Reka Edge

Reka Edge è un modello multimodale di Reka AI, elencato su api14 con l'id modello rekaai/reka-edge. È un modello visione-linguaggio da 7B costruito per l'efficienza, il che conta quando si desidera una comprensione multimodale senza eseguire un modello molto grande. Il provider lo descrive come ottimizzato specificamente per la comprensione delle immagini, e si colloca nella categoria testo del catalogo, il che significa che la generazione di testo è il suo output principale.

Sul lato input, Reka Edge accetta immagini, video e testo, e produce testo. Questo lo rende adatto a carichi di lavoro in cui il prompt combina media visivi con istruzioni scritte e la risposta torna come prosa, testo strutturato o chiamate a strumenti. La finestra di contesto è di 16.384 token tra input e output, e l'output massimo è di 14.745 token, quindi è possibile richiedere generazioni piuttosto lunghe lasciando comunque spazio per il prompt. I parametri di richiesta supportati includono temperature, top_p, top_k, frequency_penalty, presence_penalty, seed, stop, max_tokens, logprobs e top_logprobs, quindi si hanno i soliti controlli di campionamento insieme all'ispezione delle probabilità a livello di token.

Poiché gestisce input di immagini e video insieme al testo, i casi d'uso ovvi sono quelli in cui il modello deve leggere contenuti visivi rather than limitarsi a descriverli in termini generali. Comprensione di screenshot e immagini di documenti, estrazione o riepilogo di ciò che è presente in un'immagine, risposta a domande su una clip video, e costruzione di assistenti che accettano un prompt misto di testo e media derivano tutti dalle capacità dichiarate. Il parametro structured_outputs significa che è possibile indirizzare le risposte verso forme leggibili dalla macchina, e tools più tool_choice consentono di collegare il modello a flussi di function calling, così può agire come passaggio di ragionamento in un agente che opera su input visivi.

Chiamarlo tramite api14 funziona allo stesso modo di qualsiasi altro modello su un endpoint compatibile con OpenAI. Si invia una richiesta di chat completion con il campo model impostato su rekaai/reka-edge, si includono i messaggi con contenuto di testo e immagini o video secondo necessità, e si passano tutti i parametri supportati nel corpo della richiesta. Non è richiesto alcun SDK separato o livello di traduzione, quindi il codice client OpenAI esistente necessita solo della modifica dell'id modello e dell'aggiunta di un payload multimediale dove rilevante.

Il vincolo principale da tenere a mente è il contesto di 16.384 token. Se gli input coinvolgono video lunghi, documenti di grandi dimensioni o una lunga cronologia di scambi, quel budget si esaurirà rapidamente, e un modello con un contesto più ampio potrebbe essere più adatto al compito. Reka Edge è più utile quando si desidera un modello multimodale compatto che gestisca la comprensione di immagini e video con output strutturato e supporto agli strumenti, rather than un modello solo testo o uno orientato a contesti molto lunghi.