Lumaktaw sa nilalaman
reflectionbeam

Paano gamitin

Paano gamitin ang Beam ngayon

Unti-unting inilalabas ang beta ng Beam. Narito ang lahat ng paraan para ma-access ito ngayon, gumaganang code para sa API na compatible sa OpenAI, at ang mga magbabago kapag inilabas na ang mga open weight.

Mga opsyon mo ngayon

Limitado

Beta API ng Reflection

Mag-sign up sa platform ng Reflection at sumali sa waitlist. Kapag na-enable na ang access mo, makakagawa ka na ng mga API key at makakatawag sa Beam gamit ang endpoint na compatible sa OpenAI.

Sumali sa waitlist
Limitado

Mirror CLI

Sariling coding agent ng Reflection para sa terminal, sa macOS (Apple Silicon) at Linux. Beam ang ginagamit nito bilang default at kailangan nito ang parehong API key.

Mabilisang pagsisimula sa Mirror
Limitado

Makipag-chat sa browser

Independenteng chat site ang BeamAI.chat na lilipat sa Beam sa sandaling maging available ito sa publiko. Hanggang sa panahong iyon, gumagamit ito ng katulad na open model at malinaw nitong sinasabi iyon.

Buksan ang BeamAI.chat
Hindi pa

I-download ang mga weight

Hindi pa posible. Nangako ang Reflection na ilalabas ang mga weight sa ilalim ng Apache 2.0 sa huling bahagi ng Oktubre 2026. Araw-araw naming sinusubaybayan ang release.

Tracker ng release

Mula sa wala hanggang sa unang request

  1. 01

    Sumali sa waitlist

    Gumawa ng account sa platform.reflection.ai. Kailangang maghintay ng mga bagong nag-sign up hanggang ma-enable ang access nila.

  2. 02

    Gumawa ng API key

    Sa platform, buksan ang API Keys at gumawa ng key. Itago ito sa environment variable na REFLECTION_API_KEY.

  3. 03

    Ituro ang client mo sa Reflection

    Gamitin ang base URL na https://api.reflection.ai/openai/v1 sa anumang OpenAI SDK, at ang model ID na Beam-501B-A23B.

  4. 04

    Magpadala ng chat completion

    Gamitin ang Chat Completions gaya ng dati. Opsyonal na itakda ang reasoning_effort para balansehin ang bilis at lalim.

Mga halimbawa ng code

Sinusunod ng endpoint ang format ng OpenAI Chat Completions, kaya gagana ang mga opisyal na OpenAI SDK kapag binago ang base URL at key.

Unang request

curl https://api.reflection.ai/openai/v1/chat/completions \
  -H "Authorization: Bearer $REFLECTION_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Beam-501B-A23B",
    "messages": [{"role": "user", "content": "Explain Mixture-of-Experts in two sentences."}],
    "reasoning_effort": "medium"
  }'

Streaming

stream = client.chat.completions.create(
    model="Beam-501B-A23B",
    messages=[{"role": "user", "content": "Write a haiku about sparse experts."}],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta
    # reasoning arrives first in delta.reasoning_content, then the answer in delta.content
    if delta.content:
        print(delta.content, end="", flush=True)

Mga variable ng environment

export REFLECTION_API_KEY="<your API key>"

# Tools that read the standard OpenAI variables and use Chat Completions
export OPENAI_BASE_URL="https://api.reflection.ai/openai/v1"
export OPENAI_API_KEY="$REFLECTION_API_KEY"

# Check which models your key can use
curl https://api.reflection.ai/openai/v1/models -H "Authorization: Bearer $REFLECTION_API_KEY"

Lalim ng pangangatwiran

Palaging nangangatuwiran ang Beam; walang paraan para i-off ito. Kinokontrol ng parameter na reasoning_effort kung gaano kalalim. medium ang default.

HalagaGawi
lowPinakakaunting pangangatwiran at pinakamababang latency. Para sa mga simpleng gawain.
mediumBalanse ng kalidad at latency. Ginagamit kapag hindi mo isinama ang parameter.
highMas malalim na pangangatwiran para sa mas mahihirap na problema.
xhighMas malalim na pangangatwiran kaysa sa high.
maxPinakamalalim na pangangatwiran para sa pinakamahihirap na problema.

Kasama sa max_completion_tokens at mga limitasyon sa rate ang mga reasoning token. Kung masyadong mababa ang limitasyon, maaaring maubusan ang modelo habang nangangatuwiran pa at magbalik ng walang laman na sagot na may finish_reason na "length". Hiwalay na ibinabalik ang text ng pangangatwiran sa reasoning_content.

Ano ang gumagana at hindi gumagana

Sinusuportahan

  • POST /chat/completions, GET /models, GET /models/{model}
  • Streaming, kasama ang paggamit sa huling chunk
  • Pagtawag sa mga tool gamit ang tool_choice at parallel_tool_calls
  • Mga structured output: json_object at json_schema
  • temperature, top_p, frequency_penalty, presence_penalty, max_completion_tokens, seed
  • Mga role na system, developer, user, assistant at tool

Hindi sinusuportahan

  • Mga API para sa Responses, Embeddings, Images, Audio, Files, Batch at Assistants
  • Mga input na larawan, audio o file: text lang ang Beam
  • n maliban sa 1, logprobs, logit_bias
  • Mga parameter gaya ng user, metadata, audio o prediction (nagbabalik ang mga ito ng error)
  • Tinatanggap ang mga stop sequence pero walang epekto ang mga ito

Mga limitasyon sa rate

Nalalapat ang mga limitasyon sa bawat organisasyon: sa mga request at token kada minuto at kada araw sa UTC, pati na rin sa limitasyon ng sabay-sabay na mga request. Kapag lumampas sa alinman sa mga ito, magbabalik ng HTTP 429 na may header na Retry-After. Nire-reset ang mga pang-araw-araw na limitasyon nang 00:00 UTC. Hindi pa inilalathala ng Reflection kung paano humiling ng mas matataas na limitasyon, at wala pang pampublikong listahan ng presyo para sa beta.

Mga coding agent

Kumokonekta ang Mirror CLI sa Beam gamit lang ang API key. Gumagana ang Pi, OpenCode at Hermes sa pamamagitan ng mga setting ng provider na compatible sa OpenAI: base URL https://api.reflection.ai/openai/v1, model Beam-501B-A23B, key mula sa REFLECTION_API_KEY. Hindi sinusuportahan ng Mirror ang native na Windows.

curl -fsSL https://raw.githubusercontent.com/reflection-oss/mirror-beta/main/install.sh | bash

cd your-project
mirror        # uses Reflection and Beam-501B-A23B by default

Pagpapatakbo ng Beam sa sarili mong sistema

Kapag inilabas ang mga weight, maaaring patakbuhin ang Beam gamit ang mga open-source engine; sinabi ng Reflection na gumagawa ito ng mga integration at naghahanap ng mga partner sa paglulunsad. Maglaan ng maraming memory: kailangang nasa GPU memory ang lahat ng 501 bilyong parameter kahit 23 bilyon lang ang aktibo sa bawat token. Katumbas iyon ng humigit-kumulang 1 TB sa BF16, 500 GB sa FP8 at 250 GB sa 4-bit, hindi pa kasama ang KV cache.

Mga pagtatantya sa memoryMga calculator para sa VRAM at gastos

Mga sanggunian