Čínské AI modely s otevřenými váhami dobývají vývojářský svět

Těžiště trhu s otevřenými AI modely se v roce 2026 přesunulo směrem k Číně. Modely vyvinuté v Číně představovaly v uplynulém roce 41 % stažení na platformě Hugging Face a překonaly modely amerického původu v měsíčním i celkovém objemu stažení. 32

Samostatná data zároveň uvádějí, že kumulativní počet stažení čínských modelů s otevřenými váhami celosvětově překročil 10 miliard. 31 Číslo 100 miliard, které se objevilo v některých titulcích, dostupné podklady nepotvrzují a je pravděpodobně výsledkem chyby v titulku nebo přepisu.

Tohle rozlišení je důležité. Data ukazují čínské prvenství v konkrétní vrstvě trhu: u modelů, které si vývojáři mohou stáhnout, upravit, provozovat na vlastním hardwaru nebo využít prostřednictvím poskytovatelů inference. Neznamená to, že čínské firmy už vytlačily americké společnosti z čela vývoje nejpokročilejších uzavřených systémů.

41 % neznamená podíl na celé AI

Podíl 41 % se týká stažení na Hugging Face, rozsáhlém repozitáři modelů, datových sad a nástrojů pro vývojáře. Nejde o podíl Číny na všech existujících modelech ani o podíl na celkovém používání umělé inteligence.

Ekosystém je navíc mimořádně koncentrovaný. Pouhých 1,5 % repozitářů odpovídá za 99,2 % všech stažení, zatímco 85,6 % modelů má za celou dobu méně než 200 stažení. 23 Přesto je trend významný: Čína se na platformě stala největším jednotlivě identifikovaným národním zdrojem stažených modelů. Čínské modely navíc získaly výrazný provoz v reálných aplikacích prostřednictvím služeb pro směrování modelů. 2729

Proč vývojáři sahají po čínských modelech

Nejde o jediný vítězný benchmark. Čínské laboratoře zkombinovaly několik praktických výhod:

• Nižší náklady na provoz: Čínští poskytovatelé agresivně soutěží cenou API. To je zásadní u programování a agentních úloh, při nichž aplikace model volají tisícekrát. U modelu s otevřenými váhami navíc není nutné spoléhat výhradně na API jednoho dodavatele.
• Přívětivější licence: Z 178 čínských modelů s více než 20 miliardami parametrů, které analyzoval Hugging Face, používalo 59 % licenci Apache 2.0 a 22 % licenci MIT. Téměř žádný z nich neměl omezení na nekomerční použití. 23 Pro firmy i jednotlivé vývojáře to usnadňuje experimentování, začlenění do produktů i další distribuci.
• Rychlé vydávání: Laboratoře často během krátké doby přecházejí od oznámení k API, hostované inferenci a zveřejnění vah.
• Schopnosti důležité pro produkci: Silné programování, uvažování, práce ve více jazycích, dlouhý kontext a autonomní pracovní postupy mají pro vývojáře často větší význam než prvenství v jediném testu.
• Větší kontrola: Provoz na vlastní infrastruktuře může pomoci udržet data pod kontrolou, přizpůsobit model konkrétní úloze a snížit závislost na jednom uzavřeném poskytovateli.

Právě proto může adopce otevřených vah předběhnout mediální příběhy o benchmarcích. Model nemusí být nejlepší ve všech myslitelných úlohách, aby se stal praktickou volbou pro konkrétní, na cenu citlivé nasazení.

Kimi K3 posunul představu o měřítku otevřených modelů

Důležitým symbolem změny se stal Kimi K3 od společnosti Moonshot AI. Model má celkem 2,8 bilionu parametrů, využívá řídkou architekturu mixture-of-experts, podporuje nativní práci s obrazem a nabízí kontextové okno o délce až jednoho milionu tokenů. Moonshot jej označila za první otevřený model v kategorii kolem tří bilionů parametrů. 3

Po úvodním zpřístupnění přes API a hostované služby zveřejnila společnost kompletní váhy 27. července 2026. 15 To samozřejmě neznamená, že je Kimi K3 snadné spustit na běžném počítači. Jeho velikost zůstává značnou infrastrukturní překážkou. Vydání ale změnilo představu o tom, co jsou čínské laboratoře ochotné zveřejnit.

Strategické sdělení bylo stejně důležité jako technické parametry: čínská laboratoř může dát systém blízký špičce do rukou externích vývojářů, výzkumníků a poskytovatelů inference, místo aby jej držela výhradně za placeným API.

Qwen3.8-Max ukázal, že nejde o jednorázový úspěch

Alibaba tento trend posílila oznámením modelu Qwen3.8-Max 3. srpna. Model má celkem 2,4 bilionu parametrů a kontextové okno až jeden milion tokenů. Alibaba jej cílila na programování, výzkum, praktickou práci a dlouhodobé úkoly. 3447

V srpnu následovalo zveřejnění otevřených vah v podobě rodiny Qwen3.8-2.4T-A95B. 37 Kimi K3 a Qwen3.8-Max společně ukázaly, že nejde pouze o jednorázový efekt DeepSeeku nebo cenovou strategii jediné firmy. Několik čínských laboratoří současně soutěží v měřítku, efektivitě, multimodalitě, délce kontextu i distribuci.

Řídká architektura mixture-of-experts pomáhá vysvětlit, jak mohou modely uvádět obrovský celkový počet parametrů, aniž by při každém tokenu aktivovaly všechny. Neodstraňuje náklady na trénování ani provoz, může však zlepšit poměr mezi kapacitou modelu a efektivitou inference.

OpenRouter měří skutečný provoz, ne jen zájem

Stažení z Hugging Face vypovídají o zájmu a distribuci. OpenRouter nabízí jiný pohled: ukazuje, jaký objem provozu modely skutečně obsluhují v aplikacích a experimentech, které platforma směruje.

V červenci obsadily čínské modely všech pět nejvyšších pozic na OpenRouteru podle objemu tokenů. V čele byl MiMo V2.5 od Xiaomi, následovaly modely od společností DeepSeek, MiniMax, Alibaba Qwen a Moonshot Kimi. 51 Podle reportu z 21. srpna zpracovávaly čínské modely přes 60 % provozu platformy, který přesahoval 20 bilionů tokenů týdně. 51

Jiná analýza odhadla, že čínské modely s otevřenými vahami po březnu představovaly více než polovinu využití OpenRouteru a jejich objem tokenů se téměř ztrojnásobil. Nižší ceny přitom snížily výnos na jeden token. 50

Ani tato čísla nelze chápat jako úplný obraz globální spotřeby AI. OpenRouter obsluhuje konkrétní segment vývojářského a API trhu a jednotlivé zprávy používají odlišná období i definice. Směr je však konzistentní: čínské modely nejsou pouze stahovány k testování, ale používají se v rozsáhlých pracovních zátěžích.

Exportní omezení mohla posílit závod v efektivitě

Americká omezení vývozu pokročilých čipů vytvořila pro čínské AI firmy náročné podmínky. Zároveň mohla zvýšit motivaci získat z každé dostupné jednotky výpočetního výkonu maximum.

Tomu odpovídají některé konstrukční volby u nejvýraznějších modelů: řídké směrování, optimalizace inference, práce s dlouhým kontextem, destilace a intenzivní dodatečné trénování. Samotná exportní omezení ale čínský pokrok nevysvětlují. Dostupné podklady nepotvrzují jejich přesný příčinný dopad. Roli hraje také konkurence mezi laboratořemi, cloudová distribuce, technické talenty, domácí poptávka a zájem vývojářů z celého světa.

Opatrnější závěr zní, že omezení nezabránila čínským modelům konkurovat v důležitých úlohách spojených s otevřenými modely. Mohla naopak učinit z efektivity naléhavou strategickou prioritu.

Rozdíl oproti uzavřeným modelům se zmenšuje, ale nerovnoměrně

Některé zprávy tvrdí, že odstup mezi předními čínskými otevřenými modely a nejlepšími uzavřenými systémy se zkrátil ze šesti až devíti měsíců na dva až tři měsíce. 30 Toto tvrzení je třeba brát s rezervou, protože „odstup“ se mění podle toho, co se měří.

Model může být blízko špičce v programování, ale zaostávat ve spolehlivosti, používání nástrojů, bezpečnosti, multimodálním uvažování, latenci nebo dlouhodobém plnění úkolů. Ani firemní benchmarky a veřejné žebříčky neposkytují jedinou univerzální metriku schopností na špici trhu.

Silnější a lépe podložený závěr je užší: přední čínské modely s otevřenými vahami jsou v mnoha produkčních úlohách dostatečně blízko uzavřeným alternativám na to, aby se staly věrohodnou náhradou. Jejich adopce dokládá praktickou konkurenceschopnost, nikoli automaticky shodu ve všech oblastech vývoje na absolutní špičce.

Mohou se stát globální základní vrstvou AI?

Nejdůležitější dopad nemusí být čistě národní, ale geografický. Otevřené modely jsou atraktivní v jihovýchodní Asii, Africe i Latinské Americe, kde vývojáři mohou klást důraz na nízké náklady, přizpůsobení místním jazykům, provoz ve vlastní infrastruktuře a nezávislost na jediném zahraničním poskytovateli API.

To vytváří scénář, v němž by čínské modelové rodiny mohly hrát podobnou roli, jakou má Linux v cloudové infrastruktuře: ne nutně jako jeden dominantní model, ale jako široce znovu používaná vrstva vah, doladěných variant, nástrojů pro inferenci a vývojářské infrastruktury.

Přirovnání má ovšem své meze. Linux se stal základem díky desetiletím stabilních rozhraní, distribucí, nástrojů, bezpečnostních postupů a komunitní údržby. Samotný počet stažení stejnou trvanlivost modelům nezajistí. Potřebné budou spolehlivé licence, transparentní hodnocení, kvalitní dokumentace, důvěryhodné bezpečnostní postupy, místní podpora a dlouhodobě dostupný hardware i cloudové služby.

Pravděpodobnější je rozdělení trhu než jeho úplné převzetí

Data z roku 2026 ukazují na vznik dvouvrstvého trhu s AI. Americké společnosti mohou dál soutěžit o prvenství u nejdražších proprietárních systémů na absolutní špičce. Čínské modelové rodiny s otevřenými vahami mezitím získávají stále větší podíl na přizpůsobitelné a nasaditelné základní vrstvě.

Proto tento posun stojí za pozornost, i kdyby Spojené státy zůstaly napřed v surovém výkonu nejpokročilejších modelů. Rozhodující soutěž možná nebude o to, která laboratoř vytvoří jediný nejchytřejší systém. Může jít spíše o to, které modelové rodiny si vývojáři mohou dovolit, prozkoumat, upravit, hostovat a zabudovat do všeho ostatního.