Reka Flash 3 TPS kalkulátor

Otevřít váhy Reka AI 21B parametry March 2025

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

241 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 7120P

16 GB · Q4_K_M · 10.7 tok/s

Nejrychlejší karta

B200

161 tok/s · 180 GB

Které GPU mohou spustit Reka Flash 3?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

241 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
161 tok/s 97–258 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	23.2 GB	Q8_0	Pohodlný
161 tok/s 97–258 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	23.2 GB	Q8_0	Pohodlný
129 tok/s 77–206 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	23.2 GB	Q8_0	Pohodlný
129 tok/s 77–206 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	23.2 GB	Q8_0	Pohodlný
103 tok/s 62–165 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	23.2 GB	Q8_0	Pohodlný
98.6 tok/s 59–158 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	23.2 GB	Q8_0	Pohodlný
98.6 tok/s 59–158 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	23.2 GB	Q8_0	Pohodlný
94.4 tok/s 57–151 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	23.2 GB	Q8_0	Pohodlný
83.8 tok/s 50–134 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	23.2 GB	Q8_0	Pohodlný
83.8 tok/s 50–134 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	23.2 GB	Q8_0	Pohodlný
83.8 tok/s 50–134 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	23.2 GB	Q8_0	Pohodlný
79.5 tok/s 48–127 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	23.2 GB	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	23.2 GB	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	23.2 GB	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	23.2 GB	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	23.2 GB	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	23.2 GB	Q8_0	Pohodlný
52.6 tok/s 32–84 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.4 GB	Q4_K_M	Těsný
51.6 tok/s 31–83 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	23.2 GB	Q8_0	Pohodlný
51.6 tok/s 31–83 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	23.2 GB	Q8_0	Pohodlný
44.7 tok/s 27–72 · nízká důvěra	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.4 GB	Q4_K_M	Těsný
43.0 tok/s 26–69 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	23.2 GB	Q8_0	Pohodlný
42.1 tok/s 25–67 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	23.2 GB	Q8_0	Pohodlný
41.8 tok/s 25–67 · nízká důvěra	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.4 GB	Q4_K_M	Těsný
41.8 tok/s 25–67 · nízká důvěra	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.4 GB	Q4_K_M	Těsný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Reka AI
Typ organizace: Industry
Země: United States of America
Publikováno: 10 March 2025

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Multimodal, Language, Vision, Video, Speech
Úkol: Chat, Code generation, Language modeling/generation, Quantitative reasoning, Question answering, Character recognition (OCR), Visual question answering, Video description, Speech recognition (ASR)

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 21B
Výcviková data: tokens

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: RekaAI

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Reasoning with Reka Flash 3
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Reka Flash 3

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Reka Flash 3

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

Xeon Phi 7120P

Potřeba paměti

13.4 GB

Nejrychlejší

161 tok/s

Reka Flash 3 dosahuje počtu parametrů 21B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 241.

Nejmenší hardware, který funguje, je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi Q4_K_M a vyrábějí kolem 10.7 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 161 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

Reka Flash 3 byl zveřejněn Reka AI, v zemi zaznamenané jako United States of America, během March 2025. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Vision, Video, Speech, a je zaznamenán jako vykonávající úkol chat, Code generation, Language modeling/generation, Quantitative reasoning, Question answering, Character recognition (OCR), Visual question answering, Video description, Speech recognition (ASR).

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu. Na Hugging Face je publikováno pod organizací RekaAI.

Jak rychle to běží a proč

Mediánový výsledek je kolem 20.9 tokenů za sekundu. Producing text faster than most people read it: 198 z nich

Je to hustý model, takže každý parametr je čten pro každý token vyprodukovaný. To dělá rychlost téměř přesně sledovat paměťovou šířku pásma — karta s dvojnásobnou šířkou pásma generuje přibližně dvojnásobně rychle.

Bez rozložení pozornosti v záznamu je sloupec paměti přibližný. Je dost blízko na to, aby se podle něj vybralo hardware, a je nejméně spolehlivý při dlouhém kontextu.

Krok za krokem

Jak vybrat GPU pro Reka Flash 3

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Začněte od sloupce paměti

Začněte od toho, co skutečně potřebuje, což je požadavek na Reka Flash 3, potřebující kolem 13.4 GB při kompresi Q4_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Rozhodněte, jak dlouho vaše konverzace běží

Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. Reka Flash 3.
03

Vyberte, jak moc to budete komprimovat.

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q4_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Reka Flash 3. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 161 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě Reka Flash 3. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Otevřete kartu, na které jste se usadili.

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě Reka Flash 3.

Odpovědi

Reka Flash 3 — běžné otázky

Reka Flash 3— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 97–258 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Reka Flash 3— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 7120P, s kapacitou VRAM 16 GB. Spouští model při kompresi Q4_K_M používající přibližně 13.4 GB, a produkuje přibližně 10.7 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

Reka Flash 3— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 161 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 198.

Reka Flash 3— kolik VRAM potřebuje?

Potřebuje asi 13.4 GB při kompresi Q4_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Reka Flash 3— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 13.4 GB a generováním zhruba 52.6 tokenů za sekundu. Fit je těsný.

Reka Flash 3— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q6_K, používající přibližně 18.3 GB a generováním zhruba 39.3 tokenů za sekundu. Fit je těsný.

Reka Flash 3— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Reka Flash 3— kolik má parametrů?

Má počet parametrů 21B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Reka Flash 3— Kdo to vytvořil?

Bylo to publikováno společností Reka AI, zakládající se na United States of America, organizace zařazená jako industry.

Reka Flash 3— Kdy byl vydán?

Bylo to zveřejněno v March 2025.

Reka Flash 3— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, Video, Speech, a je zaznamenáno jako zpracovávající úkol chat, Code generation, Language modeling/generation, Quantitative reasoning, Question answering, Character recognition (OCR), Visual question answering, Video description, Speech recognition (ASR). Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Reka Flash 3— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací RekaAI. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Reka Flash 3— Mohu to spustit, pokud se to nevejde do mé GPU?

Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 2.6 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Reka Flash 3— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 241. Takže druhá karta je tu zřídka odpovědí.

Reka Flash 3— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely