Reka

Reka es una empresa de IA fundada en 2022 por investigadores de Google DeepMind, Meta y Baidu, dirigida por su CEO Dani Yogatama y su científico jefe Yi Tay, quienes anteriormente lideraron el desarrollo de PaLM y UL2 en Google. La empresa desarrolla una familia de modelos de lenguaje multimodal entrenados desde cero, lo que significa que cada modelo de su línea maneja texto, imágenes, vídeo y audio como entradas nativas de primer nivel, no a través de adaptadores posteriores. La propuesta central de Reka es llevar el razonamiento multimodal de vanguardia a las empresas que necesitan flexibilidad de implementación: en la nube, en las instalaciones (on-premises), aislada en VPC o totalmente aislada de la red (air-gapped).

La línea actual abarca cuatro niveles de modelos. Reka Core (67B) es el modelo insignia, que maneja tareas de razonamiento complejas en las cuatro modalidades de entrada con una ventana de contexto de 128,000 tokens. Reka Flash (21B) es el nivel de costo-rendimiento: la variante Flash 3 se lanzó como código abierto en marzo de 2025 bajo la licencia Apache 2.0, lo que la hace disponible para implementaciones autohospedadas. Reka Edge (7B) está orientado a la inferencia en tiempo real en hardware limitado, y Reka Spark (1B) está diseñado para la integración en dispositivos. Se accede a todos los modelos a través de una API RESTful con SDK de Python y JavaScript, y la plataforma Reka Vision de la empresa maneja la búsqueda de imágenes y vídeos a gran escala para clientes empresariales, incluidos Shutterstock y Turing Video.

Reka de un vistazo, abril de 2026

La familia de modelos de Reka comprende actualmente cuatro modelos de producción. Reka Core es el buque insignia de 67B, entrenado desde cero con 5 billones de tokens deduplicados en 32 idiomas con una ventana de contexto de 128K. Reka Flash 21B fue el primer modelo en ganar una atención significativa de la comunidad cuando igualó a Gemini Pro en los puntos de referencia MMLU y GPQA a pesar de haber sido entrenado por un equipo de aproximadamente 20 investigadores. Reka Flash 3, lanzado como código abierto en marzo de 2025 bajo Apache 2.0, compite con QwQ-32B con un 34% menos de parámetros y admite un contexto de 32K. Flash 3.1 le siguió en julio de 2025 con mejoras de aprendizaje por refuerzo. Reka Edge (7B) es el modelo de lenguaje de visión más rápido de su clase en su recuento de parámetros, superando a Gemma 7B y Mistral 7B en tareas multimodales. Reka Spark (1B) está dirigido a implementaciones integradas en subdispositivos.

En el lado de los productos, Reka ofrece tres superficies de acceso: la Chat API para interacciones de estilo LLM con entradas multimodales, la Research API (reka-flash-research) para tareas de razonamiento de múltiples pasos basadas en agentes con modos de pensamiento paralelo, y Reka Vision para la búsqueda de vídeos e imágenes a gran escala. Los modos de implementación incluyen API, nube administrada, en las instalaciones (on-prem), VPC y aislada de la red (air-gapped), lo que le da a Reka un perfil de flexibilidad de implementación más cercano a los proveedores de bases de datos empresariales que a OpenAI o Google.

En qué destaca realmente Reka

La verdadera ventaja de Reka es la comprensión nativa de vídeo. Cuando se publicó el informe técnico de Core en abril de 2024, Reka Core obtuvo un 59.3% en el punto de referencia de vídeo Perception Test, por delante de Gemini Ultra con un 58.7%. GPT-4o no procesa clips de vídeo continuos de forma nativa en absoluto, manejando solo fotogramas extraídos. Para las empresas que necesitan consultar grandes archivos de vídeo, indexar imágenes de vigilancia o ejecutar inferencias sobre bibliotecas de medios, Reka Core y Reka Vision están diseñados específicamente de una manera que los modelos de frontera de propósito general no lo están.

El lanzamiento de código abierto de Reka Flash 3 es la otra carta fuerte. Los desarrolladores que desean un modelo de razonamiento capaz de 21B que puedan ejecutar en sus instalaciones, autohospedar, ajustar y modificar sin restricciones de licencia ahora tienen una opción Apache 2.0 que se compara en los puntos de referencia con los modelos patentados en su clase de peso. La puntuación MMLU-Pro de 65.0 y el sólido razonamiento matemático AIME-2024 lo colocan en un territorio creíble para tareas de codificación, seguimiento de instrucciones y llamadas a funciones.

El multilingüismo también es un verdadero diferenciador. Con soporte para 32 idiomas y un sólido rendimiento en los puntos de referencia de traducción (83.2 en COMET WMT'23 para Flash 3), Reka compite bien en implementaciones donde la cobertura de idiomas europeos y asiáticos es importante junto con las tareas de visión.

"Estamos entusiasmados de asociarnos con Reka para llevar el impresionante rendimiento líder en la industria de Reka Core a los clientes a través de Snowflake Cortex". - Baris Gultekin, Jefe de IA en Snowflake, comunicado de prensa de Reka, 15 de abril de 2024

"Los modelos dinámicos multimodales y multilingües de Reka permiten a las empresas desbloquear más valor de sus datos". - Greg Pavlik, Vicepresidente Sénior de IA y Gestión de Datos en Oracle, comunicado de prensa de Reka, 15 de abril de 2024

Dónde falla Reka: los problemas recurrentes de los usuarios

El límite de vídeo en el entorno de pruebas (playground) es la primera frustración que surge en las discusiones de los profesionales. La interfaz chat.reka.ai restringe las cargas de vídeo a 30MB y un minuto. Para los profesionales de los medios o los equipos empresariales que realizan pruebas con imágenes del mundo real, este es un muro infranqueable que obliga a cambiar a la API antes de realizar cualquier evaluación significativa.

La personalización empresarial (ajuste fino, implementación en las instalaciones, aislamiento de VPC) no es de autoservicio. No hay precios transparentes para nada más allá de los costos estándar de tokens de la API. Los equipos que necesitan una implementación personalizada tienen que contactar a ventas, asistir a demostraciones y negociar un contrato antes de poder evaluar si Reka realmente se adapta a su carga de trabajo, creando una fricción de meses en comparación con Google Vertex AI o AWS Bedrock.

La profundidad del ecosistema es escasa en relación con OpenAI y Google. Los tutoriales creados por la comunidad, las integraciones de terceros, los complementos de LangChain y los puntos de referencia públicos que hacen referencia a Reka son escasos. Un desarrollador que elija un modelo para un proyecto nuevo encontrará muchas más herramientas preconstruidas para GPT-4o o Gemini que para cualquier modelo de Reka. Reka Flash 3 ha comenzado a cambiar esto para la comunidad de código abierto, pero los modelos de nivel propietario siguen estando poco documentados fuera de los canales oficiales.

El límite de conocimiento es otra brecha. El límite de conocimiento de los datos de entrenamiento de Reka Core es noviembre de 2023, que ya estaba desactualizado en su lanzamiento en abril de 2024 y es cada vez más obsoleto a partir de 2026. Tanto OpenAI como Google actualizan los límites de conocimiento de los modelos de manera más agresiva.

Finalmente, los modos de pensamiento paralelo de la Research API conllevan un alto multiplicador de costos: $35 por cada mil solicitudes para el pensamiento paralelo "bajo" frente a los $25 estándar, y $60 por cada mil para el pensamiento paralelo "alto". Los equipos que exploran flujos de trabajo basados en agentes de manera casual pueden acumular facturas inesperadamente grandes.

Reka vs. GPT-4o vs. Gemini 1.5 Pro

Arquitectura y manejo de vídeo. GPT-4o es un transformador omnimodal estimado en aproximadamente 200B de parámetros. Maneja texto, imágenes y audio de forma nativa, pero el procesamiento de vídeo en GPT-4o opera sobre fotogramas extraídos en lugar de flujos de vídeo continuos. Reka Core procesa clips de vídeo completos como una modalidad continua, lo que supone una diferencia arquitectónica significativa para tareas de vigilancia, medios o análisis de vídeo científico. La ventana de contexto de Reka Core es de 128K tokens, igualando a GPT-4o. Los precios en el lanzamiento eran comparables ($10/$25 por 1M de tokens de entrada/salida), pero desde entonces Reka ha reducido el precio de Core a $2.00/$6.00 por 1M de tokens, por debajo de los $2.50/$10.00 de GPT-4o. OpenAI no ofrece implementación en las instalaciones; Reka sí.

Ventana de contexto e implementación. Gemini 1.5 Pro tiene la ventaja arquitectónica que más importa para el trabajo empresarial con documentos largos: una ventana de contexto de 1 millón de tokens, aproximadamente 8 veces los 128K de Reka Core. Gemini 1.5 Pro también acepta entradas de vídeo nativas con clips de hasta una hora, en comparación con el límite de un minuto del entorno de pruebas de Reka y el límite de varios minutos de la API. El costo es donde Gemini se adelanta aún más para el uso casual: Gemini 1.5 Flash a $0.075/$0.30 por 1M de tokens es drásticamente más barato que Reka Flash a $0.80/$2.00. Sin embargo, Gemini está disponible exclusivamente a través de Google Cloud (Vertex AI) y no tiene una opción en las instalaciones. Reka admite implementaciones empresariales aisladas de la red (air-gapped) que Google no puede igualar. En el punto de referencia de percepción de vídeo de abril de 2024, Reka Core superó marginalmente a Gemini Ultra (59.3% frente a 58.7%), aunque los modelos posteriores de Gemini han seguido avanzando.

Pesos abiertos. Ni GPT-4o ni Gemini 1.5 Pro publican sus pesos. Reka Flash 3 (21B, Apache 2.0) se puede descargar desde Hugging Face y se puede autohospedar, ajustar y modificar. Esta es una diferenciación concreta para las organizaciones con requisitos de soberanía de datos o equipos que no pueden enrutar datos confidenciales a través de API de terceros.

¿Vale la pena el nivel de pago?

El precio por token de Reka es honesto y de pago por uso sin compromiso inicial. Las cuentas nuevas reciben $20 en créditos gratuitos, suficientes para realizar pruebas significativas. Para cargas de trabajo de texto estándar, Reka Flash a $0.80/$2.00 por 1M de tokens es competitivo con los modelos de nivel medio, aunque Gemini 1.5 Flash lo rebaja significativamente. Reka Core a $2.00/$6.00 por 1M de tokens es más barato que Claude 3 Opus y comparable a GPT-4o, pero sin la profundidad del ecosistema.

Donde la economía favorece a Reka es en tres escenarios: (1) inferencia de vídeo, donde Reka Core a $0.08 por minuto de vídeo tiene un precio para uso a escala de producción; (2) implementaciones en las instalaciones donde Reka Flash 3 como modelo de pesos abiertos Apache 2.0 elimina por completo los costos de API por token para los equipos autohospedados; y (3) cargas de trabajo empresariales multilingües en idiomas asiáticos o europeos donde el entrenamiento en 32 idiomas de Reka vale la pena.

La estructura de precios de la Research API ($25-60 por cada mil solicitudes dependiendo del modo de pensamiento) se entiende mejor como un costo de canalización basada en agentes que como un costo de API de chat. Para consultas individuales es costoso; para reemplazar el flujo de trabajo de un analista de investigación humano, las matemáticas cambian. Los precios empresariales para implementaciones personalizadas requieren una llamada de ventas y no son públicos.

Mejores casos de uso (y cuándo evitarlo)

Usa Reka cuando: Tu aplicación dependa de la comprensión nativa de vídeo a escala, necesites inferencia multimodal con implementación en las instalaciones o aislada de la red, desees un modelo de razonamiento Apache 2.0 de 21B que puedas autohospedar sin dependencia del proveedor, o estés creando aplicaciones multilingües que necesiten una sólida cobertura de idiomas asiáticos y europeos junto con capacidades de visión. Las empresas de medios, los equipos de seguridad empresarial, las organizaciones de atención médica que procesan imágenes junto con registros de pacientes y las empresas mineras o de fabricación con datos de sensores con gran cantidad de vídeo son los clientes naturales de Reka.

Evita Reka cuando: Necesites una ventana de contexto de más de 1M de tokens para trabajar con documentos largos (usa Gemini 1.5 Pro). Necesites el ecosistema más amplio de integraciones de terceros y tutoriales (usa GPT-4o). Seas un usuario individual que busca un asistente conversacional para tareas cotidianas (ChatGPT Plus es más adecuado). Tu equipo carezca de los recursos de ingeniería para integrar una API sin procesar, o tu presupuesto requiera permanecer en una plataforma integrada verticalmente (Google AI Studio o ChatGPT Enterprise de OpenAI son puntos de partida más simples). Las cargas de trabajo de solo texto sensibles a los costos pueden encontrar alternativas basadas en Llama o Gemini Flash más baratas.

Primeros pasos con Reka

La API de Reka está disponible en docs.reka.ai con SDK de Python y JavaScript. Las cuentas nuevas obtienen $20 en créditos, suficientes para probar Core, Flash y Spark en entradas de texto e imágenes antes de comprometer gastos. El entorno de pruebas de Reka en chat.reka.ai ofrece acceso basado en el navegador para probar entradas multimodales (ten en cuenta el límite de vídeo de 30MB/1 minuto en el entorno de pruebas). Para la ruta de pesos abiertos, Reka Flash 3 y Flash 3.1 están disponibles en Hugging Face bajo Apache 2.0. Los pesos del modelo se descargan a 39GB (fp16) o 11GB a cuantización de 4 bits, lo que hace que Flash 3 se pueda ejecutar en una sola GPU A100. Las implementaciones empresariales en las instalaciones o en VPC requieren contactar al equipo de ventas de Reka a través de reka.ai.