Open weights vs. uzavřené modely: kdy stačí ten stažený

Diskuse o otevřených a uzavřených modelech se vede jako fotbalové derby a je to škoda, protože to není otázka víry. Je to rozhodnutí, které se dělá u každé úlohy zvlášť — a u většiny z nich má jasnou odpověď.

Co ta dvě slova znamenají

Otevřené váhy (open weights) znamenají, že si soubor s modelem stáhnete a pustíte kdekoli. Neznamená to nutně otevřený zdrojový kód ani zveřejněná trénovací data — znamená to, že máte samotný model. Licencí je několik druhů a liší se v tom, co s modelem smíte komerčně dělat; u vážného firemního nasazení se vyplatí ji přečíst.

Uzavřený model existuje jenom u poskytovatele. Mluvíte s ním přes API nebo přes jeho aplikaci. Nemůžete ho stáhnout, nemůžete ho pustit offline a nemůžete zabránit tomu, aby ho poskytovatel zítra vyměnil nebo vypnul.

Rozdíl není v kvalitě. Rozdíl je v tom, kdo drží spoušť.

Tři otázky, které rozhodnou za vás

Než se pustíte do srovnávání benchmarků, projděte úlohu třemi otázkami. Většinou vám odpoví hned první.

1. Jak citlivá jsou data?

Když by vám vadilo, kdyby ten text četl cizí člověk, patří úloha domů. Interní zápisy, klientské podklady, zdravotní věci, mzdy, rozpracované smlouvy. Ne proto, že by poskytovatelé byli podezřelí — ale proto, že u citlivých dat je nejsilnější ochrana ta, kdy prostě nikam neodejdou.

2. Kolik stojí chyba?

Když model něco splete v konceptu textu, přepíšete větu. Když to splete ve výpočtu, který jde do nabídky, stojí to peníze. Čím dražší chyba, tím spíš chcete nejsilnější model — a hlavně kontrolu člověkem.

3. Jak dlouhá a složitá je úloha?

Jedna otázka a jeden odstavec odpovědi zvládne skoro každý model. Padesátistránkový dokument, vícekrokové zadání nebo změna napříč velkým projektem je disciplína, ve které mají uzavřené špičkové modely pořád znatelný náskok.

Kam co patří v praxi

Všimněte si, že lokální model vyhrává ve dvou ze čtyř kvadrantů — a jsou to ty dva, ve kterých leží většina denní práce. To je celý ten obrat, kvůli kterému se lokální AI vrátila do hry.

V čem se otevřené modely v roce 2026 posunuly

Tři věci se změnily proti stavu před dvěma lety:

• Malé modely zesílily. Model o osmi miliardách parametrů dnes dělá věci, na které dřív nestačilo čtyřicet. Pro shrnutí, klasifikaci a extrakci je to plně dostačující.
• Přibylo rodin. V knihovně Ollamy najdete Llamu, Qwen, Gemmu, Mistral, DeepSeek i modely s otevřenými vahami od OpenAI — a k tomu specializované varianty na kód. Máte z čeho vybírat podle úlohy, ne jen podle značky.
• Umí volat nástroje. Novější otevřené modely zvládají strukturovaný výstup a volání funkcí, což je podmínka pro cokoli agentního. Bez toho by lokální model zůstal jen chytrým chatem.

V čem uzavřené modely pořád vedou

Buďme upřímní, protože nadšení tady škodí:

• Nejtěžší uvažování. Vícekrokové úlohy, kde se musí model vracet a opravovat, patří pořád špičce.
• Dlouhý kontext. Držet nit přes stovky stran je disciplína, kde je rozdíl velký.
• Aktuálnost. Uzavřené modely mají zabudované vyhledávání a novější znalosti. Lokální model neví, co se stalo minulý týden — a když mu to neřeknete, klidně si to vymyslí.
• Obrázky, zvuk, video. Multimodální schopnosti jsou v otevřených modelech slabší.
• Podpora a odpovědnost. Když se něco pokazí, u poskytovatele existuje smlouva a někdo, komu voláte.

Nejlepší odpověď je „obojí“

Skoro nikdo nemá jen jedno. Reálné nastavení, které funguje, vypadá takhle:

1. Lokální model jako výchozí. Všechno, co se dá udělat doma, se udělá doma. Je to zadarmo, bez limitů a bez odesílání dat.
2. Cloud jako eskalace. Když lokální model úlohu nezvládne nebo je zjevně za hranicí, pošle se to výš.
3. Brána, která to rozhoduje. Aby se nemuselo ručně přepínat mezi aplikacemi. Přesně o tom je celá další linka seriálu.

Tenhle model se navíc dobře obhajuje i směrem k pravidlům: v EU platí od srpna 2026 pravidla transparentnosti podle AI Actu a obecně roste tlak vědět, kudy data tečou. Když má firma napsáno „citlivé úlohy běží lokálně, ostatní u poskytovatele X“, je to odpověď. „Používáme AI“ odpověď není.

Pro tip

Udělejte si vlastní minitest. Vezměte pět úloh, které děláte opravdu často, a projeďte je lokálním i cloudovým modelem. Ne benchmark, ale vaše práce. Skoro každý po tomhle cvičení zjistí, že u tří z pěti rozdíl nepozná — a přesně ty tři patří natrvalo domů.

Tím končí linka o lokální AI. Další začíná otázkou, jak všechny ty modely — domácí i cloudové — dostat za jeden vypínač.