Reka Edge
1240°
rekaai | 16,384 令牌上下文 | 输入 $0.10/百万，输出 $0.10/百万。Reka Edge 是一款极高效的 7B 多模态视觉语言模型，接受图像/视频+文本输入并生成文本输出。该模型专门优化以提供行业领先的图像理解、视频分析、目标检测和代理工具使用性能。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
Reka Edge 是 Reka AI 推出的 7B 多模态模型，支持图像、视频和文本输入，输出文本。该模型在视频理解和目标检测方面表现异常出色，处理 1024×1024 图像所需令牌数约为同级别竞品的三分之一。权重开源，且在年收入低于一定阈值时允许商业使用，是预算有限团队构建视觉密集型产品的实用选择。
以……著称
- 极高的图像编码令牌效率——约 331 令牌处理一张 1024×1024 图像。
- 7B 级别模型中视频理解基准表现强劲。
- 端到端延迟和首令牌时间快于同尺寸视觉语言模型。
- 目标检测和智能代理工具使用表现稳健。
- 可通过 llama.cpp 或 Transformers 在 Apple Silicon 和 Linux 上本地运行。
注意
- 当前不支持推理模式；运行 llama-server 时需显式禁用。
- 开源权重商业使用需年收入低于 100 万美元——大规模部署前请核查许可。
- 本地推理至少需要 24GB 内存；请合理规划硬件。
推荐尝试的提示词
描述复杂场景
附上一张繁忙街道、市场或工作场所的照片。列出你能识别的所有不同物体，说明它们之间的空间关系，并标记任何看起来不合适或潜在危险的地方。
视频内容拆解
附上一段短视频。按时间顺序总结发生的事件，识别主要主体，并记录出现的任何文字或屏幕图形。最后用一句话写出适合视频标题的描述。
基于截图的工具使用规划
附上一张桌面应用或移动界面的截图。识别所有可交互元素，然后写出一个自动化代理可以遵循的分步计划，以完成关闭所有打开的模态对话框并保存未保存工作的任务。
与……比较
- GPT-6 Luna仅限API模型1,050,000 令牌上下文 · $0.10/M 输入，$0.50/M 输出
- GPT-5.6 Luna仅限API模型1,050,000 令牌上下文 · $0.20/M 输入，$1.20/M 输出
- Muse Spark 1.3 Contributor仅限API模型1,048,576 令牌上下文 · $0.10/M 输入，$0.20/M 输出
- Gemini 3.8 Flash仅限API模型1,048,576 令牌上下文 · $0.83/M 输入，$4.12/M 输出
来自 rekaai 的更多文本模型
常见问题
- 我可以本地运行 Reka Edge 吗？
- 可以——权重开源并在 Hugging Face 可用。Reka 提供了 llama.cpp 的转换和量化脚本，模型可在 Apple Silicon Mac（macOS 13+）和至少 24GB 内存的 Linux 上运行。
- 通过 API 使用 Reka Edge 费用是多少？
- Reka AI 收费为输入每百万令牌 0.10 美元，输出每百万令牌 0.10 美元。上下文窗口为 16,384 令牌。
- Reka Edge 与其他 7–9B 视觉模型相比如何？
- 在视频理解基准上，其得分明显高于 Cosmos-Reason2 8B 和 Qwen 3.5 9B，同时编码图像所需令牌远少于它们——这直接转化为更低的延迟和调用成本。
船长评语一款罕见的 7B 级模型，在视频和视觉任务上表现超出预期，且价格足够低廉，适合大规模运行。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Reka Edge 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153