Reka Edge

Mis on Reka Edge?

Reka Edge on Reka pakutav multimodaalne visioon-keelemudel. Praktilises mõttes ühendab see visuaalse töötlemise keelemudeliga, et vastata loomulikus keeles piltide ja videote kohta esitatud küsimustele. Kasutaja või rakendus saab koos visuaalse sisuga edastada tekstilisi juhiseid ning mudel saab nähtut kirjeldada, analüüsida, selle asukohta määrata või selle üle arutleda.

Mudel on loodud tõhusa visuaalse arusaamise jaoks, mitte meedia genereerimiseks. Selle väljund on tekst, mitte pildid, video ega heli. Tüüpiliste ülesannete hulka kuuluvad objektide tuvastamine, stseeni selgitamine, kaadris oleva objekti leidmine, videomaterjali kohta küsimustele vastamine ning visuaalsete tähelepanekute seostamine kirjaliku juhisega.

Reka esitatud mudeliteabe kohaselt on Reka Edge ligikaudu 7 miljardi parameetriga mudel, millel on ConvNeXt V2 visioonikodeerija ja transformer-arhitektuuril põhinev keelemudeli tuumik. Teenusepakkuja sõnul kasutab mudel iga pildipaani kohta 64 visuaaltokenit. Selle eesmärk on vähendada visuaalsete sisendite töötlemiseks vajalikku konteksti ja arvutusmahtu.

Esitatud uuringus oli mudel märgitud ajakohaseks ja avalikult kättesaadavaks ning selle avaldamiskuupäevaks oli 11. märts 2026. Täpset teadmiste lõppkuupäeva ei ole kontrollitud.

Reka Edge'i koht Reka mudelivalikus

Reka Edge paikneb Reka mudelivaliku tõhususele keskenduvas osas. Reka laiemasse kataloogi kuuluvad üldiseks vestluseks, arendajatele, videoanalüüsiks ja loojate töövoogudeks mõeldud mudelid ja tooted. Edge on kitsamalt optimeeritud visuaalseks arusaamiseks olukordades, kus olulised on latentsus, kulud või juurutuspiirangud.

See positsioneerimine on oluline, sest mudel ei ole mõeldud universaalseks asenduseks kõigile suurematele keelemudelitele. Selle peamine kasutusloogika on töökoormus, mille puhul süsteem peab korduvalt pilte või videot uurima ja kiiresti vastama. Näiteks võib seda kasutada tööstuskaamera tööala kontrollimiseks, roboti ümbruse tõlgendamiseks, seadmes töötava assistendina reaalajas toimuva stseeni kohta küsimustele vastamiseks või videoanalüüsi töövoos sündmuste leidmiseks salvestatud materjalist.

Reka esitleb Edge'i ka kohapealseks juurutamiseks sobivana. Avaldatud kaalud on saadaval Hugging Face'is ning esitatud uuringus nimetatakse toetatud teeninduslahendusena vLLM-i. See annab meeskondadele võimaluse mitte saata iga pildi- või videopäringut majutatud teenusele, kuigi tegelikud riistvaranõuded, läbilaskevõime ja juurutamise keerukus sõltuvad rakendusest ning neid ei ole uuringus täpsustatud.

Toetatud sisendi- ja väljundivormingud

Reka Edge toetab kolme sisenditüüpi:

• Tekst: viibad, küsimused, juhised ja muu keeleline kontekst.
• Pildid: visuaalne analüüs, objektide tuvastamine ja ruumiline arutlus.
• Video: liikuva visuaalse sisu kohta esitatud küsimused ja selle analüüs.

Selle väljund on tekst. Mudel ei genereeri algupäraselt pilte, videot, heli, muusikat ega kõnet. Esitatud mudelikirjelduse kohaselt ei aktsepteeri see ka helisisendit. See eristus on oluline: „multimodaalne“ kirjeldab mudeli võimet töödelda mitut liiki sisendit, mitte võimet luua igat liiki meediat.

Edge võib näiteks sobida küsimiseks, mis videos toimub või kus objekt pildil asub. See ei ole õige valik juhul, kui vajalik tulemus on uus illustratsioon, sünteesitud helisalvestis või monteeritud videofail.

Milles Reka Edge on hea?

Visuaalne maandamine ja objektide mõistmine

Reka tõstab oluliste võimetena esile objektide tuvastamise ja ruumilise maandamise. Visuaalne maandamine tähendab keele sidumist pildi konkreetsete piirkondade, objektide või nendevaheliste suhetega, mitte lihtsalt üldise kirjelduse loomist. See võib aidata vastata näiteks küsimustele „Milline kast on laadimisalale kõige lähemal?“ või „Kus inimene sõiduki suhtes seisab?“

Need võimed on eriti olulised robootikas, kaamerate, kontrollisüsteemide ja füüsilise tehisintellekti puhul. Samuti võivad need toetada tavapärasemaid rakendusi, nagu pildiotsing, dokumentide või stseenide analüüs ja visuaalsed assistendid.

Video mõistmine

Videosisend võimaldab mudelil analüüsida muutuvaid stseene, mitte ainult üksikuid kaadreid. Võimalikud kasutusviisid hõlmavad salvestatud materjali kohta küsimustele vastamist, objektide või sündmuste tuvastamist ja visuaalse otsingu toetamist. Uuringus ei esitata võrdlustesti tulemust ega üksikasjalikku kaadrite valimise kirjeldust, seega tuleks jõudlust testida projekti jaoks oluliste konkreetsete videotüüpide, kaameranurkade ja sündmuse määratluste põhjal.

Kiirus ja kulutõhusus

Esitatud toimetuslikus hinnangus saab Reka Edge kiiruse ja kulude eest kõrge hinde: kummaski kategoorias 9 punkti 10-st. Need on toimetuslikud hinded, mitte teenusepakkuja avaldatud võrdlustesti tulemused. Hinnangu praktiliseks aluseks on mudeli kompaktne suurus, visuaaltokenite lahendus, reklaamitud madalad API-hinnad ja märgitud sobivus servajuurutuseks.

Majutatud kasutuse korral on esitatud Reka hinnakirjas sisendteksti hinnaks 0,10 dollarit 1 miljoni tokeni kohta, väljundteksti hinnaks 0,10 dollarit 1 miljoni tokeni kohta, pildisisendi hinnaks 0,005 dollarit pildi kohta ja videosisendi hinnaks 0,03 dollarit videominuti kohta. Need hinnad võivad muuta korduva visuaalse analüüsi säästlikuks, kuid kogukulu sõltub endiselt rakenduse saadetavate piltide või videominutite arvust, iga päringuga kaasneva teksti mahust ning sellest, kas kohapealne taristu on eeldatava töökoormuse puhul odavam.

Konteksti-, väljundi- ja tehnilised piirangud

16 384 tokeni pikkune kontekst on selle lehe jaoks esitatud dokumenteeritud mudelikonfiguratsioon ja praegune mudelinimekirja väärtus. Token on väike tekstühik, mida keelemudelid kasutavad; konteksti piir hõlmab materjali, mida mudel saab päringu töötlemisel arvesse võtta, sealhulgas teksti ja visuaalsete sisendite esitust. Seetõttu võib töödeldava pildi- või videomaterjali tegelik maht sõltuvalt päringu vormingust ja teenuse rakendusest erineda.

Maksimaalseks väljundiks on samuti märgitud 16 384 tokenit. See on ülempiir, mitte lubadus, et iga päring annab pika vastuse või et pikad vastused oleksid soovitatavad. Visuaalsetele küsimustele vastamisel on lühikesed vastused sageli kasulikumad ja odavamad.

Arutlus, programmeerimine ja tööriistade tugi

Reka Edge suudab visuaalse sisu üle arutleda, näiteks objekte omavahel seostada, stseeni tõlgendada ja vastata küsimustele, mis nõuavad enamat kui lihtsat kirjeldust. Esitatud toimetuslik arutlusvõime hinne on 7 punkti 10-st. See hinne on selle andmebaasi jaoks koostatud hinnang, mitte teenusepakkuja avaldatud võrdlustesti tulemus. Seda tuleks käsitada võrdleva toimetusliku hinnanguna, mitte garanteeritud täpsustasemena.

Programmeerimise hinne on 5 punkti 10-st. Edge võib olla kasulik juhul, kui kood on osa visuaalsest töövoost — näiteks diagrammi tõlgendamisel või pildianalüüsi ümber väikese rakenduse loomisel —, kuid uuringus ei esitata seda Reka tugevaima üldotstarbelise programmeerimismudelina. Meeskonnad, kes valivad mudelit peamiselt tarkvaraarenduseks või keerukaks tekstipõhiseks arutluseks, peaksid võrdlema seda spetsiaalselt nende ülesannete jaoks optimeeritud mudeliga.

Funktsioonikutsed on oluline piirang. Esitatud uuringus ei ole praeguse avaliku API spetsifikatsiooni puhul kontrollitud tööriistade kasutamise tuge. Reka funktsioonikutsete dokumentatsiooni kohaselt toetab funktsioonikutseid praegu ainult Reka Flash, kuigi mõnes Reka Edge'i turundustekstis viidatakse agentlikele tööriistakasutusvõimalustele. Seetõttu on kõige turvalisem eeldada, et ametlikult toetatud funktsioonikutsed ei ole saadaval, välja arvatud juhul, kui Reka kinnitab nende olemasolu konkreetse juurutuse puhul.

Samuti ei ole esitatud uuringus Reka Edge'i puhul kontrollitud struktureeritud JSON-väljundi, peenhäälestuse, vahemällu salvestamise ega partiilise API kättesaadavust. Rakendused ei tohiks neid funktsioone eeldada pelgalt seetõttu, et mudel suudab teksti väljastada.

Majutatud kasutus ja kohapealne juurutus

Reka Edge on saadaval Reka API kaudu ning sellega seostuvad ka Hugging Face'is avalikult kättesaadavad kaalud. Esitatud teabe kohaselt saab kohapealseks teenindamiseks kasutada vLLM-i. Kohapealne juurutus võib vähendada vajadust edastada tundlikke kaamera- või pildiandmeid kolmanda osapoole teenusele ja pakkuda prognoositavamat latentsust, kuid sel juhul vastutab juurutav organisatsioon ise riistvara, skaleerimise, seire, uuenduste ja töökindluse eest.

Kaalud on saadaval Business Source License 1.1 alusel. Esitatud märkuste kohaselt tuleb litsentsis sätestatud tulupiiri ületava ärilise kasutuse korral pöörduda Reka poole. Organisatsioonid peaksid enne kaalude ärilisse tootesse kaasamist tutvuma kehtiva litsentsitekstiga ja vajaduse korral hankima õigusnõu.

Millal valida Reka Edge?

Vali Reka Edge siis, kui keskne vajadus on kiire ja säästlik visuaalne arusaamine, mitte maksimaalne üldotstarbeline intelligentsus. See sobib hästi näiteks järgmisteks kasutusjuhtudeks:

• Seadmes või seadme lähedal töötavad pildiassistendid.
• Robootika ja füüsilise tehisintellekti prototüübid.
• Objektide tuvastamine ja ruumilistele küsimustele vastamine.
• Väikese latentsusega kaamera- või kontrollitöövood.
• Videootsing ja küsimustele vastamine juhul, kui tekstiväljundist piisab.
• Rakendused, mis vajavad kohapealset juurutust või soovivad kontrollida korduva majutatud järeldamise kulusid.

Selle kompaktne ülesehitus ja madalad loetletud hinnad muudavad mudeli suuremahuliste visuaalsete päringute jaoks atraktiivseks. Majutatud juurutusega on lihtsam alustada, samas kui kohapealsed kaalud võivad olla sobivamad siis, kui olulised on andmete asukoht, võrguühenduseta töö või taristukulude prognoositavus.

Millal kaaluda teisi võimalusi?

Teine mudel võib olla sobivam juhul, kui rakendus vajab parimat saadaolevat üldist arutlusvõimet, täiustatud programmeerimisvõimekust, ametlikult toetatud funktsioonikutseid, heli mõistmist või piltide ja video algupärast genereerimist. Reka Edge sobib vähem ka siis, kui töövoog sõltub küpsest tööriistaökosüsteemist või võimetest, mida selle mudeli puhul ei ole kontrollitud, näiteks struktureeritud väljundi garantiidest või partiitöötlusest.

Agentlike rakenduste puhul on kontrollitud avaliku funktsioonikutsete toe puudumine praktiline probleem. Loova meedia rakenduste jaoks välistab selle tekstipõhine väljund kasutamise generaatorina. Keeruka tarkvaraarenduse või pika arutluse puhul võib suurem üldotstarbeline mudel õigustada suuremat latentsust ja kulu. Seega sõltub parim valik sellest, kas olulisemad on visuaalne läbilaskevõime ja juurutuse tõhusus või lai kasutusala ja maksimaalne arutlusvõime.

Kokkuvõte

Reka Edge on taskukohasele visuaalsele intelligentsusele keskendunud mudel. Teksti-, pildi- ja videosisendi, tekstiväljundi, 16 384 tokeni piirangute, madalate API-hindade ja kohapealse juurutuse võimaluste kombinatsioon muudab selle eriti asjakohaseks servtöötluse, robootika, kontrollisüsteemide ja visuaalsete assistentide puhul. Selle kompromiss on teadlik: mudel seab laia modaalsuste toe, garanteeritud tööriistaintegratsiooni ja maksimaalse üldotstarbelise arutlusvõime asemel esikohale kiiruse, kulud ja visuaalse töötlemise. Rakendustes, mis peavad visuaalseid stseene kiiresti ja korduvalt mõistma, võib selline spetsialiseerumine olla väärtuslikum kui suurem, kuid aeglasem ja kallim mudel.