Reka rilis Edge 2603, model visual 7B open-weight yang hemat token gambar

Reka merilis Edge 2603 pada 9 Oktober 2026 dan menempatkannya sebagai model vision-language 7B untuk kecerdasan visual di perangkat tepi. Model ini menerima gambar, video, dan teks lalu mengeluarkan teks, dengan kemampuan yang ditekankan pada pemahaman gambar, analisis video, deteksi objek, dan penggunaan alat oleh agen. Menurut kartu modelnya, satu gambar berukuran 1024 kali 1024 piksel diubah menjadi hanya 331 token masukan, jauh lebih hemat dibandingkan 1.063 token untuk Cosmos-Reason2 8B, 1.041 token untuk Qwen 3.5 9B, dan 1.094 token untuk Gemini 3 Pro pada perbandingan yang sama.

Pada benchmark yang diterbitkan Reka bersamaan dengan rilis, Edge 2603 mencatat 88,40 pada VQA-V2, 74,30 pada MLVU untuk pemahaman video, dan 93,13 pada RefCOCO-A untuk deteksi objek. Reka juga menyebut latensi ujung ke ujung 4,69 detik dibandingkan 16,67 detik untuk Gemini 3 Pro, throughput 5,46 gambar per detik, serta kuantisasi 4-bit yang memangkas kebutuhan memori dari 13 gigabita menjadi sekitar 5 gigabita sambil mempertahankan lebih dari 98 persen performa. Perangkat sasaran mencakup Jetson Thor, Jetson AGX Orin, dan Mac dengan memori 24 gigabita, dengan build terkuantisasi yang menyasar Jetson Orin Nano, ponsel Samsung S25, dan iPhone. Semua angka ini berasal dari pihak Reka sendiri dan belum ada pengujian independen yang diterbitkan.

Bobot model dibuka di Hugging Face di bawah lisensi khusus Reka. Syaratnya jelas dan membatasi: penggunaan komersial hanya diizinkan bagi perusahaan dengan pendapatan tahunan di bawah satu juta dolar AS, sedangkan perusahaan yang lebih besar perlu perjanjian terpisah yang tidak dicantumkan harganya di kartu model. Halaman Hugging Face mencatat sekitar 688 unduhan dalam sebulan terakhir, dan jendela konteksnya tercatat 16.384 token, jauh lebih pendek dibandingkan model bahasa besar. Batas konteks ini penting karena model memang dirancang untuk tugas penglihatan yang pendek dan cepat, bukan untuk menganalisis dokumen panjang dalam satu permintaan.

Posisi Edge 2603 menjadi menarik karena biaya token per gambar adalah pengungkit biaya terbesar pada layanan yang banyak memproses citra. Rilis ini juga menyusul gelombang model multimodal open-weight lain pada minggu yang sama, termasuk Clef-omni dari Cloudflare dan OneSearch-VL 8B, sehingga pilihan model terbuka untuk penglihatan bertambah cepat. Bagi tim yang memakainya di produksi, dua hal wajib dicek lebih dulu: batas pendapatan pada lisensi dan ketersediaan versi terkuantisasi yang benar-benar berjalan di perangkat target.