Open-weight AI modely 2026: pět vydání za dva týdny

Za první polovinu října 2026 vyšlo pět velkých open-weight AI modelů — od 12miliardového kodéra JetBrains až po 816miliardový kolos od Meta. Pro firmy je to největší změna v dostupnosti AI za poslední rok: modely, které se výkonem blíží placeným API, si můžete stáhnout a spustit u sebe. Jen je tu několik „ale“, o kterých se v nadšených titulcích nepíše.

Co přesně vyšlo v říjnu 2026

Přehled vydání z prvních dvou týdnů měsíce:

• Kolibri-1 (Aleph Alpha, 3. 10.) — 78,1 mld. parametrů celkem / 3,46 mld. aktivních, architektura MoE, licence Apache 2.0. Německo-anglický model, tedy evropská alternativa s čistou licencí.
• Beam (Reflection AI, 5. 10.) — 501 mld. / 23 mld. aktivních. První open-weight model firmy, zaměřený na uvažování a agentní úlohy.
• Mellum 2.1 (JetBrains, 8. 10.) — 12 mld. / 2,5 mld. aktivních, Apache 2.0. Malý specializovaný model na kód; JetBrains hlásí největší posun právě v agentním programování.
• Muse Spark Open (Meta, 15. 10.) — 816 mld. / 42 mld. aktivních, kontext 1 milion tokenů, nativně multimodální. Meta ho označuje za nejschopnější americký open-weight model.
• Jais 3 (IFM/MBZUAI a Inception42, 15. 10.) — šest modelů od 900 mil. do 375 mld. parametrů, arabská jazyková rodina, kontext až 512 tisíc tokenů.

A není konec: Mistral Large 4 s bilionem parametrů (49 mld. aktivních) je v public preview a váhy slibuje firma zveřejnit do konce října.

Meta Muse Spark Open: 816 miliard parametrů, a teď to hardwarové „ale“

Muse Spark Open je technicky působivý. Mixture-of-Experts se 62 vrstvami a 256 experty na vrstvu (8 aktivních na token), 1,8miliardový vizuální encoder, vstup v textu, obrázku, videu i zvuku, trénink ve více než stovce jazyků a kontextové okno 1 milion tokenů.

Problém je, že si ho nespustíte na kancelářském notebooku. Konkrétní čísla z model card a nezávislých testů:

• Váhy v BF16: přibližně 1,5–1,6 TB. Doporučení výrobce: 2 TB paměti.
• Kvantizovaná verze NVFP4: cca 530 GB, doporučeno minimálně 700 GB VRAM — v praxi 4 GPU Blackwell Ultra nebo 8× H200.
• Při plném milionovém kontextu v BF16 zabere jen KV cache asi 266 GB.
• Desktopová demonstrace Meta: dva Mac Studio s čipem M5 Ultra (512 GB sjednocené paměti každý) spojené přes Thunderbolt 5, běh přes MLX.
• Nejúspornější varianta: komunitní 2bitová GGUF kvantizace, která se vejde do asi 300 GB kombinované paměti.

Jinými slovy: „běží to lokálně“ tady znamená lokálně na hardwaru za stovky tisíc až miliony korun. Pro většinu firem je realistická cesta hostovaná API — model nabízí Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter i Together AI. OpenRouter uvádí cenu 1,25 USD za milion vstupních a 4,25 USD za milion výstupních tokenů.

„Otevřené váhy“ neznamená „volné použití“

Tohle je nejčastější nedorozumění a zároveň nejdražší. Open-weight znamená, že si můžete stáhnout váhy modelu. Neznamená automaticky, že s ním smíte dělat cokoliv.

Muse Spark Open běží pod Muse Model License, nikoli pod Apache 2.0 či MIT. Co z ní vyplývá:

• Doladění (fine-tuning), destilace, slučování i další šíření derivátů jsou povolené a Meta si nenárokuje vlastnictví výstupů.
• Produkt postavený na modelu musí viditelně uvádět označení „Built with Muse Spark Open“ — v rozhraní, dokumentaci, na webu nebo v nastavení.
• Pokud přeprodáváte přístup k modelu jako službu (model-as-a-service) a váš obrat z toho překročí 20 milionů USD za dvanáct měsíců, musíte s Meta podepsat samostatnou smlouvu. Zabudování modelu do vlastního produktu do tohoto limitu nespadá.
• Repozitář s váhami je „gated“ — přístup se žádá formulářem, kde se vyplňuje jméno, datum narození a údaje o organizaci, a formulář nelze po odeslání upravit.

Pro srovnání: Kolibri-1 od Aleph Alpha a Mellum 2.1 od JetBrains jsou pod Apache 2.0, tedy bez podobných podmínek. Pokud řešíte právní čistotu nasazení, je to zásadní rozdíl — a často důležitější než pár bodů v benchmarku.

Právě tady se nejvíc vyplatí mít před nasazením nezávislý pohled. V Praxiu vám k tomu pomůžeme projít licenci, hardware i reálné náklady krok za krokem — včetně toho, co nechcete slyšet, pokud model do vašeho případu nesedí.

Americké modely dohánějí, čínské stále vedou

Meta mluví o nejschopnějším americkém open-weight modelu — a to slovo je tam důležité. Podle nezávislého Artificial Analysis Intelligence Index to vypadá takto:

• GLM 5.3 — 45
• Kimi K3 — 44
• Qwen3.8 — 40
• Muse Spark Open — 39

Uzavřená sesterská verze Muse Spark 1.3 dosahuje 48 bodů, takže otevřená varianta za placenou linií Meta reálně zaostává. Mediánem pro open-weight modely nad 150 mld. parametrů je přitom jen 19 bodů, takže Muse Spark Open je jasně nad průměrem — ale ne na špici.

Ve vlastním testovacím prostředí Meta hlásí mimo jiné MCP-Atlas 89,2 (Qwen3.8 84,5; GLM 5.3 84,2), JobBench 61,8 a HLE-Diamond bez nástrojů 26,1. Naopak na Terminal-Bench 2.1 má 76,4 a zůstává za Kimi K3 (85,0), GLM 5.3 (83,9) i Qwen3.8 (82,0). Tato čísla si zatím nikdo nezávisle nezreprodukoval, takže je berte jako údaje výrobce.

Co si z toho odnést, pokud řešíte AI ve firmě

Tři praktické závěry:

1. Velikost modelu není cíl. Pro konkrétní úlohu — doplňování kódu, kategorizace e-mailů, extrakce dat z faktur — často stačí 12miliardový Mellum nebo 78miliardový Kolibri, které běží na jednom serveru a mají čistou licenci. 816 miliard parametrů je zbytečné, pokud řešíte tři opakující se procesy.
2. Licenci čtěte dřív než benchmark. Apache 2.0 versus firemní licence s povinným brandingem je rozdíl, který se neukáže v demu, ale v právním auditu.
3. Lokální běh počítejte celý. Hardware, elektřina, správa, kvantizace a její dopad na kvalitu. Hostované API vyjde u malých objemů téměř vždy levněji; vlastní hardware se vyplatí při vysokém objemu nebo tvrdém požadavku na to, aby data neopustila firmu.

Pokud si nejste jistí, kde vaše firma stojí, projděte si nejdřív AI Kompas — rychle vám ukáže, které procesy mají pro AI vůbec smysl.

Často kladené otázky

Co znamená „open-weight model“?

Open-weight model je model, jehož natrénované váhy jsou veřejně ke stažení, takže ho můžete spustit na vlastním hardwaru a doladit na svoje data. Není to totéž jako open source: licence může omezovat komerční použití, vyžadovat označení produktu nebo podmiňovat přeprodej služby zvláštní smlouvou. Vždy je potřeba si přečíst konkrétní licenci daného modelu.

Dá se Muse Spark Open spustit ve běžné české firmě?

Na vlastním hardwaru prakticky ne. Model card doporučuje 700 GB VRAM pro 4bitovou kvantizaci a 2 TB paměti pro plné BF16 váhy; i nejúspornější 2bitová komunitní verze potřebuje asi 300 GB. Realistická cesta je hostované API (Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI), případně menší model jako Kolibri-1 nebo Mellum 2.1, který se vejde na jeden server.

Který open-weight model je v říjnu 2026 nejsilnější?

Podle Artificial Analysis Intelligence Index vede GLM 5.3 se 45 body, následovaný Kimi K3 (44) a Qwen3.8 (40). Meta Muse Spark Open má 39 bodů a je nejsilnějším americkým open-weight modelem, ne však nejsilnějším celkově. Pro konkrétní firemní úlohu je ovšem důležitější kombinace licence, ceny a výkonu na dané úloze než pořadí v obecném indexu.

Zdroje: TechCrunch, MarkTechPost, PyTorch Blog, Analytics India Magazine, AI Front Page, OrcaRouter.