Reka Flash 3 TPS-Rechner

Offene Gewichte Reka AI 21B Parameter March 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

241 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Xeon Phi 7120P

16 GB · Q4_K_M · 10.7 tok/s

Schnellste Karte

B200

161 tok/s · 180 GB

Welche GPUs können laufen Reka Flash 3?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

241 Karten passen

Berechnung

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

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Reka AI
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 10 March 2025

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

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

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 21B
Trainingsdaten: tokens

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (unrestricted)
Training-Code: Unreleased
Hugging Face: RekaAI

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Reasoning with Reka Flash 3
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Reka Flash 3

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Reka Flash 3

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was Sie benötigen, um es auszuführen

Minimale Karte

Xeon Phi 7120P

Benötigter Speicher

13.4 GB

Schnellste

161 tok/s

Reka Flash 3 erreicht eine Parameteranzahl von 21B. Das landet im Bereich, den eine ernsthafte Desktop-KARTE bewältigen kann, sobald die GEWICHTE komprimiert sind. Die Anzahl der KARTE, die wir verfolgen, die es ausführen kann: 241.

Die minimal benötigte Hardware, die funktioniert, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB, es mit einer Kompression von Q4_K_M und produziert etwa 10.7 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 161 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

Reka Flash 3 wurde veröffentlicht von Reka AI, im Land aufgezeichnet als United States of America, während March 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry.

Es funktioniert im Bereich von Multimodal, Language, Vision, Video, Speech, und wird als die Aufgabe von aufgezeichnet chat, Code generation, Language modeling/generation, Quantitative reasoning, Question answering, Character recognition (OCR), Visual question answering, Video description, Speech recognition (ASR).

Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. RekaAI.

Wie schnell es läuft und warum

Das mediane Ergebnis liegt bei etwa 20.9 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 198 von ihnen

Es ist ein dichtes Modell, daher wird jeder Parameter für jedes produzierte Token gelesen. Das macht die Geschwindigkeit fast genau bandbreitengebunden – eine Karte mit der doppelte Bandbreite erzeugt ungefähr doppelt so schnell.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Schritt für Schritt

Wie wählt man eine GPU für Reka Flash 3

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Beginnen Sie mit der Speicher-Spalte

Beginne mit dem, was es tatsächlich benötigt, nämlich der Anforderung von Reka Flash 3, benötigt ungefähr 13.4 GB bei einer Kompression von Q4_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Entscheide, wie lange deine Gespräche laufen

Das Gespräch belegt ebenfalls Speicher und wächst, während es fortschreitet. Stellen Sie den Regler auf die Länge ein, die Sie erwarten, denn bei langem CONTEXT kann eine KARTE, die kurze Fragen mühelos verarbeitet, entfernt werden. Reka Flash 3.
03

Wähle, wie weit du es komprimieren möchtest.

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q4_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für Reka Flash 3. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 161 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von Reka Flash 3. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Öffnen Sie die Karte, die Sie ausgewählt haben

Jede Karten-Seite wiederholt diesen Ablauf für jedes Modell, das wir in unserem Bestand haben, und beantwortet, wofür die Hardware darüber hinaus noch gut ist. Reka Flash 3.

Antworten

Reka Flash 3 — Häufige Fragen

Reka Flash 3— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 97–258 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Reka Flash 3— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB. Es führt das Modell mit einer Kompression von Q4_K_M verwenden von etwa 13.4 GB, und produziert ungefähr 10.7 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 241.

Reka Flash 3— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 161 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 198.

Reka Flash 3— Wie viel VRAM benötigt es?

Es benötigt etwa 13.4 GB bei einer Kompression von Q4_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Reka Flash 3— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von Q4_K_M, verwenden von etwa 13.4 GB und generieren grob 52.6 Token pro Sekunde. Der Fit ist eng.

Reka Flash 3— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q6_K, verwenden von etwa 18.3 GB und generieren grob 39.3 Token pro Sekunde. Der Fit ist eng.

Reka Flash 3— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Reka Flash 3— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 21B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Reka Flash 3— Wer hat es erstellt?

Es wurde veröffentlicht von Reka AI, basiert auf United States of America, eine als kategorisierte Organisation industry.

Reka Flash 3— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in March 2025.

Reka Flash 3— Wofür wird es verwendet?

Es funktioniert im Bereich von Multimodal, Language, Vision, Video, Speech, und wird als Bewältigung der Aufgabe von chat, Code generation, Language modeling/generation, Quantitative reasoning, Question answering, Character recognition (OCR), Visual question answering, Video description, Speech recognition (ASR). Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

Reka Flash 3— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation RekaAI. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Reka Flash 3— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Die nächste verpasste Berechnung bleibt hinter 2.6 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Reka Flash 3— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 241. So eine zweite Karte ist hier selten die Antwort.

Reka Flash 3— Warum unterscheidet sich die Quantisierung zwischen Karten?

Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle