Reka Flash
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Reka AI
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowane
- 15 April 2024
- Autorzy
- 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
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Multimodal, Language, Vision, Video, Speech
- Zadanie
- Chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 21B
- Dane treningowe
- tokens
21B dense
5T text tokens + unknown amount of multimodal data
Obliczenia szkoleniowe
Aritmetyka wykonywana w celu wytrenowania modelu, mierzone w operacjach zmiennoprzecinkowych. Jest to miara kosztu przeprowadzonego treningu, a nie tego, jak szybko gotowy model odpowiada na twoje zapytania.
- Obliczenia szkoleniowe
- 6.3 × 10²³ FLOP
- Jak to zostało ustalone
- 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…
Trening
Co fizycznie zajęło szkolenie: które chipy, ile ich, na jak długo i ile to pobrało z sieci.
- Sprzęt szkoleniowy
- NVIDIA A100,NVIDIA H100 SXM5 80GB
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- API access
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Prawdopodobnie powyżej 10²³ FLOP
- Yes
- Zaufanie do nagrania
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Reka Core, Flash, and Edge: A Series of Powerful Multimodal Language Models
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Czym jest ten model
Reka Flash was published by Reka AI, in United States of America, in April 2024. The organisation is categorised as industry.
It works in Multimodal, Language, Vision, Video, Speech, and is recorded as doing chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text.
Ponieważ wagi nie są dostępne, żadne z figur sprzętowych innych miejsc na tej stronie się do niej nie odnoszą.
Training and provenance
Producing it required around 6.3 × 10²³ FLOP of arithmetic, on NVIDIA A100,NVIDIA H100 SXM5 80GB, which is a statement about the training budget rather than about inference.
Odpowiedzi
Reka Flash — Często zadawane pytania
What is Reka Flash used for?
Reka Flash works in Multimodal, Language, Vision, Video, Speech, and is recorded as handling chat, Language modeling/generation, Image captioning, Code generation, Code autocompletion, Question answering, Visual question answering, Video description, Speech recognition (ASR), Speech-to-text. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train Reka Flash?
Around 6.3 × 10²³ FLOP, on NVIDIA A100,NVIDIA H100 SXM5 80GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run Reka Flash?
None. Reka Flash is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Reka Flash open source?
No. Reka Flash has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Reka Flash have?
Reka Flash has 21B parameters. 21B dense. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Reka Flash?
Reka Flash was published by Reka AI, based in United States of America, categorised as industry.
When was Reka Flash released?
Reka Flash was published in April 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..