Reka Edge는 물리적 환경과 시각적 응용을 위한 Reka AI의 소형 비전 언어 모델입니다. 공개된 2603 버전은 글로 된 프롬프트와 함께 이미지나 영상을 입력받아 텍스트를 생성하며 텍스트 전용 질문도 지원합니다. 주요 작업은 장면 이해, 영상 분석, 객체 감지, 시각 입력을 활용하는 도구 중심 상호작용입니다.
모델은 6억 5,700만 파라미터의 비전 인코더와 64억 파라미터의 언어 백본을 결합합니다. 합성곱 시각 인코더는 이미지 타일당 64토큰을 생성합니다. 공개된 텍스트 설정은 최대 위치 수를 16,384로 지정하며 8192개 위치를 기준으로 길이를 확장합니다. 이는 제작사 체크포인트 설정의 속성이며 시각 입력과 대화는 작업에서 사용하는 컨텍스트 안에 함께 들어가야 합니다.
시각적 질의응답에서는 이미지를 제공하고 구체적인 객체, 관계, 사건에 대해 물어보세요. 유용한 점검 프롬프트는 물체의 위치, 눈에 보이는 상태, 프레임 사이의 변화처럼 구분해야 할 사항을 식별합니다. 영상에서는 시퀀스를 포함하고 찾을 사건을 설명하세요. 제작사의 응용 예시는 미디어 캡션, 로고 감지, 하이라이트, 메타데이터뿐 아니라 로봇, 차량 카메라, 시각 보조까지 포함합니다.
객체 감지에는 제작사 고유의 프롬프트가 있습니다. Detect: 뒤에 객체 설명을 붙입니다. 설명에는 하나 또는 여러 대상을 지정할 수 있습니다. 문서화된 결과는 ref와 bbox 마커를 사용해 객체 라벨을 경계 상자 좌표와 연결합니다. 애플리케이션에서는 감지 영역을 원본 이미지에서 점검하거나 표시할 수 있도록 각 라벨과 좌표 간의 관계를 유지하세요.
실용적인 미디어 검토 작업에서는 눈에 보이는 사건, 관련 객체, 보관용의 간결한 캡션을 요청할 수 있습니다. 장면 점검에서는 설명을 요청하기 전에 대상 객체와 관련 상태를 정의하세요. 모델이 관찰한 내용과 애플리케이션이 선택하는 다음 동작을 구분하세요. 모델은 시각적 해석이나 제안된 도구 상호작용을 제공하며 이를 둘러싼 애플리케이션이 외부 동작을 실행합니다.
Reka는 체크포인트의 로컬 배포 지침을 공개하며 이미지, 영상, 감지, 텍스트 전용 예시를 포함합니다. 모델 카드는 자체 대화 템플릿과 턴 종료 마커를 사용합니다. 로컬 예시에서는 별도의 추론 모드를 명시적으로 비활성화합니다. 시각적 해석 능력과 노출되는 사고 단계는 서로 다른 기능입니다. 모델은 엣지, 온프레미스, 클라우드용으로 설계되었습니다. 양자화 배포는 별도 설정이며 모델 이름만으로 정해지는 정체성이 아닙니다.
제작사는 로컬 평가 시 생성에 필요한 메모리 여유를 남길 것을 권장합니다. 모델 카드는 Mac의 최소 메모리를 24 GB로, PC 구성의 최소 GPU 메모리와 시스템 메모리를 각각 24 GB로 제시합니다. 해당 메모리 항목별로 32 GB 이상을 권장하며, Mac에서 float16 모델은 약 14 GB를 차지합니다. 이 배포 수치는 공개된 로컬 구성을 설명합니다. 이를 통해 모델의 작은 크기와 시각 입력을 처리하는 애플리케이션에 필요한 자원을 구분할 수 있습니다.
", "aboutText": "Reka Edge는 물리적 환경과 시각적 응용을 위한 Reka AI의 소형 비전 언어 모델입니다. 공개된 2603 버전은 글로 된 프롬프트와 함께 이미지나 영상을 입력받아 텍스트를 생성하며 텍스트 전용 질문도 지원합니다. 주요 작업은 장면 이해, 영상 분석, 객체 감지, 시각 입력을 활용하는 도구 중심 상호작용입니다.\n\n모델은 6억 5,700만 파라미터의 비전 인코더와 64억 파라미터의 언어 백본을 결합합니다. 합성곱 시각 인코더는 이미지 타일당 64토큰을 생성합니다. 공개된 텍스트 설정은 최대 위치 수를 16,384로 지정하며 8192개 위치를 기준으로 길이를 확장합니다. 이는 제작사 체크포인트 설정의 속성이며 시각 입력과 대화는 작업에서 사용하는 컨텍스트 안에 함께 들어가야 합니다.\n\n시각적 질의응답에서는 이미지를 제공하고 구체적인 객체, 관계, 사건에 대해 물어보세요. 유용한 점검 프롬프트는 물체의 위치, 눈에 보이는 상태, 프레임 사이의 변화처럼 구분해야 할 사항을 식별합니다. 영상에서는 시퀀스를 포함하고 찾을 사건을 설명하세요. 제작사의 응용 예시는 미디어 캡션, 로고 감지, 하이라이트, 메타데이터뿐 아니라 로봇, 차량 카메라, 시각 보조까지 포함합니다.\n\n객체 감지에는 제작사 고유의 프롬프트가 있습니다. Detect: 뒤에 객체 설명을 붙입니다. 설명에는 하나 또는 여러 대상을 지정할 수 있습니다. 문서화된 결과는 ref와 bbox 마커를 사용해 객체 라벨을 경계 상자 좌표와 연결합니다. 애플리케이션에서는 감지 영역을 원본 이미지에서 점검하거나 표시할 수 있도록 각 라벨과 좌표 간의 관계를 유지하세요.\n\n실용적인 미디어 검토 작업에서는 눈에 보이는 사건, 관련 객체, 보관용의 간결한 캡션을 요청할 수 있습니다. 장면 점검에서는 설명을 요청하기 전에 대상 객체와 관련 상태를 정의하세요. 모델이 관찰한 내용과 애플리케이션이 선택하는 다음 동작을 구분하세요. 모델은 시각적 해석이나 제안된 도구 상호작용을 제공하며 이를 둘러싼 애플리케이션이 외부 동작을 실행합니다.\n\nReka는 체크포인트의 로컬 배포 지침을 공개하며 이미지, 영상, 감지, 텍스트 전용 예시를 포함합니다. 모델 카드는 자체 대화 템플릿과 턴 종료 마커를 사용합니다. 로컬 예시에서는 별도의 추론 모드를 명시적으로 비활성화합니다. 시각적 해석 능력과 노출되는 사고 단계는 서로 다른 기능입니다. 모델은 엣지, 온프레미스, 클라우드용으로 설계되었습니다. 양자화 배포는 별도 설정이며 모델 이름만으로 정해지는 정체성이 아닙니다.\n\n제작사는 로컬 평가 시 생성에 필요한 메모리 여유를 남길 것을 권장합니다. 모델 카드는 Mac의 최소 메모리를 24 GB로, PC 구성의 최소 GPU 메모리와 시스템 메모리를 각각 24 GB로 제시합니다. 해당 메모리 항목별로 32 GB 이상을 권장하며, Mac에서 float16 모델은 약 14 GB를 차지합니다. 이 배포 수치는 공개된 로컬 구성을 설명합니다. 이를 통해 모델의 작은 크기와 시각 입력을 처리하는 애플리케이션에 필요한 자원을 구분할 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.rekaai/reka-edgeReka Edge는 이미지 및 영상 이해, 객체 감지, 시각 정보에 따른 도구 워크플로를 위한 7B 비전 언어 모델입니다. 시각 자료와 텍스트를 입력받아 텍스트를 생성하며 객체 감지 전용 프롬프트 형식을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Reka Edge는 물리적 환경과 시각적 응용을 위한 Reka AI의 소형 비전 언어 모델입니다. 공개된 2603 버전은 글로 된 프롬프트와 함께 이미지나 영상을 입력받아 텍스트를 생성하며 텍스트 전용 질문도 지원합니다. 주요 작업은 장면 이해, 영상 분석, 객체 감지, 시각 입력을 활용하는 도구 중심 상호작용입니다.
모델은 6억 5,700만 파라미터의 비전 인코더와 64억 파라미터의 언어 백본을 결합합니다. 합성곱 시각 인코더는 이미지 타일당 64토큰을 생성합니다. 공개된 텍스트 설정은 최대 위치 수를 16,384로 지정하며 8192개 위치를 기준으로 길이를 확장합니다. 이는 제작사 체크포인트 설정의 속성이며 시각 입력과 대화는 작업에서 사용하는 컨텍스트 안에 함께 들어가야 합니다.
시각적 질의응답에서는 이미지를 제공하고 구체적인 객체, 관계, 사건에 대해 물어보세요. 유용한 점검 프롬프트는 물체의 위치, 눈에 보이는 상태, 프레임 사이의 변화처럼 구분해야 할 사항을 식별합니다. 영상에서는 시퀀스를 포함하고 찾을 사건을 설명하세요. 제작사의 응용 예시는 미디어 캡션, 로고 감지, 하이라이트, 메타데이터뿐 아니라 로봇, 차량 카메라, 시각 보조까지 포함합니다.
객체 감지에는 제작사 고유의 프롬프트가 있습니다. Detect: 뒤에 객체 설명을 붙입니다. 설명에는 하나 또는 여러 대상을 지정할 수 있습니다. 문서화된 결과는 ref와 bbox 마커를 사용해 객체 라벨을 경계 상자 좌표와 연결합니다. 애플리케이션에서는 감지 영역을 원본 이미지에서 점검하거나 표시할 수 있도록 각 라벨과 좌표 간의 관계를 유지하세요.
실용적인 미디어 검토 작업에서는 눈에 보이는 사건, 관련 객체, 보관용의 간결한 캡션을 요청할 수 있습니다. 장면 점검에서는 설명을 요청하기 전에 대상 객체와 관련 상태를 정의하세요. 모델이 관찰한 내용과 애플리케이션이 선택하는 다음 동작을 구분하세요. 모델은 시각적 해석이나 제안된 도구 상호작용을 제공하며 이를 둘러싼 애플리케이션이 외부 동작을 실행합니다.
Reka는 체크포인트의 로컬 배포 지침을 공개하며 이미지, 영상, 감지, 텍스트 전용 예시를 포함합니다. 모델 카드는 자체 대화 템플릿과 턴 종료 마커를 사용합니다. 로컬 예시에서는 별도의 추론 모드를 명시적으로 비활성화합니다. 시각적 해석 능력과 노출되는 사고 단계는 서로 다른 기능입니다. 모델은 엣지, 온프레미스, 클라우드용으로 설계되었습니다. 양자화 배포는 별도 설정이며 모델 이름만으로 정해지는 정체성이 아닙니다.
제작사는 로컬 평가 시 생성에 필요한 메모리 여유를 남길 것을 권장합니다. 모델 카드는 Mac의 최소 메모리를 24 GB로, PC 구성의 최소 GPU 메모리와 시스템 메모리를 각각 24 GB로 제시합니다. 해당 메모리 항목별로 32 GB 이상을 권장하며, Mac에서 float16 모델은 약 14 GB를 차지합니다. 이 배포 수치는 공개된 로컬 구성을 설명합니다. 이를 통해 모델의 작은 크기와 시각 입력을 처리하는 애플리케이션에 필요한 자원을 구분할 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 rekaai/reka-edge | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "rekaai/reka-edge", "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-edge',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-edge',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra rekaai/reka-edge
위에 표시된 메서드 경로를 사용하세요.
rekaai/reka-edgeReka Edge는 이미지 및 영상 이해, 객체 감지, 시각 정보에 따른 도구 워크플로를 위한 7B 비전 언어 모델입니다. 시각 자료와 텍스트를 입력받아 텍스트를 생성하며 객체 감지 전용 프롬프트 형식을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Reka Edge는 물리적 환경과 시각적 응용을 위한 Reka AI의 소형 비전 언어 모델입니다. 공개된 2603 버전은 글로 된 프롬프트와 함께 이미지나 영상을 입력받아 텍스트를 생성하며 텍스트 전용 질문도 지원합니다. 주요 작업은 장면 이해, 영상 분석, 객체 감지, 시각 입력을 활용하는 도구 중심 상호작용입니다.
모델은 6억 5,700만 파라미터의 비전 인코더와 64억 파라미터의 언어 백본을 결합합니다. 합성곱 시각 인코더는 이미지 타일당 64토큰을 생성합니다. 공개된 텍스트 설정은 최대 위치 수를 16,384로 지정하며 8192개 위치를 기준으로 길이를 확장합니다. 이는 제작사 체크포인트 설정의 속성이며 시각 입력과 대화는 작업에서 사용하는 컨텍스트 안에 함께 들어가야 합니다.
시각적 질의응답에서는 이미지를 제공하고 구체적인 객체, 관계, 사건에 대해 물어보세요. 유용한 점검 프롬프트는 물체의 위치, 눈에 보이는 상태, 프레임 사이의 변화처럼 구분해야 할 사항을 식별합니다. 영상에서는 시퀀스를 포함하고 찾을 사건을 설명하세요. 제작사의 응용 예시는 미디어 캡션, 로고 감지, 하이라이트, 메타데이터뿐 아니라 로봇, 차량 카메라, 시각 보조까지 포함합니다.
객체 감지에는 제작사 고유의 프롬프트가 있습니다. Detect: 뒤에 객체 설명을 붙입니다. 설명에는 하나 또는 여러 대상을 지정할 수 있습니다. 문서화된 결과는 ref와 bbox 마커를 사용해 객체 라벨을 경계 상자 좌표와 연결합니다. 애플리케이션에서는 감지 영역을 원본 이미지에서 점검하거나 표시할 수 있도록 각 라벨과 좌표 간의 관계를 유지하세요.
실용적인 미디어 검토 작업에서는 눈에 보이는 사건, 관련 객체, 보관용의 간결한 캡션을 요청할 수 있습니다. 장면 점검에서는 설명을 요청하기 전에 대상 객체와 관련 상태를 정의하세요. 모델이 관찰한 내용과 애플리케이션이 선택하는 다음 동작을 구분하세요. 모델은 시각적 해석이나 제안된 도구 상호작용을 제공하며 이를 둘러싼 애플리케이션이 외부 동작을 실행합니다.
Reka는 체크포인트의 로컬 배포 지침을 공개하며 이미지, 영상, 감지, 텍스트 전용 예시를 포함합니다. 모델 카드는 자체 대화 템플릿과 턴 종료 마커를 사용합니다. 로컬 예시에서는 별도의 추론 모드를 명시적으로 비활성화합니다. 시각적 해석 능력과 노출되는 사고 단계는 서로 다른 기능입니다. 모델은 엣지, 온프레미스, 클라우드용으로 설계되었습니다. 양자화 배포는 별도 설정이며 모델 이름만으로 정해지는 정체성이 아닙니다.
제작사는 로컬 평가 시 생성에 필요한 메모리 여유를 남길 것을 권장합니다. 모델 카드는 Mac의 최소 메모리를 24 GB로, PC 구성의 최소 GPU 메모리와 시스템 메모리를 각각 24 GB로 제시합니다. 해당 메모리 항목별로 32 GB 이상을 권장하며, Mac에서 float16 모델은 약 14 GB를 차지합니다. 이 배포 수치는 공개된 로컬 구성을 설명합니다. 이를 통해 모델의 작은 크기와 시각 입력을 처리하는 애플리케이션에 필요한 자원을 구분할 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 rekaai/reka-edge | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "rekaai/reka-edge",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-edge', '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-edge', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra rekaai/reka-edge
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.