%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Reka Flash (Feb '24)
Reka AI が 2024 年 2 月にリリースした Flash モデルの初期バージョンで、高速推論向けに設計されています。Reka AI の効率的なマルチモーダル処理における技術能力を示し、正確性を維持しつつ高速応答を提供できます。後続の Flash シリーズの開発の技術的基礎を築き、リアルタイム翻訳、即時Q&Aなど、リアルタイム AI 処理が必要なアプリケーションシナリオに適しています。
インテリジェンス(比較的弱い)
速度(比較的遅い)
入力サポートモダリティ
はい
推論モデルかどうか
128,000
コンテキストウィンドウ
-
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
￥2.52 /M tokens
混合価格
クイック簡易比較
Reka Flash (Feb '24)
Reka Flash (Sep '24)
Reka Edge
基本パラメータ
Reka Flash (Feb '24)技術パラメータ
パラメータ数
未発表
コンテキスト長
128.00k tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Proprietary
マルチモーダルサポート
テキストのみ
スループット
リリース日
2024-02-12
応答速度
85.14,706 tokens/s
ベンチマークスコア
以下はReka Flash (Feb '24)の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
33.16
大規模言語モデルインテリジェンスレベル
コーディング指数
-
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
-
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
-
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
-
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
-
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
-
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
61
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
32.6
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
-
高難度の数学競技問題（特にAIMEレベル）を解決するAIモデルの能力を測定する指標
GPT 5 Mini
openai
￥1.8
入力トークン/百万
￥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai
￥63
入力トークン/百万
￥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai
￥0.36
入力トークン/百万
￥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai
￥9
入力トークン/百万
￥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm
￥0.43
入力トークン/百万
￥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長