Reka fue fundada en 2023 por Dani Yogatama, Yi Tay y Che Zheng — investigadores cuyo pedigrí colectivo se lee como un recorrido por los laboratorios de IA más importantes del planeta. Yogatama pasó años en DeepMind trabajando en comprensión y razonamiento del lenguaje. Yi Tay fue investigador sénior en Google Brain (luego Google DeepMind), conocido por su trabajo en Transformers eficientes, leyes de escalamiento y el aprendiz de lenguaje unificado UL2. Zheng aportó profunda experiencia en ingeniería construyendo sistemas a gran escala. La tesis fundacional era directa pero ambiciosa: la próxima generación de modelos de IA no debería añadir capacidades multimodales después del hecho. En su lugar, deberían ser nativamente multimodales desde el inicio — entrenados desde la base para procesar texto, imágenes, video y audio en una arquitectura unificada. Esa convicción atrajo financiamiento temprano y un equipo de investigadores que creían que el enfoque de “añadir visión después” usado por la mayoría de los laboratorios era fundamentalmente limitante.
La distinción técnica que Reka traza es entre modelos que son “multimodales” porque alguien hizo fine-tuning de un codificador de visión encima de un modelo de texto, y modelos que son multimodales porque múltiples modalidades se tejieron en el pre-entrenamiento desde el día uno. Sus modelos insignia — Reka Core, Reka Flash y el más pequeño Reka Edge — fueron diseñados para manejar texto, imágenes, video y audio de forma nativa. Esto no es solo una afirmación de marketing; se nota en capacidades como la comprensión de video, donde el modelo puede razonar sobre secuencias temporales en lugar de solo subtitular fotogramas individuales. Reka Flash, su modelo de tamaño medio, se hizo notable por rendir muy por encima de su peso en benchmarks multimodales, a menudo igualando o superando modelos con varias veces su conteo de parámetros. El equipo publicó su informe técnico en abril de 2024, mostrando resultados competitivos contra GPT-4V, Gemini Pro y Claude 3 Sonnet en una gama de tareas — un logro notable para una empresa que tenía apenas un año de edad.
Reka recaudó una Serie A de $58 millones liderada por DST Global y Radical Ventures en 2024, con participación de SoftBank e inversores ángeles notables. Para estándares de laboratorios de IA, esto es modesto — el tipo de dinero que te compra unos meses de tiempo serio de GPU, no los cofres de guerra multimillonarios que OpenAI, Anthropic y xAI han acumulado. Reka ha compensado siendo inusualmente eficiente: su equipo se mantuvo pequeño (menos de 30 personas durante gran parte de su primer año), sus modelos se entrenaron con un presupuesto de cómputo cuidadoso, y lanzaron producto rápidamente. Lanzaron una API y un asistente de cara al consumidor llamado Reka Playground, pero la jugada real siempre ha sido los modelos en sí — ofreciendo IA multimodal de clase frontera a desarrolladores y empresas que necesitan más que razonamiento solo de texto. La empresa también ha hecho sus modelos más pequeños disponibles como open weights, siguiendo el patrón de usar lanzamientos abiertos para construir mindshare de desarrolladores mientras mantienen sus modelos más capaces propietarios.
A mediados de 2024, surgieron reportes de que Snowflake estaba en conversaciones avanzadas para adquirir Reka por aproximadamente $1,000 millones. El acuerdo tenía sentido estratégico para ambos lados: Snowflake necesitaba capacidades de IA internas para competir con Databricks (que había adquirido MosaicML por $1,300 millones el año anterior), y Reka necesitaba la distribución, recursos de cómputo y relaciones empresariales que una plataforma de datos importante podría proporcionar. Para los fundadores de Reka, la adquisición ofreció un camino para desplegar sus modelos multimodales a escala masiva dentro de la nube de datos de Snowflake, donde los clientes ya almacenan los datos no estructurados — imágenes, documentos, video — para los que los modelos multimodales son únicamente adecuados. El acuerdo subrayó una tendencia más amplia en IA: que los laboratorios de investigación independientes, sin importar cuán talentosos sean, enfrentan una enorme presión para recaudar miles de millones independientemente o encontrar un hogar estratégico donde su tecnología pueda llegar a clientes sin quemar capital en go-to-market. La historia de Reka, desde la fundación hasta la adquisición en aproximadamente dieciocho meses, es una de las trayectorias más rápidas en la historia de las empresas de IA.