Reka Flash 3（210 亿参数推理模型）

是什么

Reka Flash 3 是一个拥有 210 亿参数的通用推理模型，并且是从零训练出来的，并非在已有的基础模型上改造而来 ^[1]。它的权重于 2025 年 3 月 11 日上传到 Hugging Face ^[1]，以 Apache 2.0 许可发布 ^[1]。所谓「推理模型」，指的是在给出最终答案之前先把中间步骤写出来的模型；Reka Flash 3 把这段思考包在 `<reasoning>` 标签里，因此读取输出的程序可以把推演过程和最终答案区分开 ^[1]。

怎么训练的

训练分两个阶段 ^[1]。第一阶段是监督微调（supervised fine-tuning），用的数据既有合成的，也有公开数据集 ^[1]。第二阶段使用 RLOO，这是一种强化学习方法：对同一个提示采样多个答案，比较它们的好坏，再把模型往更好的答案方向推；奖励信号有两类，一类由模型给出，一类由规则给出 ^[1]。所谓模型奖励，是让另一个模型来评判答案；规则奖励则是用程序检查某种机械条件，比如格式是否合规、可核对的答案是否正确 ^[1]。模型卡把这两类奖励都列为训练配方的一部分 ^[1]。

提示格式与思考块

模型使用 cl100k_base 分词器（tokenizer），没有额外添加任何特殊 token ^[1]。提示采用人类与助手对话的格式，两部分之间用 `<sep>` 分隔，生成时应当在遇到 `<sep>` 时停止 ^[1]。思考内容包在 `<reasoning>` 标签中 ^[1]。Reka 还介绍了一个「预算强制」的做法：可以在指定的步数之后结束思考块，模型依然能给出可用的答案 ^[1]。这相当于给运行模型的人一个旋钮，用来限制它必须在多长时间内作答，在答案需要控制时延或 token 开销时很有用 ^[1]。

封装与用途

权重以 Llama 兼容格式发布，现有的 Llama 工具链可以直接加载，不必另写加载器 ^[1]。这个模型也驱动着 Nexus，即该公司用于构建和管理 AI 工作单元的平台 ^[1]。在宽松许可下开放权重，意味着模型可以被下载、检查，并在使用者自己的硬件上运行，而不只限于通过接口调用。

局限

模型卡称 Reka Flash 3 是一个纯英文模型，并指出即使提示使用其他语言，它也常常用英文思考 ^[1]。对于知识密集型任务，Reka 建议把它和网页搜索配合使用，而不要只依赖模型在训练中记住的内容 ^[1]。

在发展中的位置

Reka 表示它的表现与 OpenAI 的 o1-mini 相当 ^[1]，这一比较把它放在较小的推理模型之列，而不是最大的一档。它的特点在于三点结合：从零训练、以 Apache 2.0 开放权重、以及能直接接入围绕 Llama 权重搭建的工具链 ^[1]。对于想直接研究或在此基础上开发推理模型的人——阅读它的思考轨迹、控制思考长度、或者把它跑在本地——正是这些选择让这次发布有了用处。