de pointe multimodal modèle de fondation natively traitement texte, élevé-résolution imagery, vidéo clips, et audio inputs.
Technical Specifications
- Provider
- Reka
- Category
- flagship
- Release Date
- 2024-04
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- API Pay-as-you-go
- Reasoning Effort Control
- Fixed
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- reka-core
- Supported SDK & API Protocol
- Reka REST API (OpenAI-Compatible)
- Lifecycle & Deprecation Status
- Legacy Stable (Upgrade path available in Reka lineup)
- Production Rate Limits (RPM & TPM)
- 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($3/1M in) across full 128K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.3/1M tokens
- Computer Use & Browser GUI Agent
- API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
- MCP & Parallel Tool Calling
- Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- API Prompt Engineering & RAG Distillation
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec)
- Weights Precision & Quantization
- Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster)
- Minimum GPU VRAM Requirement
- Zero Local VRAM Required (100% Serverless Cloud API)
- Supported Inference Engines
- Managed Reka Cloud API
- System Card & Safety Framework
- Reka Production Safety & Alignment Verified
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier
Reka Core Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~31 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Reka Core:
Benchmark Scores & 6-Axis Capability Radar
- MMLU-Pro
- 75%
- HumanEval
- 80%
- Chatbot Arena Elo
- 1270pts
Strengths
- natif omnimodal traitement spanning texte, vidéo, parole, et imagery
- élevé précision sur multi-frame vidéo scene compréhension et audio transcription
- conçu par former Google DeepMind, FAIR, et Baidu de pointe AI researchers
Limitations & Trade-offs
- Premium commercial tarification ($3.00 entrée / $15.00 sortie par 1M)
- Smaller d'entreprise écosystème que major cloud hyper-scalers
Editorial Assessment
un versatile de pointe omnimodal modèle conçu du ground up pour rich media traitement.
Best for: multimodal vidéo recherche, audio-visuel QA, et cross-format media intelligence
Compare Reka Core
Frequently Asked Questions about Reka Core
How much does the Reka Core API cost per 1M tokens?+
Reka Core by Reka is priced at $3 per 1M input tokens and $15 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.3 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Reka Core pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Reka Core's context window?+
Reka Core features a 128K tokens context window, which equals approximately 96,000 English words or ~256 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 8,192 tokens.
Can I run Reka Core locally on my own GPU (Open Weights)?+
No, Reka Core is a proprietary closed-weights model hosted by Reka. It cannot be downloaded for local GPU execution and must be accessed via Reka's official API or cloud platform.
Does Reka train on data sent to the Reka Core API, and is commercial use allowed?+
API payloads are excluded from model training by default. License tier: Proprietary Commercial API (Reka Terms). Full commercial ownership of generated outputs. Supported deployment channels include: Reka Cloud API & Enterprise Endpoints.
How does Reka Core perform on coding and reasoning benchmarks?+
Reka Core achieves a composite Intelligence Index of 77/100, scoring N/A% on SWE-bench Verified, N/A% on GPQA Diamond, 75% on MMLU-Pro, and 1270 pts on Chatbot Arena Elo.
What is Reka Core best used for?+
Reka Core is best suited for: multimodal vidéo recherche, audio-visuel QA, et cross-format media intelligence. Assessment: un versatile de pointe omnimodal modèle conçu du ground up pour rich media traitement.
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Reka Core:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.