Reka Flash 3 è il modello di ragionamento generalista di Reka AI da 21 miliardi di parametri. L'edizione rilasciata lavora con il testo per conversazione, programmazione, esecuzione delle istruzioni e attività orientate alle funzioni. Il produttore descrive una finestra di contesto di 32K. Rimane una versione distinta da Flash 3.1 e dal modello multimodale Edge di Reka.
L'addestramento inizia con il preaddestramento da zero su dati pubblici e sintetici. Seguono l'affinamento sulle istruzioni e l'apprendimento per rinforzo, con ricompense basate sia su modelli sia su regole. Questo addestramento mira a miglioramenti ampi del ragionamento, anziché trasformare il modello in uno specialista esclusivamente matematico o di programmazione. Il modello pubblicato è una base per adattamenti specifici di dominio oltre che un motore conversazionale di ragionamento.
Flash 3 produce una fase di ragionamento prima della risposta. Il formato di Reka contrassegna quella fase con tag di ragionamento e il produttore descrive la forzatura del budget: chiudere la fase di ragionamento dopo una quantità scelta di generazione induce il modello a proseguire con la risposta. È una tecnica di decodifica per il modello pubblicato, non una modalità denominata di impegno low, medium o high. Nelle conversazioni a più turni, Reka raccomanda di rimuovere le tracce di ragionamento precedenti per lasciare più spazio all'attività successiva.
Il formato di prompt del produttore separa i turni umani e dell'assistente con un marcatore separatore e usa un token esplicito di fine testo come ulteriore condizione di arresto. Nel formato nativo, un'istruzione di sistema viene anteposta al primo turno dell'utente e il template di chat pubblicato gestisce quella formattazione per gli strumenti locali supportati. Prepara la conversazione con confini di turno chiari, così che l'ultima richiesta dell'utente resti distinta dagli output precedenti del modello.
Per una revisione del codice, fornisci la funzione pertinente, il comportamento previsto e un malfunzionamento osservato, poi richiedi una correzione proposta e un modo per verificarla. Per un'attività di ragionamento, fornisci le premesse e specifica se il risultato utile sia una derivazione, una spiegazione concisa o una decisione tra alternative. Una domanda successiva può aggiungere un caso che fallisce e chiedere al modello di rivedere la risposta usando quelle prove. In un'applicazione basata su funzioni, mantieni gli argomenti proposti separati dal risultato effettivo restituito dallo strumento dell'applicazione.
L'inglese è la principale lingua di destinazione di questa edizione. Reka segnala che il modello può comprendere altre lingue in una certa misura, ma può ragionare in inglese e perdere qualità negli output in altre lingue. Per incarichi che richiedono molte conoscenze, il produttore raccomanda di integrare il modello con la ricerca web; fornisci il materiale recuperato come prova per la risposta richiesta. La scheda afferma inoltre che il modello rilasciato non ha ricevuto un addestramento esteso della personalità o dell'allineamento. Queste caratteristiche contano nella scelta della lingua, nella fornitura di contesto fattuale e nella definizione del ruolo dell'assistente.
", "aboutText": "Reka Flash 3 è il modello di ragionamento generalista di Reka AI da 21 miliardi di parametri. L'edizione rilasciata lavora con il testo per conversazione, programmazione, esecuzione delle istruzioni e attività orientate alle funzioni. Il produttore descrive una finestra di contesto di 32K. Rimane una versione distinta da Flash 3.1 e dal modello multimodale Edge di Reka.\n\nL'addestramento inizia con il preaddestramento da zero su dati pubblici e sintetici. Seguono l'affinamento sulle istruzioni e l'apprendimento per rinforzo, con ricompense basate sia su modelli sia su regole. Questo addestramento mira a miglioramenti ampi del ragionamento, anziché trasformare il modello in uno specialista esclusivamente matematico o di programmazione. Il modello pubblicato è una base per adattamenti specifici di dominio oltre che un motore conversazionale di ragionamento.\n\nFlash 3 produce una fase di ragionamento prima della risposta. Il formato di Reka contrassegna quella fase con tag di ragionamento e il produttore descrive la forzatura del budget: chiudere la fase di ragionamento dopo una quantità scelta di generazione induce il modello a proseguire con la risposta. È una tecnica di decodifica per il modello pubblicato, non una modalità denominata di impegno low, medium o high. Nelle conversazioni a più turni, Reka raccomanda di rimuovere le tracce di ragionamento precedenti per lasciare più spazio all'attività successiva.\n\nIl formato di prompt del produttore separa i turni umani e dell'assistente con un marcatore separatore e usa un token esplicito di fine testo come ulteriore condizione di arresto. Nel formato nativo, un'istruzione di sistema viene anteposta al primo turno dell'utente e il template di chat pubblicato gestisce quella formattazione per gli strumenti locali supportati. Prepara la conversazione con confini di turno chiari, così che l'ultima richiesta dell'utente resti distinta dagli output precedenti del modello.\n\nPer una revisione del codice, fornisci la funzione pertinente, il comportamento previsto e un malfunzionamento osservato, poi richiedi una correzione proposta e un modo per verificarla. Per un'attività di ragionamento, fornisci le premesse e specifica se il risultato utile sia una derivazione, una spiegazione concisa o una decisione tra alternative. Una domanda successiva può aggiungere un caso che fallisce e chiedere al modello di rivedere la risposta usando quelle prove. In un'applicazione basata su funzioni, mantieni gli argomenti proposti separati dal risultato effettivo restituito dallo strumento dell'applicazione.\n\nL'inglese è la principale lingua di destinazione di questa edizione. Reka segnala che il modello può comprendere altre lingue in una certa misura, ma può ragionare in inglese e perdere qualità negli output in altre lingue. Per incarichi che richiedono molte conoscenze, il produttore raccomanda di integrare il modello con la ricerca web; fornisci il materiale recuperato come prova per la risposta richiesta. La scheda afferma inoltre che il modello rilasciato non ha ricevuto un addestramento esteso della personalità o dell'allineamento. Queste caratteristiche contano nella scelta della lingua, nella fornitura di contesto fattuale e nella definizione del ruolo dell'assistente.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Fix an incorrect empty-string check\n\nReview this JavaScript function: function fallback(value) { return value || 'untitled'; }. Required behaviour: use 'untitled' only for null or undefined; preserve 0, false and the empty string. Propose the smallest correction and give one test for each of those five input cases. Explain the distinction briefly without adding a library.A corrected fallback expression and five tests covering null, undefined, zero, false and empty string.Valid falsy values survive while only the two absent-value cases receive the fallback.rekaai/reka-flash-3Reka Flash 3 è un modello di ragionamento testuale da 21 miliardi di parametri per conversazione, codice e attività guidate da istruzioni, con un contesto di 32K. È principalmente un modello in inglese e separa la fase di ragionamento dalla risposta, con forzatura del budget documentata dal produttore.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Reka Flash 3 è il modello di ragionamento generalista di Reka AI da 21 miliardi di parametri. L'edizione rilasciata lavora con il testo per conversazione, programmazione, esecuzione delle istruzioni e attività orientate alle funzioni. Il produttore descrive una finestra di contesto di 32K. Rimane una versione distinta da Flash 3.1 e dal modello multimodale Edge di Reka.
L'addestramento inizia con il preaddestramento da zero su dati pubblici e sintetici. Seguono l'affinamento sulle istruzioni e l'apprendimento per rinforzo, con ricompense basate sia su modelli sia su regole. Questo addestramento mira a miglioramenti ampi del ragionamento, anziché trasformare il modello in uno specialista esclusivamente matematico o di programmazione. Il modello pubblicato è una base per adattamenti specifici di dominio oltre che un motore conversazionale di ragionamento.
Flash 3 produce una fase di ragionamento prima della risposta. Il formato di Reka contrassegna quella fase con tag di ragionamento e il produttore descrive la forzatura del budget: chiudere la fase di ragionamento dopo una quantità scelta di generazione induce il modello a proseguire con la risposta. È una tecnica di decodifica per il modello pubblicato, non una modalità denominata di impegno low, medium o high. Nelle conversazioni a più turni, Reka raccomanda di rimuovere le tracce di ragionamento precedenti per lasciare più spazio all'attività successiva.
Il formato di prompt del produttore separa i turni umani e dell'assistente con un marcatore separatore e usa un token esplicito di fine testo come ulteriore condizione di arresto. Nel formato nativo, un'istruzione di sistema viene anteposta al primo turno dell'utente e il template di chat pubblicato gestisce quella formattazione per gli strumenti locali supportati. Prepara la conversazione con confini di turno chiari, così che l'ultima richiesta dell'utente resti distinta dagli output precedenti del modello.
Per una revisione del codice, fornisci la funzione pertinente, il comportamento previsto e un malfunzionamento osservato, poi richiedi una correzione proposta e un modo per verificarla. Per un'attività di ragionamento, fornisci le premesse e specifica se il risultato utile sia una derivazione, una spiegazione concisa o una decisione tra alternative. Una domanda successiva può aggiungere un caso che fallisce e chiedere al modello di rivedere la risposta usando quelle prove. In un'applicazione basata su funzioni, mantieni gli argomenti proposti separati dal risultato effettivo restituito dallo strumento dell'applicazione.
L'inglese è la principale lingua di destinazione di questa edizione. Reka segnala che il modello può comprendere altre lingue in una certa misura, ma può ragionare in inglese e perdere qualità negli output in altre lingue. Per incarichi che richiedono molte conoscenze, il produttore raccomanda di integrare il modello con la ricerca web; fornisci il materiale recuperato come prova per la risposta richiesta. La scheda afferma inoltre che il modello rilasciato non ha ricevuto un addestramento esteso della personalità o dell'allineamento. Queste caratteristiche contano nella scelta della lingua, nella fornitura di contesto fattuale e nella definizione del ruolo dell'assistente.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti rekaai/reka-flash-3 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "rekaai/reka-flash-3", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='rekaai/reka-flash-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='rekaai/reka-flash-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra rekaai/reka-flash-3
Usa i percorsi dei metodi indicati sopra.
rekaai/reka-flash-3Reka Flash 3 è un modello di ragionamento testuale da 21 miliardi di parametri per conversazione, codice e attività guidate da istruzioni, con un contesto di 32K. È principalmente un modello in inglese e separa la fase di ragionamento dalla risposta, con forzatura del budget documentata dal produttore.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Reka Flash 3 è il modello di ragionamento generalista di Reka AI da 21 miliardi di parametri. L'edizione rilasciata lavora con il testo per conversazione, programmazione, esecuzione delle istruzioni e attività orientate alle funzioni. Il produttore descrive una finestra di contesto di 32K. Rimane una versione distinta da Flash 3.1 e dal modello multimodale Edge di Reka.
L'addestramento inizia con il preaddestramento da zero su dati pubblici e sintetici. Seguono l'affinamento sulle istruzioni e l'apprendimento per rinforzo, con ricompense basate sia su modelli sia su regole. Questo addestramento mira a miglioramenti ampi del ragionamento, anziché trasformare il modello in uno specialista esclusivamente matematico o di programmazione. Il modello pubblicato è una base per adattamenti specifici di dominio oltre che un motore conversazionale di ragionamento.
Flash 3 produce una fase di ragionamento prima della risposta. Il formato di Reka contrassegna quella fase con tag di ragionamento e il produttore descrive la forzatura del budget: chiudere la fase di ragionamento dopo una quantità scelta di generazione induce il modello a proseguire con la risposta. È una tecnica di decodifica per il modello pubblicato, non una modalità denominata di impegno low, medium o high. Nelle conversazioni a più turni, Reka raccomanda di rimuovere le tracce di ragionamento precedenti per lasciare più spazio all'attività successiva.
Il formato di prompt del produttore separa i turni umani e dell'assistente con un marcatore separatore e usa un token esplicito di fine testo come ulteriore condizione di arresto. Nel formato nativo, un'istruzione di sistema viene anteposta al primo turno dell'utente e il template di chat pubblicato gestisce quella formattazione per gli strumenti locali supportati. Prepara la conversazione con confini di turno chiari, così che l'ultima richiesta dell'utente resti distinta dagli output precedenti del modello.
Per una revisione del codice, fornisci la funzione pertinente, il comportamento previsto e un malfunzionamento osservato, poi richiedi una correzione proposta e un modo per verificarla. Per un'attività di ragionamento, fornisci le premesse e specifica se il risultato utile sia una derivazione, una spiegazione concisa o una decisione tra alternative. Una domanda successiva può aggiungere un caso che fallisce e chiedere al modello di rivedere la risposta usando quelle prove. In un'applicazione basata su funzioni, mantieni gli argomenti proposti separati dal risultato effettivo restituito dallo strumento dell'applicazione.
L'inglese è la principale lingua di destinazione di questa edizione. Reka segnala che il modello può comprendere altre lingue in una certa misura, ma può ragionare in inglese e perdere qualità negli output in altre lingue. Per incarichi che richiedono molte conoscenze, il produttore raccomanda di integrare il modello con la ricerca web; fornisci il materiale recuperato come prova per la risposta richiesta. La scheda afferma inoltre che il modello rilasciato non ha ricevuto un addestramento esteso della personalità o dell'allineamento. Queste caratteristiche contano nella scelta della lingua, nella fornitura di contesto fattuale e nella definizione del ruolo dell'assistente.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti rekaai/reka-flash-3 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "rekaai/reka-flash-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'rekaai/reka-flash-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'rekaai/reka-flash-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra rekaai/reka-flash-3
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Fix an incorrect empty-string check\n\nReview this JavaScript function: function fallback(value) { return value || 'untitled'; }. Required behaviour: use 'untitled' only for null or undefined; preserve 0, false and the empty string. Propose the smallest correction and give one test for each of those five input cases. Explain the distinction briefly without adding a library.A corrected fallback expression and five tests covering null, undefined, zero, false and empty string.Valid falsy values survive while only the two absent-value cases receive the fallback.