Kyutai hat REKI gemeinsam mit Inria und École des Ponts entwickelt. Das Vision-Language-Action-Modell umfasst 2,4 Milliarden Parameter: eine Qwen3.5-2B-Basis und einen Aktionsbaustein mit 200 Millionen Parametern. Es verarbeitet Kamerabilder und eine Aufgabenbeschreibung, um Aktionen für einen Roboter zu erzeugen. Für das Vortraining nutzte Kyutai öffentliche Daten: insgesamt 1,0 Milliarden Frames sowie 12,2 Millionen Bild-Text-Beispiele. Darunter waren Aufnahmen von realen Robotern, Simulationen und Videos aus der Ich-Perspektive.
Eine Besonderheit ist der Speicher für frühere Beobachtungen. REKI hält dafür 32 gelernte Register-Tokens pro Frame vor und berücksichtigt ein Fenster aus drei Frames im Abstand von jeweils einer Sekunde. Die Tokens werden zwischengespeichert und laut Kyutai nicht aus den Aktionsdaten, sondern aus den Beobachtungen berechnet. Das Auslesen des Speichers erhöht die Laufzeit pro Aktionspaket demnach um 0,1 Millisekunden. Ohne diese Erinnerung schwankten Roboterarme in Tests häufiger zwischen zwei Positionen: Auf RoboTwin sank der Anteil solcher Episoden mit Speicher von 18,6 auf 4,1 Prozent.
In Kyutais Vergleich erreichte REKI 90,4 Prozent auf LIBERO-Plus und lag damit vor Qwen-RobotManip mit 89,0 Prozent und π0.5 mit 85,7 Prozent. Auf RoboTwin Clean2Rand kam das Modell auf 65,8 Prozent; Qwen-RobotManip lag mit 68,5 Prozent vorn. Auf RoboCasa365 erzielte REKI 38,4 Prozent, gegenüber 57,4 Prozent für Xiaomi-Robotics-1. Die Werte stammen aus getrennten Feinabstimmungen für die jeweiligen Benchmarks. Kyutai berichtet zudem, dass Vortraining die Ergebnisse auf Clean2Rand um 13,8 Prozentpunkte und unter schwierigen Bedingungen mit vielen Gegenständen um 30,3 Punkte steigerte.
Getestet wurde REKI auf einer NVIDIA H100 mit zwei Kameras bei 256 × 256 Pixeln. Ein Aktionspaket benötigte kompiliert 21,8 Millisekunden. Die Gewichte sind auf Hugging Face verfügbar und stehen unter CC BY-NC-SA 4.0; kommerzielle Nutzung ist damit ausgeschlossen. Für reale Roboter nennt Kyutai das LeRobot-Protokoll zur asynchronen Inferenz und Tests mit einem UR5-Arm. Dabei wurde das Modell mit 50 Demonstrationen pro Aufgabe für 3.000 Schritte feinabgestimmt.