Reka（レカ）とは？マルチモーダルAIで画像・動画・音声を理解する使い方とできること【2026年最新】
A
AI Friends
39分前・5分で読める
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
この記事でわかること
Reka（レカ）は、テキスト・画像・動画・音声を同時に理解できる「マルチモーダル AI」を開発しているスタートアップ企業です。マルチモーダルとは「複数の種類のデータを一度に扱える」という意味で、Reka の AI は文章だけでなく、写真や動画の内容を読み取って質問に答えることができます。2026年6月には動画生成 AI の Moonvalley と合併し、より高度な物理世界を理解する AI（Physical AI）の開発を進めています。元 DeepMind や Google の研究者たちが立ち上げた企業として、最先端の技術力が注目されています。
Reka には用途に合わせた 4 つのモデルがあります。軽量な Spark（10億パラメータ）から、最高性能の Core（670億パラメータ）まで選べます。Edge モデルはロボットやカメラに組み込んで使える軽さが特徴で、Flash モデルは GPT-3.5 や Gemini Pro と同じくらいの性能を持ちながら素早く動作します。Core モデルは GPT-4V や Claude-3 Opus と競える最上位モデルで、動画の内容を深く理解する能力に優れています。画像や動画から情報を抜き出したり、音声とテキストを組み合わせた質問に答えたりと、複雑なタスクをこなせます。
Reka は API（プログラムから利用する仕組み）を通じて使います。公式サイトでアカウントを作成し、API キー（接続用のパスワードのようなもの）を取得すれば、すぐに利用開始できます。料金は使った分だけ支払う従量課金制で、初期費用はかかりません。入力データの量（トークン数）に応じて課金され、Core モデルは 100万トークンあたり約 3 ドル、軽量モデルはもっと安く使えます。動画解析ができる Vision API には 3 時間分（180分）の無料トライアルがあるので、まずは試してから本格導入を検討できます。クラウド・オンプレミス・VPC など、導入環境も柔軟に選べます。
メリットは、テキスト・画像・動画・音声を最初から一緒に学習しているため、データ同士の関連を正確に理解できる点です。モデルサイズが 4 種類あるので、スマホやロボットに組み込む軽い用途から、企業の複雑な分析まで幅広く対応できます。2026年3月に発表された新しい Edge モデルは、物理的な機器に組み込んでリアルタイムで動かせる点も強みです。デメリットは、日本語での情報がまだ少なく、主に英語での利用が中心になることです。また、GPT-4 や Claude のような一般向けチャットサービスは提供されておらず、API を使う技術的な知識が必要です。
Reka は、画像や動画の内容を自動で解析したい企業や開発者に特におすすめです。例えば、防犯カメラの映像を AI で監視したり、ロボットが周囲の状況を判断して動いたりする用途に向いています。実際に 2026年の Smart City Asia イベントでは、Reka の物理セキュリティシステムが紹介されました。また、複数の種類のデータを同時に扱うアプリを作りたいエンジニアや、既存の AI では対応できない高度なマルチモーダルタスクに取り組む研究者にも適しています。従量課金で小さく始められるため、スタートアップ企業が新しいサービスを試す場合にも使いやすいでしょう。
この記事は AI Friends からのクロスポストです。
