Mga tool para sa developer

Bumuo gamit ang Reflection Beam

Magplano ng mga GPU para sa self-hosting, magtantya ng mga token at gastos, bumuo ng gumaganang API code, at mag-set up ng coding agent mo. Nakabatay ang bawat numero sa dokumentasyon mismo ng Reflection.

Magsimula sa generator ng code Planner ng GPU memory

Model ID: Beam-501B-A23B
Base URL: https://api.reflection.ai/openai/v1
Mga parameter: 501B sa kabuuan, 23B aktibo
Context window: 262,144 token
Pinakamataas na output: 131,072 token
Antas ng reasoning: low · medium · high · xhigh · max

Mga tool

01 / vram

Planner ng GPU memory

Alamin kung gaano karaming VRAM ang kailangan ng Beam sa bawat precision at haba ng context, at kung ilang GPU ang kailangan.

02 / cost

Calculator ng token at gastos

Tantiyahin ang mga token kada request kasama ang reasoning, ang pang-araw-araw na volume kaugnay ng mga limitasyon sa rate, at ang gastos sa sariling hosting.

03 / code

Tagabuo ng code para sa API

Handang gamitin na curl, Python, at TypeScript para sa streaming, mga tool call, JSON output, at mga multi-turn na chat.

04 / agents

Mga config ng coding agent

Handang kopyahing setup para sa Mirror CLI, Pi, OpenCode, at Hermes Agent gamit ang Beam.

Ang una mong request sa loob ng 30 segundo

Sinusunod ng API ang OpenAI Chat Completions, kaya gagana ang mga opisyal na OpenAI SDK kapag pinalitan mo ang base URL at key.

bash

pip install openai
export REFLECTION_API_KEY="<your API key>"

python

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.reflection.ai/openai/v1",
    api_key=os.environ["REFLECTION_API_KEY"],
)

messages = [
    {"role": "user", "content": "Explain the difference between a process and a thread in three sentences."},
]

completion = client.chat.completions.create(
    model="Beam-501B-A23B",
    messages=messages,
    reasoning_effort="medium",
)

message = completion.choices[0].message
print("Reasoning:", getattr(message, "reasoning_content", None))
print(message.content)

Anim na bagay na madalas magdulot ng problema

Hindi maaaring i-off ang reasoning

Palaging nagsasagawa ng reasoning ang Beam. Tinutukoy ng reasoning_effort ang antas nito, mula low hanggang max, at medium ang default. Nagbabalik ng 400 error ang mga value tulad ng none o minimal.

Ipadala muli ang reasoning

Sa mga multi-turn na chat at tool call, ibalik ang bawat naunang mensahe ng assistant kasama ang reasoning_content nito. Kung hindi, magbabalik ang API ng 400 missing_required_parameter.

Nakakabawas sa token budget mo ang reasoning

Kasama sa max_completion_tokens ang mga reasoning token. Kung masyadong mababa ang itinakda mo, makakakuha ka ng finish_reason "length" at walang laman na sagot.

Text lang, Chat Completions lang

Walang input na larawan, audio, o file, at walang Responses, Embeddings, o Batch API. Kailangang gumamit ang mga agent ng provider na tugma sa OpenAI Chat Completions.

May mga parameter na walang epekto

Tinatanggap ang stop pero hindi ito pinapansin; dapat 1 ang n; hindi sinusuportahan ang logprobs at logit_bias; nagbabalik ng error ang user at metadata.

Ang 429 ay nangangahulugang maghintay, hindi agad sumubok muli

Nalalapat ang mga limitasyon kada organisasyon, kada minuto at kada araw ng UTC. Sundin ang Retry-After; nangangahulugang ubos na ang pang-araw-araw na budget ang x-should-retry: false hanggang 00:00 UTC.

Higit pa tungkol sa Beam

reflectionbeam.com

Makikita sa ReflectionBeam.com ang mga benchmark, detalye, paghahambing at balita tungkol sa mga release.

beamai.chat

Gusto mo munang sumubok ng chat? Libre ang BeamAI.chat at lilipat ito sa Beam kapag inilabas na ito sa publiko.

Mga FAQ

Maaari ko bang i-download ang mga weight ng Beam?

Hindi pa. Nangako ang Reflection na ilalabas ang mga open weight sa ilalim ng Apache 2.0 sa bandang huling bahagi ng Oktubre 2026. Hanggang noon, sa beta API na may waitlist lang magagamit ang Beam.

Gaano karaming hardware ang kailangan para sa self-hosting?

Kailangang magkasya sa memorya ang lahat ng 501 bilyong parameter: humigit-kumulang 1 TB sa BF16, humigit-kumulang 500 GB sa FP8 at humigit-kumulang 250 GB sa 4-bit, bukod pa sa KV cache. Kailangan dito ng multi-GPU server; gamitin ang memory planner para sa iyong setup.

Compatible ba ang API sa OpenAI SDK?

Oo, para sa Chat Completions at Models. Ituro ang SDK sa https://api.reflection.ai/openai/v1 at gamitin ang model ID na Beam-501B-A23B. Gumagana ang streaming, tool calling at mga output na JSON schema.

Magkano ang halaga ng API?

Hindi pa naglalathala ang Reflection ng mga presyo para sa beta. Maaari kang maglagay ng sarili mong presyo sa cost calculator, na magpapakita kung paano nakaaapekto sa kabuuan ang mga reasoning token.

Ang mga pangunahing kaalaman