Bolehkah saya jalankan Reka Edge secara tempatan?

Ya — beratnya terbuka dan tersedia di Hugging Face. Reka menerbitkan skrip penukaran dan kuantisasi untuk llama.cpp, dan model ini berjalan pada Apple Silicon Macs (macOS 13+) dan Linux dengan sekurang-kurangnya 24 GB memori.

Berapa kos Reka Edge melalui API?

Reka AI mengenakan $0.10 setiap juta token input dan $0.10 setiap juta token output. Tetingkap konteks adalah 16,384 token.

Bagaimana Reka Edge dibandingkan dengan model penglihatan 7–9B lain?

Pada penanda aras pemahaman video, ia mencatat skor lebih tinggi daripada Cosmos-Reason2 8B dan Qwen 3.5 9B, sambil menggunakan jauh lebih sedikit token untuk pengekodan imej — yang terus diterjemahkan kepada latensi dan kos panggilan lebih rendah.

Reka Edge

1240°

#llm #rekaai #penglihatan #video #ejen #pantas

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

rekaai | 16,384 token context | $0.10/M input, $0.10/M output. Reka Edge adalah model multimodal penglihatan-bahasa 7B yang sangat cekap yang menerima input imej/video+teks dan menghasilkan output teks. Model ini dioptimumkan khusus untuk memberikan prestasi terkemuka industri dalam pemahaman imej, analisis video, pengesanan objek, dan penggunaan alat agen.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Reka Edge adalah model multimodal 7B dari Reka AI yang menerima input imej, video, dan teks serta mengembalikan teks. Pada saiznya, ia sangat kuat dalam pemahaman video dan pengesanan objek, dan memproses imej 1024×1024 dalam kira-kira sepertiga token yang diperlukan model pesaing. Berat terbuka dengan penggunaan komersial dibenarkan di bawah ambang pendapatan menjadikannya pilihan praktikal untuk pasukan yang membina produk berat penglihatan dengan bajet.

Dikenali untuk

Pengekodan imej yang sangat cekap token — kira-kira 331 token setiap imej 1024×1024.
Penanda aras pemahaman video yang kuat untuk model kelas 7B.
Latensi hujung-ke-hujung dan masa-ke-token-pertama yang pantas berbanding VLM bersaiz sama.
Pengesanan objek dan prestasi penggunaan alat agen yang mantap.
Boleh dijalankan secara tempatan melalui llama.cpp atau Transformers pada Apple Silicon dan Linux.

Berhati-hati dengan

Mod penalaran tidak disokong buat masa ini; anda mesti nyahaktifkannya secara eksplisit apabila menjalankan llama-server.
Penggunaan komersial berat terbuka memerlukan pendapatan tahunan di bawah $1 juta USD — semak lesen sebelum guna secara skala.
Inferens tempatan memerlukan sekurang-kurangnya 24 GB memori; rancang perkakasan dengan sewajarnya.

Terbaik untuk

Penglihatan

Video

Ejen dan penggunaan alat

Pantas

Jalankan secara tempatan

Arahan untuk cuba

Huraikan pemandangan kompleks

Lampirkan foto jalan sibuk, pasar, atau ruang kerja. Senaraikan setiap objek berbeza yang boleh anda kenal pasti, catat hubungan spatial antara mereka, dan tandakan apa-apa yang kelihatan tidak kena atau berpotensi berbahaya.

Pecahan kandungan video

Lampirkan klip video pendek. Ringkaskan apa yang berlaku mengikut urutan kronologi, kenal pasti subjek utama, dan catat sebarang teks atau grafik di skrin yang muncul. Akhiri dengan satu ayat penerangan sesuai untuk kapsyen video.

Perancangan penggunaan alat dari tangkapan skrin

Lampirkan tangkapan skrin aplikasi desktop atau UI mudah alih. Kenal pasti setiap elemen interaktif yang kelihatan, kemudian tulis pelan langkah demi langkah yang boleh diikuti agen automatik untuk menutup semua dialog modal terbuka dan menyimpan kerja yang belum disimpan.

Bandingkan dengan

GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.20/M, output $1.20/M
Muse Spark 1.3 Contributor
Model hanya API
konteks 1,048,576 token · Input $0.10/M, output $0.20/M
Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · Input $0.83/M, output $4.12/M

Lebih banyak model teks dari rekaai

Soalan yang sering ditanya

Bolehkah saya jalankan Reka Edge secara tempatan?: Ya — beratnya terbuka dan tersedia di Hugging Face. Reka menerbitkan skrip penukaran dan kuantisasi untuk llama.cpp, dan model ini berjalan pada Apple Silicon Macs (macOS 13+) dan Linux dengan sekurang-kurangnya 24 GB memori.
Berapa kos Reka Edge melalui API?: Reka AI mengenakan $0.10 setiap juta token input dan $0.10 setiap juta token output. Tetingkap konteks adalah 16,384 token.
Bagaimana Reka Edge dibandingkan dengan model penglihatan 7–9B lain?: Pada penanda aras pemahaman video, ia mencatat skor lebih tinggi daripada Cosmos-Reason2 8B dan Qwen 3.5 9B, sambil menggunakan jauh lebih sedikit token untuk pengekodan imej — yang terus diterjemahkan kepada latensi dan kos panggilan lebih rendah.

Keputusan Kapten
Model 7B jarang yang berprestasi melebihi saiznya dalam tugasan video dan penglihatan, dan cukup murah untuk dijalankan secara skala.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Qwen3 30B A3B Thinking 2507

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Reka Edge ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm rekaai penglihatan video ejen pantas tempatan

Layari mengikut keluarga model