/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
20,3 млрд
Размер весов
41,8 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
12 мар 2025

reka-flash-3

Генерация текстаТекст → текст13 профессий

Reka Flash 3 — компактная англоязычная модель общего назначения для диалога и рассуждений, рассчитанная на низкую задержку и локальное развёртывание.

733скачиваний за 30 дней389лайковвеса обновлены13 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Reka Flash 3 — плотная языковая модель общего назначения с архитектурой семейства Llama, разработанная Reka и обученная с нуля. В README заявлено 21 млрд параметров, а метаданные Hugging Face указывают 20,3 млрд; модель выпущена в формате safetensors и совместима с инструментами, поддерживающими Llama. Она рассчитана на диалог, рассуждения и приложения с низкой задержкой, в том числе развёртывание на устройстве. Контекст составляет 32 768 токенов.

Модель обучалась на синтетических и публичных данных с последующим supervised fine-tuning и оптимизацией RLOO с модельными и основанными на правилах наградами. Основной язык — английский; модель в некоторой степени понимает и использует другие языки. По сведениям README, она уступает в задачах, требующих обширных знаний, и для них рекомендуется подключать веб-поиск. Обучение и выравнивание не были обширными, а рассуждения на английском при запросах на других языках могут ухудшать качество ответа. Лицензия — Apache 2.0.

Сценарии применения

  • создание диалогового помощника на английском языке
  • решение математических и логических задач
  • генерация и редактирование текстов
  • развёртывание языковой модели с низкой задержкой
  • создание локальных приложений на базе Llama

Ограничения

Для задач, требующих обширных фактических знаний, рекомендуется использовать веб-поиск вместе с моделью. При запросах не на английском внутренние рассуждения на английском могут снижать качество ответов; модель также не проходила обширное выравнивание и обучение персоне.

Для каких профессий подходит13

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Reka Flash 3

Reka Flash 3 is a 21B general-purpose reasoning model that was trained from scratch. It was trained in synthetic and public datasets for supervised finetuning, followed by RLOO with model-based and rule-based rewards. It performs competitively with proprietary models such as OpenAI o1-mini, making it a good foundation to build applications that require low latency or on-device deployment. It is currently the best open model in its size category.

Try it out at Reka Space.

Reka Flash 3 powers Nexus, our new platform for organizations to create and manage AI workers. Nexus workers have native deep research capabilities and can browse the web, execute code, and analyse internal files including documents, images, videos and audio. Learn more about Nexus at getnexus.reka.ai.

Performance

Quickstart

For ease of deployment, the model is released in a Llama-compatible format. You may use any library compatible with Llama to run the model.

Via Hugging Face

import transformers

tokenizer = transformers.AutoTokenizer.from_pretrained("RekaAI/reka-flash-3")
model = transformers.AutoModelForCausalLM.from_pretrained("RekaAI/reka-flash-3", torch_dtype='auto', device_map='auto')

prompt = {"role": "human", "content": "Write a poem about large language model."}
text = tokenizer.apply_chat_template([prompt], tokenize=False, add_generation_prompt=True)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**model_inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Via vLLM

docker run --rm -it --network=host --gpus '"device=0"' -v  --shm-size=10.24gb vllm/vllm-openai:latest serve RekaAI/reka-flash-3 --dtype auto -tp 1

Model Details

Prompt Format

Reka Flash 3 uses cl100k_base tokenizer and adds no additional special tokens. Its prompt format is as follows:

human: this is round 1 prompt <sep> assistant: this is round 1 response <sep> ...

Generation should stop on seeing the string <sep> or seeing the special token <|endoftext|>.

System prompt can be added by prepending to the first user round.

human: You are a friendly assistant blah ... this is round 1 user prompt <sep> assistant: this is round 1 response <sep> ...

For multi-round conversations, it is recommended to drop the reasoning traces in the previous assistant round to save tokens for the model to think.

If you are using HF or vLLM, the built-in chat_template shall handle prompt formatting automatically.

Budget Forcing

Reka Flash thinks before it produces an output. We use tags to indicate the beginning and the end of its thinking process. For some problems, the model might think for a long time. You can make the model to stop its thinking process by forcing it to output after a certain number of steps. We observe such a budget forcing mechanism will still produce a reasonable output. We show performance on AIME-2024 (cons@16) for various budgets below.

AIME'24

Language Support

This model is primarily built for the English language, and you should consider this an English only model. However, the model is able to converse and understand other languages to some degree.

Release Notes

  • As a smaller model, it is not the best model for knowledge-intensive tasks. We recommend coupling Reka Flash 3 with web search for knowledge-related tasks.
  • The model often thinks in English when prompted with questions in non-English languages. We observe that this sometimes affects the output quality in non-English languages.
  • The model has not undergone extensive alignment or persona training.

Как запустить

На своей GPU в ailist или через готовый API. Цены — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

API через OpenRouter

rekaai/reka-flash-3

Недоступна

$0.1 / $0.2

Запуск через API временно недоступен: у платформы закончился лимит OpenRouter.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
8d251ec

0 моделей