Reka Flash 3 rekaai/reka-flash-3

Модель Reka Flash 3 от Reka AI (семейство reka-flash) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Доступны через единый API НейроГейт: 2 модели Reka AI.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

66K

контекст, токенов

10 ₽

за 1 млн входных токенов

20 ₽

за 1 млн выходных токенов

возможностей

2025-01

база знаний до

Что такое Reka Flash 3

Продуктовые команды, которым нужна компактная, но способная к рассуждению модель для кодинга, агентных сценариев и следования сложным инструкциям.

Reka Flash 3 — инструктивно настроенная языковая модель с 21 миллиардом параметров от компании Reka AI. Модель ориентирована на широкий спектр задач: общий чат, написание и отладку кода, точное следование инструкциям и вызов функций (function calling). Контекстное окно в 65 536 токенов позволяет работать с объёмными документами и многоходовыми диалогами без потери связности.

Отличительная черта Reka Flash 3 — встроенная поддержка внутреннего рассуждения (reasoning), что делает модель полезной в задачах, требующих пошагового анализа: от логических головоломок до многоэтапных инструкций. При этом размер в 21B параметров обеспечивает разумный баланс между качеством ответов и вычислительными затратами — модель заметно компактнее флагманских решений, но сохраняет достаточную глубину для продуктовых сценариев.

Reka Flash 3 хорошо подходит командам, которым нужна надёжная модель общего назначения с поддержкой function calling для интеграции в агентные пайплайны или инструментальные цепочки, без необходимости платить за вычислительные ресурсы, характерные для моделей значительно большего размера.

Когда брать эту модель

✓ Разработка чат-ботов и ассистентов общего назначения
✓ Написание, ревью и отладка кода
✓ Агентные пайплайны с вызовом внешних инструментов (function calling)
✓ Обработка и анализ длинных документов в рамках 65K-контекста
✓ Задачи, требующие пошагового рассуждения и структурированного вывода

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Напиши Python-функцию для парсинга JSON-ответа от стороннего API, обработай возможные ошибки и верни типизированный датакласс с результатом.

Использование Reka Flash 3 через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "rekaai/reka-flash-3",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="rekaai/reka-flash-3",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "rekaai/reka-flash-3",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);