Reka Flash
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Reka AI
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 15 April 2024
- Auteurs
- Aitor Ormazabal, Che Zheng, Cyprien de Masson d'Autume, Dani Yogatama, Deyu Fu, Donovan Ong, Eric Chen, Eugenie Lamprecht, Hai Pham, Isaac Ong, Kaloyan Aleksiev, Lei Li, Matthew Henderson, Max Bain, Mikel Artetxe, Nishant Relan, Piotr Padlewski, Qi Liu, Ren Chen, Samuel Phua, Yazheng Yang, Yi Tay, Yuqi Wang, Zhongkai Zhu, Zhihui Xie
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Multimodal, Language, Vision, Video, Speech
- Tâche
- Chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 21B
- Données d'entraînement
- tokens
21B dense
5T text tokens + unknown amount of multimodal data
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 6.3 × 10²³ FLOP
- Comment cela a été établi
- Hardware,Operation counting
Reka Flash has 21B parameters and was trained on 5 trillion language tokens (+ unknown amount of multimodal data) 6 FLOP / token / parameter * 21B parameters * 5 trillion text tokens = 6.3 × 10^23 FLOP OOM agrees with GPU details: "Reka Flash and Edge were trained on several hundreds of H100s across a period of several weeks." 3 weeks * 300 H100s * 7 day/week * 24 hour/day * 3600 s/day * 9.9e14 FLOP/GPU-s * 0.3 [assumed utilization]= 1.6156506e+23 FLOP Not enough info to estimate SFT and RL…
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100,NVIDIA H100 SXM5 80GB
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- API access
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Probablement au-dessus de 10²³ FLOP
- Yes
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Reka Core, Flash, and Edge: A Series of Powerful Multimodal Language Models
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
Reka Flash a été publié par Reka AI, dans le pays enregistré comme United States of America, durant April 2024. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Multimodal, Language, Vision, Video, Speech, et est enregistré comme exécutant la tâche de chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Entraînement et provenance
La production a nécessité des calculs totalisant environ 6.3 × 10²³ FLOP, sur matériel enregistré comme NVIDIA A100,NVIDIA H100 SXM5 80GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
Reka Flash — questions courantes
Reka Flash— à quoi ça sert ?
Il fonctionne dans le domaine de Multimodal, Language, Vision, Video, Speech, et est enregistré comme gérant la tâche de chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Reka Flash— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 6.3 × 10²³ FLOP, sur matériel enregistré comme NVIDIA A100,NVIDIA H100 SXM5 80GB. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Reka Flash— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Reka Flash— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
Reka Flash— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 21B. 21B dense. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Reka Flash— qui l'a créé ?
Il a été publié par Reka AI, basé sur United States of America, une organisation catégorisée comme industry.
Reka Flash— quand a-t-il été publié ?
Il a été publié dans April 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.