Reka AI

Reka 是什么

Reka AI 在自己的网站上把自己描述为一家为「物理 AI 时代」构建模型与基础设施的 AI 研究实验室^[1]。它公开的方向是全能模型（omni model）：用同一套架构原生地处理和生成各种类型的数据，并且实时运行^[1]。从 2025 年和 2026 年公布的两个模型，可以看出这条路线目前走到了哪一步——一个是 2025 年 3 月发布的、从零训练的推理模型，另一个是 2026 年 3 月发布的、面向设备端而不是云端推理的小型视觉语言模型（vision-language model）。

reka-flash-3：从零训练的推理模型

2025 年 3 月 11 日，Reka 发布了 reka-flash-3，一个 210 亿参数的推理模型^[3]。它是从零开始训练的，而不是在已有基础模型上做微调，并以 Apache 2.0 许可发布^[3]。Reka 表示，它的表现与 OpenAI 的 o1-mini 相当^[3]。同一个模型还被描述为驱动 Nexus 的引擎，而 Nexus 是 Reka 用来构建和管理 AI 员工的平台^[3]。这个参数规模的推理模型可以同时服务大量用户，这与一个把推理能力当作产品来卖的平台是相配的。

Reka Edge：把感知放到设备端

2026 年 3 月 11 日，Reka 公布了 Reka Edge，把它定位在边缘侧的物理 AI，而不是云端推理^[2]。这是一个 70 亿参数的视觉语言模型，输入图像、视频和文本，输出文本^[2]。

它的架构把工作分成两部分：视觉编码器是 6.57 亿参数的 ConvNeXt V2，与之搭配的是一个从零训练的 64 亿参数 transformer^[2]。也就是说，绝大部分参数预算落在 transformer 一侧，而负责把像素变成特征的那部分相对很小——当模型要装进摄像头旁边的设备内存里时，这种分配方式很关键。

在速度上，Reka 报告 Reka Edge 每秒处理 5.46 张图像，是 Cosmos Reason2 8B 和 Qwen3.5 9B 的两倍以上^[2]。对一个要读视频流的模型来说，每秒帧数是一道实际的限制：跟不上摄像头的系统只能丢帧或者持续落后，所以这个数字会和模型的规模、架构一起被拿出来讲。

Reka Edge 的权重是公开的，许可允许年营收低于 100 万美元的商业使用^[4]。这样的安排让小型团队和研究者能直接上手，而更大规模的部署则另议。

Reka 为这个模型点名的目标场景包括机器人、无人机、汽车、智能眼镜和媒体打标^[2]。这些场景的共同点是：摄像头和模型处在同一个地方，把每一帧都发到数据中心既会增加延迟，也会在网络不通时直接失效。

在一条什么样的路线上的位置

两个发布显示出同一家实验室在优化对象上的变化。reka-flash-3 是推理模型，任务是把问题想清楚，它的落脚点是那个管理 AI 员工的平台^[3]；Reka Edge 是感知模型，任务是持续看世界并快速作答，而且要在不是数据中心的硬件上完成^[2]。Reka 自己的说法把两者放在一起：用一套架构处理和生成各种数据、并实时运行的全能模型^[1]。这个目标比已经公布的两个模型都要宽，这两个模型是目前能看到的组成部分。尤其是 Reka Edge，它用一个又小又快的视觉部分，加上一个允许外部团队在自己硬件上试用的开放许可，把「边缘」这件事落到了具体处^[2][4]。