Введение
Beam 1.0 от Reflection подходит для программирования и длительных процессов с инструментами. Этот API чата принимает текст, предоставляет входной бюджет 1,048,576 токенов и принимает max_tokens до 943,718. Доступны потоковые ответы и вызовы функций.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Текст |
| Входной бюджет | 1,048,576 tokens |
| Предел max_tokens | 943,718 |
| Входные данные | текст |
Ключевые возможности и особенности
Открытые веса, доступные через API
Веса Beam опубликованы, поэтому модель, которую вы вызываете здесь, при необходимости вы можете и сами запустить или дообучить. Reflection AI описывает её как открытую модель для коммерческого и исследовательского использования. Этот эндпоинт — быстрый путь: не нужно подготавливать GPU, оплата идёт за токены, а запрос chat completions остаётся тем же, который вы уже пишете.
Создана для реальных репозиториев
Карточка модели Reflection AI делает упор на решение реальных GitHub-задач, работу в командной строке и DevOps-окружениях, а также на интеграцию с агентными харнессами для кода. Публикуются результаты: 81.6% на SWE-Bench Verified и 80.1% на Terminal Bench v2.1. Это цифры самого разработчика в его собственной конфигурации, поэтому воспринимайте их как повод проверить модель на своём репозитории, а не как гарантию.
Вызовы инструментов и длительные задачи
Модель возвращает вызовы функций, которые ваше приложение проверяет и выполняет, а затем продолжает работу с учётом сообщений инструментов, которые вы ей возвращаете. Здесь tool_choice принимает строку или объект, а parallel_tool_calls включён по умолчанию. Reflection AI подчёркивает использование инструментов в стиле MCP и многошаговые задачи, что подходит агентным циклам: чтение файлов, запуск тестов и итерации.
Меньше токенов рассуждений по замыслу
Reflection AI утверждает, что Beam достигает сопоставимого качества решений примерно при втрое меньшем числе токенов рассуждений, чем ведущие открытые модели. Если это подтвердится на вашей нагрузке, это сразу скажется на стоимости вывода, поскольку рассуждения тарифицируются как выходные токены. Это заявление разработчика: измеряйте число токенов на своих промптах при уровнях medium и high.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
messages | Да | Для операции «длительные сеансы программирования с Beam 1.0» передавайте диалог и источники текстом по порядку, связывая каждый ответ инструмента с исходным |
max_tokens | Нет | В |
reasoning_effort | Нет | В Beam 1.0 доступны low, medium, high, xhigh, max, по умолчанию medium; сравнивайте уровни для операции «длительные сеансы программирования с Beam 1.0», поскольку более глубокое… |
stop | Нет | Остановите текст Beam 1.0 по одной последовательности или любой из максимум четырёх; сама найденная последовательность в ответ не входит. Не менее 1 символов · Не менее 1 элементов · Не более 4 элементов |
temperature | Нет | Beam 1.0 принимает temperature от 0 до 2; сравнивая формулировки для операции «длительные сеансы программирования с Beam 1.0», сохраняйте остальные настройки выборки. |
top_p | Нет | Используйте |
tools | Нет | Передайте Beam 1.0 определения функций в формате OpenAI для операции «длительные сеансы программирования с Beam 1.0»; модель предлагает аргументы, а приложение проверяет их и вы… Не более 128 элементов |
parallel_tool_calls | Нет | Разрешите Beam 1.0 предлагать независимые вызовы вместе, если операция «длительные сеансы программирования с Beam 1.0» требует нескольких внешних результатов. По умолчанию: |
tool_choice | Нет | Выберите auto, none, required или конкретную функцию для Beam 1.0 и сохраните полученный ID вызова, продолжая операцию «длительные сеансы программирования с Beam 1.0». |
response_format | Нет | Запросите у Beam 1.0 текст или структурированный JSON и проверьте поля для операции «длительные сеансы программирования с Beam 1.0» до их использования приложением. |
Стоимость
Ввод $1 / Вывод $3 за 1 млн токенов
Сценарии использования
Закрыть задачу в рамках всего репозитория
Передайте модели текст задачи, соответствующие файлы и вывод упавшего теста, и попросите минимальный патч вместе с командой, которая доказывает его работоспособность. Окно в 1,048,576 токенов позволяет включать целые модули, а не фрагменты. Перед слиянием просмотрите diff и запустите тесты сами.
Агентные циклы в терминале
Подключите модель к инструментам оболочки, файлов и тестов и дайте ей итерировать: проверить, изменить, запустить, прочитать вывод. Храните историю в списке сообщений, ограничивайте число ходов и журналируйте каждый вызов инструмента, чтобы при сбое можно было воспроизвести запуск.
Пакетная работа с кодом с учётом стоимости
Для массовых задач — добавления аннотаций типов, написания тестов для множества модулей или миграции устаревшего API — полезна модель, которая тратит меньше токенов рассуждений. Начните с уровня low или medium, вручную проверьте несколько результатов и повышайте настройку только для случаев, где модель ошибается.
Наборы задач на рассуждения и математику
Reflection AI публикует результаты по AIME 2026 и GPQA Diamond, поэтому модель — разумный кандидат для задач со структурированными рассуждениями. Запрашивайте ответ и ключевые шаги отдельно, а при дорогой ошибке проверяйте итоговые числа кодом.
Руководство по промптам и практические советы
Отправьте чат-запрос
Используйте эндпоинт chat completions с именем модели и массивом messages из обычного текста. Модель работает только с текстом, поэтому заранее преобразуйте изображения или документы в текст. Если ожидаете длинные ответы, установите stream в true.
Выберите уровень рассуждений и ограничение
max_tokensУровень по умолчанию — medium. Переходите на high и выше для сложных многошаговых ошибок и на low для рутинных правок. Рассуждения учитываются в
max_tokens, поэтому оставляйте запас: иначе ограничение может оборвать ответ до видимой части.Определите инструменты и верните результаты
Передавайте инструменты в формате JSON Schema, позвольте модели выбирать и отвечайте на каждый вызов инструмента сообщением с тем же
tool_call_id. Сохраняйтеreasoning_contentиз предыдущих ходов ассистента в истории, когда продолжаете диалог с инструментами.Сравните с текущей моделью
Прогоните одни и те же десять реальных задач через Beam и через текущую модель, затем сравните долю успешных решений, число выходных токенов и задержку. Оценка на этой странице показывает стоимость одного запроса, так что разницу можно посчитать до переноса трафика.
Работа с репозиторием через Beam
Передайте Beam 1.0 описание ошибки, нужные модули и вывод падающего теста вместе. Текстовый бюджет в 1 048 576 токенов позволяет приложить окружающую реализацию, а не только стек ошибки.
Продолжайте сеанс агента
Начните с medium. Сохраняйте предыдущие вызовы функций, их tool_call_id и reasoning_content в истории. Операции с файлами и тесты выполняет приложение, возвращая реальный вывод; название репозитория само по себе не даёт Beam доступа к коду.
Проверяйте полный патч
Запросите изменённый код и команду проверки. Включайте рассуждения в max_tokens, проверяйте причину завершения и запускайте тесты перед слиянием. Бенчмарки Reflection получены в её собственных условиях; пригодность патча проверяется на вашем репозитории.
В операции «длительные сеансы программирования с Beam 1.0» действуют собственные решения Beam 1.0 о содержимом; ответы NSFW могут меняться с запросом или версией, без обещания неограниченного вывода.
Быстрый старт API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "reflection/beam-1.0/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.