo que consegue comportar entradas muito grandes e produzir respostas muito longas num único pedido. O raciocínio faz parte do design do modelo: os parâmetros suportados incluem reasoning, reasoning_effort e include_reasoning, que permitem controlar se o raciocínio é devolvido e quanto esforço é gasto nele. Também suporta uso de ferramentas através de tools e tool_choice, e saídas estruturadas através de response_format e structured_outputs.

Estas capacidades apontam para alguns usos práticos. Fluxos de trabalho agênticos de longo horizonte encaixam no contexto grande e no suporte a ferramentas, uma vez que um agente pode transportar um longo histórico de passos e chamar ferramentas ao longo de muitos turnos. Tarefas de programação encaixam no foco em raciocínio, quer isso signifique trabalhar sobre uma base de código grande em contexto ou gerar e rever código ao longo de saídas longas. Os parâmetros de saída estruturada e de ferramentas também servem pipelines que precisam de respostas legíveis por máquina ou de chamadas orquestradas a funções externas. Como a janela de contexto é grande, tarefas como resumir ou consultar documentos longos são viáveis sem fragmentação, e o teto de saída elevado ajuda quando uma única resposta tem de ser extensa.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "reflection/beam-1.0-501b-a23b". Os parâmetros de pedido que suporta são 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 e top_p. A amostragem pode ser ajustada com temperature, top_p, top_k e min_p, enquanto penalizações, seeds, sequências de paragem e opções de probabilidade logarítmica cobrem a reprodutibilidade e a modelação da saída.

É um modelo apenas de texto, pelo que não aceita entrada de imagem ou áudio, e a sua saída é apenas texto. Se a sua tarefa depende de outra modalidade, um modelo diferente seria mais adequado. O limite de conhecimento de 2026-06-30 também significa que tudo após essa data está fora dos seus dados de treino, pelo que para informação muito recente teria de a fornecer no prompt ou usar ferramentas.