Martin Pavlíček

Blog

  • NVIDIA Nemotron 3.5 Lightning: menší model jako pracovní síla pro dlouhodobě běžící agenty

    NVIDIA představila Nemotron 3.5 Lightning, model zaměřený na rychlé vykonávání specializovaných úloh uvnitř agentních systémů. Model využívá architekturu Mixture-of-Experts. Celkově pracuje s desítkami miliard parametrů, ale pro jeden token aktivuje pouze jejich menší část.

    Smyslem není vytvořit dalšího gigantického „všeználka“, který bude řešit úplně všechno. Lightning je navržen například pro opakované volání nástrojů, kontrolu výsledků, jednoduché programovací úlohy, monitoring nebo delegování práce mezi agenty. U vhodně kvantizovaných variant je navíc možné uvažovat i o provozu na jednom výkonném GPU, místo aby každý agentní krok vyžadoval velký cloudový cluster.

    Komentář

    Tady se dobře ukazuje, kam se agentní AI pravděpodobně posouvá. Dávat každému jednoduchému API callu nejvýkonnější dostupný model je podobné, jako kdyby firma povolala seniorního architekta pokaždé, když je potřeba přejmenovat soubor. Fungovat to bude. Jen je to drahé.

    Budoucí agentní systémy proto pravděpodobně nebudou postavené kolem jediného modelu. Budou připomínat hierarchii různě drahých a různě schopných modelů. Velký model vytvoří plán nebo vyřeší těžký problém. Menší modely pak provedou stovky rutinních kroků kolem něj.

    A právě v takovém světě mohou mít modely typu Lightning větší praktický význam, než naznačuje jejich velikost.

    Zdroj

  • xAI představuje Grok 4.6: důraz na dlouhodobé agentní úlohy

    xAI 12. srpna 2026 představilo Grok 4.6, další generaci svého frontier modelu. Model se výrazně zaměřuje na dlouhodobější agentní práci, programování a úlohy, při kterých musí systém postupně provést větší množství kroků místo jediné otázky a odpovědi. Podporuje textové i obrazové vstupy a nabízí velmi rozsáhlé kontextové okno.

    V nezávislých hodnoceních se Grok 4.6 pohybuje mezi nejvýkonnějšími současnými modely a v některých oblastech se dostává velmi blízko systémům typu GPT-5.6 Sol.

    Výsledky jednotlivých benchmarků se ale výrazně liší a není přesné z nich vyvozovat, že Grok 4.6 obecně překonává všechny konkurenční modely.

    Důležitější než několik bodů v benchmarku je posun zaměření: xAI, stejně jako ostatní velké laboratoře, optimalizuje model stále více pro dlouhodobou práci agenta, nikoliv pouze pro jednotlivé chatové odpovědi.

    Komentář

    Tohle je podle mě podstatnější než otázka, zda má Grok v konkrétním žebříčku 67 nebo 69 bodů. AI trh se postupně přesouvá od: „Který chatbot odpoví nejlépe na jednu otázku?“ k mnohem praktičtější otázce: „Který systém dokáže dvě hodiny samostatně pracovat, používat nástroje, průběžně kontrolovat výsledky a na konci skutečně dokončit úkol?“

  • Když AI obejde sandbox: Irregular testuje ofenzivní schopnosti frontier modelů

    S rostoucí schopností AI agentů používat terminál, internet, programovací nástroje a vzdálené služby začíná být stále důležitější nový typ bezpečnostního testování. Jednou ze společností zaměřených právě na tuto oblast je Irregular.

    Firma testuje schopnosti frontier modelů v realistických scénářích kybernetické bezpečnosti a zkoumá, jak se systémy chovají při úlohách zahrnujících hledání zranitelností, exploitaci, pohyb mezi systémy nebo obcházení bezpečnostních omezení.

    Pozornost přitáhl také experiment, při kterém AI agent v testovacím prostředí nalezl cestu mimo původně zamýšlené omezení a kompromitoval infrastrukturu související s Hugging Face. Model dostal cíl, nalezl neočekávanou cestu k jeho splnění a využil slabiny prostředí, které mělo jeho možnosti omezovat. Právě skutečnost, že to dokázal bez explicitního naprogramování konkrétního útoku, je pro bezpečnostní výzkum zajímavá.

    Komentář

    Tady podle mě začíná jedna z nejdůležitějších bezpečnostních debat celé agentní éry. Dokud AI pouze generovala text v chatovacím okně, její chyba většinou skončila nesmyslnou odpovědí. A není vůbec nutné, aby měl model nějaký „zlý úmysl“.

    Stačí kombinace agresivně optimalizovaného cíle, nedostatečně definovaných omezení a zranitelného prostředí. Proto bude red teaming a testování agentních systémů v sandboxech pravděpodobně stejně důležité jako samotný vývoj jejich schopností.

  • Claude zavádí neviditelné vodoznaky: Znamená to konec používání AI jako korektora?

    Společnost Anthropic zavádí do výstupů svého AI modelu Claude takzvané neviditelné vodoznaky. Tento krok, částečně motivovaný snahou vyhovět novému aktu o umělé inteligenci (EU AI Act), funguje jako statistický signál nenápadně vetkaný přímo do generovaného textu. Tento vodoznak není okem viditelný, přežije běžné kopírování i lehké úpravy a má sloužit k identifikaci obsahu, který „prošel přes Claude“. U obrázků a souborů se pak AI spoléhá na metadata standardu C2PA. Systém má ale jedno obrovské úskalí: vodoznak už nijak nerozlišuje, zda umělá inteligence text od nuly kompletně vymyslela a napsala, nebo zda ji autor použil jen jako pokročilou kontrolu pravopisu a stylistiky u svého původního, tvrdě odpracovaného díla. 

    Komentář:

    Snaha o transparentnost obsahu na internetu je pochopitelná, ale plošná implementace neviditelných vodoznaků do textu otevírá Pandořinu skříňku plnou falešných obvinění. Pokud napíšete originální článek, strávíte dny rešeršemi a pak jej jen na závěr protáhnete přes Claude, aby vám opravil překlepy a učesal stylistiku, váš text ponese stejný „cejch“ jako ten nejlacinější, plně vygenerovaný AI spam.

    Tohle povede k modernímu honu na čarodějnice, a to zejména v akademickém, podnikovém a žurnalistickém prostředí. Lidé budou triumfálně ukazovat na detekovaný vodoznak s tvrzením, že „tohle celé napsala umělá inteligence“, přičemž skutečnost bude taková, že si autor jen nechal pomoct s čárkami. A co je na tom celém nejsmutnější? Opravdoví podvodníci a spammeři tento vodoznak stejně snadno zničí (stačí text výrazněji přepsat, prohnat přes jiný nástroj nebo překladač). Ve výsledku tak tento systém potrestá především poctivé tvůrce, kteří berou AI jako moderní nástroj k vylepšení své práce, nikoliv jako náhradu za vlastní myšlení.

    Zdroj:

    Claude has invisible watermarks now. So does it actually matter? – 

  • Meta uvádí Muse Code: Autonomní agent pro kódování, který „pracuje v týmu“

    Meta spustila beta verzi nástroje Muse Code, svého nového agentního řešení zaměřeného na kompletní životní cyklus vývoje softwaru. Na rozdíl od běžných AI asistentů, kteří vám pouze napoví kousek kódu, je Muse Code navržen jako multi-agentní systém poháněný modelem Muse Spark. V praxi to znamená, že na vašem úkolu nepracuje jen jedna „hlava“, ale celý tým specializovaných agentů – zatímco jeden kód píše, další v pozadí probíhá revizi a ladí chyby. Nástroj je plně auditovatelný, což vývojářům umožňuje sledovat každé rozhodnutí AI, a je integrován přímo do terminálu, takže slibuje zrychlení vývoje od prvotního nápadu až po nasazení aplikace v řádu minut. 

    Komentář:

    Meta se tu snaží vyřešit největší problém současných AI kodérů: jejich nespolehlivost při práci na větších projektech. Koncept „multi-agentní orchestrace“ je v teorii fascinující – představa, že máte k dispozici neustále bdělý tým (programátor, tester, recenzent), zní jako splněný sen každého solo vývojáře. Jenže praxe bývá divočejší. Všichni známe „halucinační spirály“, do kterých se AI dostane, když si začne vymýšlet neexistující knihovny nebo se zacyklí v opravování kódu, který už jednou opravila. 

    Zdroj:

    Muse Code | Meta

  • Meta uvádí Muse Glimmer: Výkonná umělá inteligence pro lokální zařízení

    Meta představila Muse Glimmer, open-source AI model s 30 miliardami parametrů (vydaný pod licencí Apache 2.0), který je navržen speciálně pro běh autonomních agentů čistě na lokálních zařízeních. Díky 4bitové kvantizaci a nové technice spekulativního dekódování „DFlash“ se vývojářům podařilo model zkomprimovat pod 20 GB a výrazně urychlit jeho běh. Muse Glimmer tak dokáže fungovat bez připojení ke cloudu na jediné výkonné spotřebitelské grafické kartě, což zajišťuje maximální soukromí a offline dostupnost. Model si poradí s komplexními úkoly, multimodálními vstupy (zpracovává text i obrázky), přesným využíváním nástrojů (tool calling) a dokonce i s automatickým zotavením z chyb, pokud nějaký naplánovaný krok selže.

    Komentář:

    To, že Meta posouvá hranice lokální umělé inteligence pod skutečně svobodnou open-source licencí, je obrovská výhra pro vývojářskou komunitu a zásadní krok kupředu pro ochranu soukromí. Musíme ale číst trochu mezi řádky, zejména pokud jde o sliby ohledně „běžného spotřebitelského hardwaru“. Nacpat 30miliardový model do necelých 20 GB VRAM je sice neuvěřitelný technický kousek, ale v praxi to stále omezuje využití jen na ty nejdražší stroje na trhu – bavíme se o sestavách s RTX 4090/5090 nebo špičkových čipech Apple Silicon (M4/M5 Max). Pro běžného uživatele s normálním notebookem je to zatím nedosažitelné.

    Zdroj:

    https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model

  • USA zakazují dovoz čínských humanoidních robotů a robopsů kvůli národní bezpečnosti

    Spojené státy přistoupily k dalšímu radikálnímu kroku v probíhající technologické válce s Čínou. Administrativa Donalda Trumpa a americká Federální komise pro komunikace (FCC) koncem července 2026 plošně zakázaly dovoz a prodej nových humanoidních a čtyřnohých robotů (tzv. robopsů) od zahraničních, primárně čínských výrobců. Zákaz se opírá o obavy z ohrožení národní bezpečnosti a kybernetických rizik. Podle amerických úřadů tyto pokročilé stroje, které jsou plné kamer, mikrofonů a senzorů, představují obrovské riziko – mohly by totiž masivně sbírat data o Američanech, sloužit k cizí špionáži nebo být dokonce na dálku převzaty nepřátelskými aktéry. Vzhledem k tomu, že Čína aktuálně ovládá zhruba 85 % globálního trhu s humanoidními roboty, jde o naprosto bezprecedentní zásah do celého dodavatelského řetězce.

    Komentář:

    Tento zákaz byl popravdě jen otázkou času. Když si vzpomeneme, jaká panika v USA vládla kolem TikToku kvůli „pouhému“ sběru dat z mobilních telefonů, musela být představa plně autonomního čínského robota, který se volně prochází po amerických továrnách, logistických centrech nebo nedejbože domácnostech, pro tamní bezpečnostní služby doslova noční můrou.

    Na druhou stranu tento krok odhaluje i velkou slabinu samotných Spojených států – zaspaly ve výrobě cenově dostupného pokročilého hardwaru. Čínské společnosti jako Unitree dnes dokážou vyrobit vysoce funkčního robota za zlomek ceny, kterou nabízí západní konkurence (např. Boston Dynamics). Odstřihnutí od čínského trhu sice dočasně ochrání americké občany a vytvoří umělý prostor pro domácí AI a robotické firmy, aby mohly dohnat manko, ale pro americké podniky to znamená obrovskou nevýhodu. Přicházejí totiž o přístup k momentálně nejlevnější a nejdostupnější automatizační technologii na světě. Rýsuje se nám tak obrovský paradox: snaha ochránit americký byznys před špionáží ho může ve finále zpomalit v globálním závodě o masivní automatizaci průmyslu. Technologická železná opona se zase o něco více zatáhla.

    Zdroj:

    https://www.forbes.com/sites/johnkoet

    sier/2026/07/28/united-states-bans-chinese-humanoid–quadruped-robots-citing-national-security/

  • Google představuje TabFM: Revoluce pro tabulková data bez zdlouhavého trénování

    Google přichází s modelem TabFM (Tabular Foundation Model), který slibuje zásadní zjednodušení práce s tabulkovými daty. Až doteď platilo, že pokud jste chtěli z firemních databází (např. pro predikci odchodu zákazníků nebo detekci podvodů) dostat spolehlivé výsledky, museli jste sáhnout po algoritmech typu XGBoost. To znamenalo hodiny a dny manuálního ladění parametrů (hyperparameter tuning) a přípravy datových rysů (feature engineering). TabFM naproti tomu využívá princip „in-context learning“, známý z velkých jazykových modelů. Trénoval se na stovkách milionů syntetických tabulek a dokáže analyzovat složité vztahy v datech takzvaně „zero-shot“ – tedy okamžitě, v jediném kroku a bez nutnosti model jakkoliv dotrénovávat pro konkrétní dataset. Google jej navíc brzy integruje přímo do svého datového skladu BigQuery, kde k pokročilé predikci postačí jednoduchý SQL příkaz. 

    Komentář:

    Nápad aplikovat logiku, kterou známe z ChatGPT, na nudné excelové či databázové tabulky zní z pohledu běžného byznysu naprosto snově. Odstranění „černé magie“ spojené s laděním parametrů by mohlo otevřít pokročilou datovou analytiku i menším firmám, které si nemohou dovolit platit drahé týmy data scientistů. Má to ale jeden zásadní háček – TabFM je trénován čistě na syntetických, uměle vygenerovaných datech, protože sdílet reálná průmyslová data je kvůli citlivosti téměř nemožné. Otázkou tedy zůstává, jak si model poradí s „špinavými“ daty reálného světa – s chybějícími hodnotami, lidskými chybami při zadávání nebo s nestandardními formáty, se kterými si zkušení analytici u tradičních modelů musejí ručně poradit. Funkce „zadej SQL příkaz a dostaneš výsledek bez námahy“ zní skvěle pro management, ale reálně hrozí, že uživatelé bez hlubších znalostí strojového učení začnou dělat byznysová rozhodnutí na základě predikcí, u kterých vůbec nebudou tušit, jak k nim model dospěl. 

    Zdroj:

    https://research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data

  • Alibaba uvádí Qwen 3.8 Max: Nový král mezi open-weight modely

    Čínský technologický gigant Alibaba představil Qwen 3.8 Max, svůj dosud největší a nejvýkonnější model umělé inteligence. Tento obří multimodální systém s 2,4 biliony parametrů (přičemž při generování využívá 95 miliard aktivních parametrů díky architektuře Mixture-of-Experts) posouvá laťku v oblasti programování a autonomních agentů. Během testování model údajně dokázal celých 16 dní naprosto samostatně řídit vývoj softwarového projektu nebo úspěšně spravovat síť e-shopů. Ve světových žebříčcích směle konkuruje i těm nejlepším modelům ze Západu. Tím největším překvapením ale je, že Alibaba tento obří model – a spolu s ním i jeho menší 27miliardovou verzi pro běžnější hardware – uvolňuje veřejnosti (open-weights), čímž z něj dělá momentálně největší volně dostupný model na světě. 

    Komentář:

    Zatímco americké společnosti jako OpenAI nebo Anthropic si své nejvýkonnější (frontier) modely úzkostlivě střeží za placenými API, čínská Alibaba tímto tahem ukazuje ohromné sebevědomí a tak trochu hází západní konkurenci rukavici do ringu. Uvolnění takto obrovského modelu je pro open-source komunitu svátek, ale musíme zůstat nohama na zemi. Model o velikosti 2,4 bilionu parametrů v nekomprimované podobě zabírá necelých 5 TB na disku a jeho provoz vyžaduje serverový hardware za miliony. Vývojářská komunita sice model okamžitě drasticky „ořezává“ pomocí kvantizace (např. přes nástroj Unsloth), aby fungoval i s mnohem menší pamětí, ale pro 99 % vývojářů bude reálně mnohem zajímavější onen menší 27B model, který lze spustit i na silnějším PC. 

    Zdroj:

    https://qwen.ai/blog?id=qwen3.8

  • Nový model – Kimi K3

    Čínský startup Moonshot AI předvedl obrovský skok na poli otevřené umělé inteligence a představil Kimi K3. Jedná se o masivní model s 2,8 bilionu parametrů, který přináší kontextové okno o velikosti 1 milionu tokenů a pokročilé multimodální schopnosti včetně vizuálního uvažování. To, co ale vývojářskou komunitu zasáhlo nejvíce, jsou jeho výsledky. V nezávislých benchmarcích (jako je například Arena.AI) se model dokáže sebevědomě vyrovnat, a v některých případech dokonce i překonat, špičkové proprietární modely jako jsou Claude Fable 5 nebo GPT-5.6 Sol. Společnost navíc slíbila brzké a kompletní uvolnění vah modelu pro veřejnost. 

    Zdroj:

    • https://www.kimi.com/blog/kimi-k3

    Komentář:

    • Model, který svými reálnými vlastnostmi dosahuje na prémiovou kvalitu Fable, na API stojí přibližně tolik, co Claude Sonnet, a přitom je díky uvolněným vahám celý zdarma k provozu on-premise… tomu říkám pořádná konkurence. Tento krok jasně ukazuje, že otevřená scéna dokáže nabídnout absolutně špičkový výkon a narušit dominanci uzavřených komerčních modelů. Pro všechny, kteří chtějí výkonnou AI a zároveň potřebují držet svá data v bezpečí na vlastním hardwaru, je to fantastická zpráva.