Inside DeepSeek DSpark: Lossless 60–85% Faster LLM Inference
Blog
-
Čína staví AI datacentra v EU
Otázka nezávisloti…
-
AI s povolením zabíjet
Ještě před pár lety zněla debata o autonomních zbraních jako vzdálená kapitola ze sci-fi. Nicméně já již několik let při svých veřejných vystoupeních poukazuji na perspektivu, že člověka snadn zabije dron…
Kde jsme nyní? Stroje, které samy vyhledají cíl, samy se rozhodnou a samy zabijí člověka? To přece patří do filmů, ne do reálného světa. Jenže podle posledních zpráv jsme možná právě překročili hranici, za kterou už nejde jednoduše couvnout.
New Scientist upozornil na případ z války na Ukrajině, kde měly být použity plně autonomní drony schopné útočit bez přímého lidského řízení. Nešlo tedy jen o klasický FPV dron, u kterého sedí operátor a v poslední chvíli rozhoduje, kam stroj pošle. Podle dostupného popisu šlo o situaci, kdy člověk určil prostor, aktivoval systém — a pak už nechal stroj jednat.
A právě tady podle mě začíná zásadní problém.
Technicky vzato se dá takový vývoj pochopit. Bojiště je dnes přesycené rušením, komunikace s drony se přerušuje, optická vlákna jsou drahá a zranitelná, operátoři jsou přetížení. Autonomie se proto nabízí jako logický další krok. Dron, který nepotřebuje spojení s pilotem, který si poradí sám a který dokončí úkol i v elektronicky zarušeném prostředí, je z vojenského pohledu extrémně lákavý.
Jenže vojenská efektivita není totéž co morální legitimita.
U běžné zbraně můžeme — alespoň teoreticky — ukázat na člověka, který rozhodl. Velitel vydal rozkaz. Operátor stiskl spoušť. Stát nese odpovědnost. U autonomního systému se tahle odpovědnost začíná rozpíjet. Kdo vlastně zabil? Programátor, který napsal algoritmus? Firma, která dodala model rozpoznávání objektů? Velitel, který vymezil oblast? Politik, který povolil nasazení? Nebo samotný stroj, který právně a morálně nemůže nést odpovědnost vůbec?
Podle mě je nejnebezpečnější právě tahle mezera. Ne to, že se stroj „utrhne ze řetězu“ jako ve špatném akčním filmu. Skutečný problém je mnohem obyčejnější: že systém bude fungovat přesně tak, jak byl navržen. Jen v prostředí, které je chaotické, neúplné, špatně čitelné a plné situací, které žádný trénovací dataset nemůže dokonale pokrýt.
Rozpoznat člověka na bojišti není totéž jako rozpoznat kočku na fotografii. Válka je plná zraněných, vzdávajících se vojáků, civilistů, zmatku, klamných cílů, kouře, špatného počasí a neúplných informací. Model může vyhodnotit tvar, pohyb, tepelnou stopu nebo kontext. Ale nerozumí lidské situaci. Neví, co je strach. Neví, co je kapitulace. Neví, co je pochybnost. A hlavně: nemá svědomí.
Já si nemyslím, že řešením je zastavit veškerý vývoj vojenské AI. To by bylo naivní. Armády budou AI používat dál — pro průzkum, analýzu obrazu, navigaci, ochranu proti dronům, logistiku i podporu rozhodování. V mnoha případech může AI dokonce snížit riziko pro civilisty, pokud pomůže lépe vyhodnotit situaci nebo zpřesnit zásah.
Ale mezi „AI pomáhá člověku rozhodnout“ a „AI sama rozhoduje, kdo zemře“ je obrovský rozdíl.
Tahle hranice se nesmí ztratit v technickém slovníku. Výrazy jako „human-in-the-loop“, „human-on-the-loop“ nebo „last-mile autonomy“ znějí odborně a neutrálně. Jenže za nimi je velmi jednoduchá otázka: je u rozhodnutí o zabití konkrétního člověka ještě skutečně přítomen člověk? Ne formálně. Ne někde na začátku procesu. Ale reálně, informovaně a s možností říct ne.
Pokud odpověď zní ne, pak jsme podle mě v úplně nové kategorii války.
Autonomní zbraně navíc snižují psychologickou cenu násilí. Když stát může poslat levné stroje místo vlastních vojáků, pokušení použít sílu může růst. Když se útok zrychlí na tempo algoritmu, prostor pro pochybnost se zmenší. A když bude podobné systémy možné vyrábět masově, dostaneme se do světa, kde zabíjení nebude jen automatizované, ale také škálovatelné.
To je slovo, které mě na tom děsí nejvíc: škálovatelnost.
V softwaru je škálovatelnost ctnost. Znamená, že systém zvládne milion uživatelů místo tisíce. V e-commerce je to skvělé. V cloudu také. Ale u zbraní znamená škálovatelnost něco úplně jiného: možnost rozšířit smrt rychleji, levněji a s menším počtem lidí v rozhodovacím řetězci.
A tady bychom měli být mimořádně opatrní.
Podle mě potřebujeme jasné mezinárodní pravidlo: stroj nesmí sám vybírat a napadat lidské cíle. AI může radit, filtrovat, navigovat, upozorňovat, chránit. Ale rozhodnutí o použití smrtící síly proti člověku musí zůstat lidské. Ne proto, že lidé rozhodují vždy správně. Historie ukazuje, že ne. Ale proto, že odpovědnost, vina, soucit a morální úsudek jsou lidské kategorie. Jakmile je přesuneme na stroj, nezískáme objektivitu. Získáme jen pohodlnější způsob, jak se odpovědnosti zbavit.
AI s povolením zabíjet není technologický milník, který bychom měli oslavovat. Je to varovný signál. Ukazuje, že debata o regulaci autonomních zbraní už nemůže být akademická a pomalá. Technologie se posunula z prezentací a prototypů na bojiště.
A jakmile se něco objeví na bojišti, málokdy to tam zůstane jednorázově.
Podle mě teď nejde o to, jestli autonomní zbraně budou existovat. Ony už existují, minimálně v různých stupních autonomie. Jde o to, jestli ještě dokážeme udržet hranici mezi nástrojem a vykonavatelem. Mezi systémem, který člověku pomáhá, a systémem, který člověka nahrazuje v nejzávažnějším rozhodnutí vůbec.
Protože ve chvíli, kdy dáme algoritmu povolení zabíjet, neměníme jen válku. Měníme i to, co považujeme za lidskou odpovědnost.
-
Nový model – Z GLM 5.2
Ještě nedávno jsme se bavili o tom, že Čína dohání západní AI laboratoře. Dnes mi to zní skoro zastarale. Modely jako DeepSeek, Kimi nebo teď GLM-5.2 od Z.ai ukazují, že čínský AI ekosystém už nehraje jen hru na „levnější alternativu“. Začíná tlačit přesně tam, kde to vývojáře bolí nejvíc: dlouhý kontext, práce s celým projektem, agentní coding a praktické nasazení.
GLM-5.2 je podle Z.ai vlajkový model zaměřený na takzvané long-horizon tasks, tedy úlohy, kde model nemá jen odpovědět na jednu otázku, ale držet dlouhý plán, chápat větší codebase, respektovat architekturu a postupně upravovat projekt od požadavků až po nasaditelný výsledek. Oficiální dokumentace uvádí kontext 1M tokenů a maximální výstup 128K tokenů, což je přesně ten typ parametrů, které na papíře vypadají jako marketing, ale v reálném vývoji mohou změnit způsob práce s AI asistenty.
Podle mě je tu důležitá jedna věc: dlouhý kontext sám o sobě nestačí. Už jsme viděli modely, které se chlubily obrovským kontextovým oknem, ale v praxi se v dlouhých vstupech ztrácely. Z.ai proto u GLM-5.2 zdůrazňuje, že nejde jen o „1M tokenů“, ale o použitelný 1M kontext pro coding agenty, refaktoring, výzkumnou reprodukci, mobilní debugging nebo práci napříč celým projektem. Dokumentace přímo popisuje scénáře jako převzetí celé codebase, dlouhodobý refaktoring, dodržování týmových engineering standardů nebo debugging přes ADB a logcat.
A to je za mě mnohem zajímavější než další tabulka benchmarků.
Nechápejte mě špatně, benchmarky jsou důležité. Z.ai u GLM-5.2 tvrdí, že model dosahuje velmi silných výsledků v long-horizon coding benchmarcích, například FrontierSWE, PostTrainBench a SWE-Marathon, a že je mezi open-source modely na špičce. U standardních coding benchmarků firma uvádí zlepšení proti GLM-5.1, například 81.0 vs. 62.0 na Terminal-Bench 2.1 a 62.1 vs. 58.4 na SWE-bench Pro. Jenže tady bych byl opatrný. Výsledky od výrobce jsou fajn start, ale skutečná pravda se ukáže až ve chvíli, kdy model pustíte na vlastní repozitář, vlastní legacy kód a vlastní chaotické zadání od klienta.
Co se mi na GLM-5.2 líbí nejvíc, je jeho pragmatické zaměření. Neprodává se primárně jako chatbot pro všechno. Tlačí se do role modelu pro vývojáře a coding agenty. Podporuje streaming, function calling, structured output, context caching a MCP integrace, tedy přesně ty věci, které potřebujete, když chcete model zapojit do reálného workflow, ne si s ním jen povídat v okně prohlížeče.
Druhá zajímavá věc je integrace do existujících nástrojů. GLM-5.2 se dá podle dostupných návodů používat přes Anthropic-compatible nebo OpenAI-compatible endpointy, takže ho lze napojit do nástrojů typu Claude Code, Cline nebo OpenClaw bez toho, aby vývojář musel kompletně měnit svoje prostředí. DataCamp například popisuje variantu
glm-5.2[1m], kde se explicitně zapíná 1M tokenový kontext, a upozorňuje na dva reasoning režimy:highamax.Za mě je tohle možná největší posun. AI modely už nesoutěží jen v tom, kdo napíše hezčí odpověď. Soutěží v tom, kdo se lépe napojí do vývojářského procesu. Kdo umí číst projekt. Kdo vydrží u úkolu. Kdo nezapomene omezení z první části zadání. Kdo si nevyrobí vlastní architekturu jen proto, že mu to vypadá elegantněji.
A tady se podle mě láme budoucnost AI ve vývoji softwaru.
GLM-5.2 bych určitě netestoval na triviálním promptu typu „napiš mi REST API v Node.js“. To dnes zvládne skoro každý lepší model. Testoval bych ho na něčem nepříjemném: starší monolit, nejednotné testy, dokumentace mimo realitu, několik modulů s historickými kompromisy a zadání typu „refaktoruj to, ale nic nerozbij“. Tam se ukáže, jestli 1M kontext znamená reálnou výhodu, nebo jen delší paměť pro sebevědomé chyby.
Můj osobní odhad? GLM-5.2 nebude model, který okamžitě všichni vymění za své současné nástroje. Ale je to další signál, že čínské modely se velmi rychle posouvají z kategorie „zajímavé open-source alternativy“ do kategorie „tohle musíme reálně benchmarkovat ve firmě“. A pokud se potvrdí stabilita na dlouhých coding úlohách, může být pro vývojářské týmy hodně nepříjemným konkurentem zavedených západních modelů.
Ne proto, že by měl nejlepší marketing.
Ale proto, že míří přesně na praktickou bolest: velký projekt, dlouhý úkol, mnoho souborů, hodně kontextu a minimum prostoru pro halucinace.
A to je podle mě směr, kterým se AI coding bude v roce 2026 lámat. ne chat, ale agentní práce nad celým softwarem.
-
SpaceX a akvizice Cursoru
Když jsem poprvé viděl zprávu, že SpaceX kupuje Cursor za 60 miliard dolarů, moje první reakce byla jednoduchá: to nedává smysl. Šedesát miliard za IDE? Za nástroj, který je v jádru postavený na podobné vývojářské zkušenosti jako VS Code, jen s hlubší integrací AI modelů? Za produkt, který velkou část hodnoty dodává přes API cally do modelů třetích stran?
Jenže čím déle nad tím přemýšlím, tím víc si myslím, že otázka „je to adekvátní cena za IDE?“ je špatně položená.
Podle mě SpaceX nekupuje editor. Kupuje rozhraní mezi člověkem a softwarem.
A to je úplně jiná hra.
Cursor není jen lepší autocomplete
Cursor se často popisuje jako AI editor pro programátory. To je technicky pravda, ale strategicky je to slabý popis. Cursor není jen „autocomplete na steroidech“. Je to nástroj, který se snaží přesunout vývoj softwaru z ručního psaní řádků k práci s agentem.
Vývojář už neříká jen: „doplníš mi tuto funkci?“
Říká: „pochop tento projekt, uprav architekturu, oprav chybu, napiš testy, projdi diff, navrhni refaktoring.“A to je zásadní rozdíl.
Klasické IDE bylo pracovní prostředí. AI IDE se může stát rozhodovací vrstvou. Místem, kde vzniká zadání, kde se volí model, kde se posílá kontext, kde se opravují chyby a kde se sbírá zpětná vazba. A přesně tam je podle mě skutečná hodnota Cursoru.
Ne v tom, že má hezké UI.
Ne v tom, že umí zavolat Claude, GPT nebo Gemini.
Ale v tom, že sedí přímo uprostřed vývojářského workflow.Proč by to SpaceX mělo zajímat?
Na první pohled je SpaceX raketová a satelitní firma. Tak proč by měla kupovat AI nástroj pro programátory?
Podle mě proto, že SpaceX už dávno není jen firma o raketách. Pokud do toho přidáme Starlink, xAI/Grok, obří infrastrukturu, datacentra, compute a ambici stavět vertikálně integrovaný technologický stack, začne Cursor dávat větší smysl.
SpaceX tím může získat tři věci.
Zaprvé distribuční kanál k vývojářům. A ten je v AI extrémně cenný. Modely se neprosazují jen tím, že mají nejlepší benchmark. Prosazují se tím, že jsou dostupné tam, kde lidé skutečně pracují. Pokud vývojář tráví několik hodin denně v Cursoru, pak má vlastník Cursoru velký vliv na to, jaký model se použije, jaký agent se spustí a jaké workflow se stane standardem.
Zadruhé enterprise business. Cursor už není hračka pro nadšence. Pokud má miliardové annualized revenue, bavíme se o jednom z nejrychleji rostoucích B2B softwarových produktů posledních let. To neznamená, že valuace 60 miliard je levná. Není. Ale není to ocenění víkendového pluginu do VS Code.
Zatřetí data. A tady je podle mě nejcitlivější část celé akvizice. Vývojářské workflow generuje extrémně cenný signál: co chce člověk změnit, co model navrhl, co člověk přijal, co odmítl, kde model selhal, jaký patch prošel, jaký test spadl, jaká oprava nakonec fungovala. Pro trénování coding modelů je tohle zlato.
Ne nutně ve smyslu „vezmeme něčí proprietární kód a nacpeme ho do modelu“. To by byl právní, bezpečnostní a reputační problém. Ale i metadata, interakce, preference, evaluační signály a anonymizované feedback loopy mohou být obrovsky hodnotné.
Cena za API cally? To by bylo absurdní
Tady se ale musím vrátit k původní intuici: pokud bychom Cursor ocenili jen jako „IDE plus API cally“, pak je 60 miliard absurdní částka.
AI nástroje mají proti klasickému SaaS jeden velký problém: náklady na inference. Klasický SaaS prodává software s relativně vysokou hrubou marží. U AI nástroje ale uživatel často spaluje drahé tokeny, používá velká context windows, spouští agenty, generuje diffy, testuje, opravuje, znovu generuje. Čím intenzivněji produkt používá, tím dražší může být jeho obsluha.
To je pro business model nepříjemné. Uživatel, který je nejvíc nadšený, může být zároveň nejméně profitabilní.
A tady podle mě přichází logika SpaceX/xAI. Pokud máte vlastní modely, vlastní infrastrukturu a ambici optimalizovat celý stack od compute až po aplikaci, dává vám Cursor větší smysl než běžnému finančnímu investorovi. Můžete snížit závislost na cizích modelech. Můžete protlačit vlastní model. Můžete ladit produkt a model společně. Můžete z nástroje udělat výkladní skříň vlastního AI stacku.
Jinými slovy: Cursor jako samostatný přeprodejce drahých API callů je rizikový business. Cursor jako front-end k vlastnímu AI impériu je strategické aktivum.
Největší riziko: ztráta neutrality
A teď ta část, která mě jako uživatele a vývojáře znepokojuje nejvíc.
Hodnota Cursoru je dnes mimo jiné v tom, že působí modelově neutrálně. Vývojář chce používat nejlepší dostupný model pro konkrétní úkol. Někdy Claude, někdy GPT, někdy Gemini, někdy lokální model, někdy specializovaný coding model. Síla nástroje je v tom, že se nestaví mezi vývojáře a nejlepší řešení.
Pokud ale nový vlastník začne Cursor tlačit hlavně jako distribuční kanál pro Grok nebo interní modely SpaceX/xAI, může se část kouzla ztratit.
Tohle je podle mě největší strategické riziko celé transakce. Ne že by Cursor přestal fungovat. Ale že se z otevřenějšího pracovního prostředí stane uzavřenější ekosystém. A vývojáři jsou na tohle citliví. Jakmile mají pocit, že jim nástroj bere kontrolu, začnou hledat alternativy.
U běžného spotřebitelského produktu můžete uživatele někdy udržet silou ekosystému. U vývojářských nástrojů je to těžší. Vývojáři jsou nároční, skeptičtí a velmi rychle migrují, pokud produkt začne pracovat proti nim.
Je 60 miliard moc?
Moje odpověď je: ano i ne.
Ano, pokud se na to díváme optikou dnešního produktu. Editor, agent, API cally, předplatné, enterprise licence. Z tohoto pohledu je 60 miliard extrémní cena a velmi silná sázka na pokračující růst AI coding trhu.
Ne, pokud se na to díváme jako na nákup strategické vrstvy budoucího vývoje softwaru. Pokud AI agenti skutečně převezmou významnou část programátorské práce, pak rozhraní, přes které se tato práce zadává, kontroluje a nasazuje, bude mít obrovskou hodnotu.
Podle mě se tady nekupuje současný Cursor. Kupuje se možnost, že Cursor bude za pár let něco jako „operační systém vývoje“. Místo, kde se propojí kód, modely, dokumentace, testy, deployment, firemní pravidla, bezpečnostní kontroly a agentní automatizace.
To je obrovská ambice. Ale také obrovské riziko.
Co z toho plyne pro firmy a vývojáře?
Pro firmy je to další varování, že AI tooling už není jen otázka produktivity. Je to otázka závislosti na infrastruktuře. Pokud váš vývojový proces běží přes jeden AI nástroj, jeden model a jednoho dodavatele, měli byste přemýšlet o vendor lock-inu, bezpečnosti dat, auditovatelnosti a možnosti migrace.
Pro vývojáře je to připomínka, že nástroje, které dnes vypadají jako pohodlná vrstva nad kódem, se zítra mohou stát hlavní bránou k práci. A kdo vlastní bránu, ten má vliv na pravidla.
Já osobně Cursor považuji za jeden z nejdůležitějších produktů současné AI éry. Ale právě proto bych byl opatrný, pokud by se z něj stal jen další uzavřený kanál pro jeden modelový ekosystém.
Závěr
Podle mě SpaceX nezaplatil 60 miliard za IDE. Zaplatil za distribuci, data, workflow, enterprise zákazníky a možnost ovlivnit budoucnost vývoje softwaru.
Je to drahé? Ano.
Je to přestřelené? Možná.
Je to nesmysl? Podle mě ne.Nesmysl by to byl jen v případě, že Cursor vnímáme jako editor s API cally. Jenže v AI světě už editor není jen editor. Je to místo, kde se člověk potkává s modelem, kde vzniká software a kde se rozhoduje, kdo bude ovládat další vrstvu digitální práce.
A právě za tuhle vrstvu se dnes platí extrémní peníze.