Ett enda nätverk styr allt — Rekas Rho-1 kan förändra hur vi bygger AI
Rekas Rho-1 utmanar allt vi vet om hur AI-system byggs.
En modell att styra dem alla
De flesta AI-system vi använder idag är, om man skrapar på ytan, avancerade samordningssystem. En central modell tar emot din fråga, bedömer vad som behövs och delegerar sedan uppgiften vidare — till en bildmodell här, en videoanalysmodul där, kanske en separat komponent för röststyrning. Det fungerar. Men det är inte elegant, och det skapar friktionspunkter som påverkar både hastighet och förståelse.
Reka vill göra något annat. Deras nyligen lanserade Rho-1 är en så kallad omni-resonemangsmodell som — enligt MarkTechPost — behandlar text, bild, video och robotrörelser som symboler i ett enda gemensamt kontextfönster. Inga mellansteg. Inga överlämningar mellan delmodeller. Allt sker i samma neurala nätverk, i samma beräkningsflöde.
Det låter som en teknisk detalj. Det är det inte.
Arkitektur som speglar en ny filosofi
Rho-1 bygger på en arkitektur med två expertströmmar som delar uppmärksamhet och ett gemensamt minnescache. Den ena strömmen hanterar språk och visuell tolkning, den andra skapar bildrepresentationer och videorutor. De samarbetar snarare än att arbeta i tur och ordning.
Det verkligt intressanta är dock vad Reka gör med beräkningseffektiviteten. Genom en destillerad variant av modellen har de lyckats minska antalet beräkningssteg från 99 till 8 — vilket i praktiken innebär att ett videosegment som tidigare tog drygt fem sekunder att processa nu hanteras på ungefär en sekund. Det är inte en marginell förbättring; det är skillnaden mellan ett system som känns trögflytande och ett som faktiskt kan integreras i realtidsapplikationer.
Modellen har tränats på 320 H100-grafikkort under tre månader — en investering som signalerar att detta är ett seriöst och genomtänkt projekt, inte en snabb produktlansering för att hänga med i nyhetsflödet.
Varför detta är annorlunda
För att förstå varför Rho-1 är anmärkningsvärt behöver man sätta det i branschkontext. De dominerande aktörerna — OpenAI, Google DeepMind, Anthropic — har alla tagit steg mot multimodalitet, men de flesta av dessa implementationer bygger fortfarande på sammanlänkade system snarare än genuint enhetliga modeller. GPT-4o är ett undantag som kommit närmast, men det är fortfarande en produkt från ett företag med massiva resurser och ett helt ekosystem bakom sig.
Reka är ett relativt litet och nischat AI-företag. Att de väljer att träna från grunden — snarare än att finjustera en befintlig grundmodell — och siktar på att integrera robotstyrning som en inbyggd förmåga snarare än ett tillägg, visar på en tydlig arkitektonisk övertygelse: framtidens AI-system ska inte koordinera, de ska förstå.
Robotikkomponenten är särskilt intressant. De flesta robotsystem idag behöver separata styrsystem, ofta regelbaserade eller byggda på smalare specialmodeller. Att inkludera robotrörelser som en naturlig del av samma resonemangsprocess som textförståelse och bildanalys öppnar för en ny generation av fysiska AI-agenter — system som kan se sin omgivning, resonera om den och agera i den utan att byta beräkningskontext.
Fortfarande tidigt — men riktningen är tydlig
Det finns skäl att hålla entusiasmen i schack. Reka har ännu inte offentliggjort öppna modellvikter, inget programmeringsgränssnitt och ingen prissättning. Det innebär att vi ännu inte kan utvärdera Rho-1 mot oberoende riktmärken eller testa den i verkliga tillämpningar. Löften är en sak; leverans är en annan.
Men riktningen är ändå tydlig. Branschen rör sig mot modeller som hanterar fler modaliteter med färre arkitektoniska kompromisser — och Reka verkar ha gjort ett av de mest genomtänkta försöken hittills att faktiskt bygga det systemet från grunden.
Vår analys
Rho-1 är inte en revolutionär produktlansering i sig — det är ett arkitektoniskt ställningstagande med långtgående konsekvenser. Om Reka levererar vad de utlovar visar de att det är möjligt att bygga genuint enhetliga multimodala system utan att offra vare sig precision eller hastighet. Det sätter press på större aktörer att ompröva sina sammanlänkade pipelines.
Den mest underskattade aspekten är robotikintegrationen. Vi är vana vid att tänka på AI som ett mjukvaruverktyg. Rho-1 antyder att nästa fas handlar om AI som kan interagera med den fysiska världen — inte genom ett lager av tilläggsmoduler, utan som en grundläggande förmåga. Det är ett paradigmskifte för automation inom tillverkning, logistik och tjänstenäringar.
Vi väntar med spänning på att öppna vikter och ett programmeringsgränssnitt ska tillgängliggöras. Först då kan vi avgöra om Rho-1 håller vad det lovar — men ambitionen förtjänar uppmärksamhet redan nu.