US a čínské startupy bojují o nejlepší open-source modely

Americký startup vydává open-source model a slibuje, že překoná čínské modely

Společnost Reflection AI v pondělí 5. října 2026 představila Beam, čistě textový model s 501 miliardami parametrů, z nichž je na jeden token aktivních 23 miliard. Model je prozatím dostupný pouze prostřednictvím programu Early Access s čekací listinou a podle společnosti se nachází v závěrečné fázi red-teamingu. Váhy mají být zveřejněny „ještě tento měsíc“ pod licencí Apache 2.0, společně s dokumentací a nástroji pro fine-tuning. V současné době si model nemůže nikdo stáhnout.

Reflection srovnává Beam především s modelem GLM-5.2 od Z.ai, což je Open Weight model s přibližně 744 miliardami parametrů a 40 miliardami aktivních. Podle vlastních údajů dosahuje srovnatelných hodnot v logickém uvažování (reasoning) při třikrát až čtyřikrát nižším výpočetním výkonu pro inferenci (inference-compute), což dokládají hodnoty z testů DeepSWE, Humanity’s Last Exam a Terminal Bench 2.1. Společnost sama toto vyčíslení označuje za „přibližné srovnání výpočetního výkonu“ spíše než za změřené náklady na inferenci; nezahrnuje zpracování vstupního promptu, kontextově závislé operace attention a režii spojenou s poskytováním služeb (serving-overhead). Ve vlastní tabulce společnosti Reflection zaostává Beam ve většině řádků týkajících se kódování za modely GLM-5.3, Kimi K3 a DeepSeek V4.1 Flash. Nezávislé hodnocení prozatím neexistuje.

Společnost uvádí konkrétní čísla k trénovacímu procesu. Začalo se malým prototypem, z něhož vzešla řada stále větších modelů, až po Beam Base. Tento základní model vznikl na clusteru 6 144 grafických karet a byl trénován na 23,8 bilionu tokenů z otevřeného webu a komerčních zdrojů, s vysokým podílem kódu a vlastními filtry pro každý programovací jazyk. Beam Base byl hotový za méně než čtyři týdny, následovala fáze mid-training, která rozšířila kontextové okno a schopnost logického uvažování (reasoning). Pro výpočetně nejnáročnější fázi Reflection nasadil 10 000 karet GB300 a 1,3 miliardy sandboxů pro reinforcement learning pro úkoly jako generování kódu, vyhledávání na webu a provoz agentů. Podle společnosti trvala i tato fáze čtyři týdny, přičemž došlo k 71 chybám s mediánovou dobou restartu osm minut.

Historie financování v pozadí je strmá. Misha Laskin, dříve zodpovědný za reward modeling v projektu Gemini společnosti Google, a Ioannis Antonoglou, spolutvůrce AlphaGo, založili Reflection v březnu 2024 v Brooklynu, původně s cílem automatizovat vývoj softwaru. V březnu 2025 společnost vystoupila ze stealth módu se 130 miliony dolarů při valuaci přibližně 545 milionů dolarů, v červenci 2025 následoval kódovací agent Asimov. V říjnu 2025 Reflection získal 2 miliardy dolarů při valuaci 8 miliard dolarů, mimo jiné od společností Nvidia a Sequoia, s přibližně 60 zaměstnanci, a profiloval se jako otevřená „frontier“ laboratoř pro firmy a vlády. Laskin tehdy zdůvodnil tento směr tím, že DeepSeek a Qwen byly varovným signálem: bez protipohybu budou globální standard pro umělou inteligenci nastavovat jiní.

V roce 2026 přibyla infrastruktura a státní zákazníci. V březnu podepsal Reflection memorandum o porozumění se společností Shinsegae ohledně 250megawattového datového centra v Jižní Koreji, v květnu se společnost stala dodavatelem modelů pro Genesis Mission amerického ministerstva energetiky a obsluhuje tak 17 národních laboratoří. V červnu Reflection potvrdil uzavření kola financování s pre-money valuací 25 miliard dolarů a prostřednictvím compute-deal si zajistil přístup do datového centra Colossus společnosti SpaceX. Hovoří se o objemu 6,3 miliardy dolarů za pronajaté systémy Nvidia-GB300-NVL72, každý se 72 grafickými kartami, na kterých byl Beam trénován. V červenci přislíbila společnost Nebius výpočetní výkon v hodnotě přes jednu miliardu dolarů s čipy GB300 do roku 2029. Podle tohoto podání je Beam prvním otevřeným modelem amerického startupu, který se může v porovnatelných úlohách měřit s čínskými špičkovými modely; od uzavřených „frontier“ modelů si stále udržuje odstup. → implicator, The Information, SiliconANGLE

Synthszr Take: Z 545 milionů na 25 miliard dolarů valuace za patnáct měsíců a účty za to jsou již dávno vystaveny: 6,3 miliardy za pronajaté systémy GB300 přes SpaceX, přes miliardu pro Nebius do roku 2029. Tyto závazky běží, zatímco Beam je stále ve fázi red-teamingu a váhy mají přijít až „později tento měsíc“. Taková valuace je v podstatě předfinancováním výpočetního času, který se musí vrátit v platících zákaznících, a to rychleji, než další vydání z Chang-čou nebo Pekingu opět vyrovná rozdíl. Skutečnost, že Beam ve vlastní tabulce Reflectionu zaostává ve většině řádků týkajících se kódování za modely GLM-5.3, Kimi K3 a DeepSeek V4.1 Flash a že dosud neexistuje žádné nezávislé měření, je pro investory nejdražším detailem tohoto oznámení. Měřítkem pro další kolo financování je 17 národních laboratoří a vládní zákazníci, kteří nakonec účty zaplatí.

Agent Muse od Mety tajně vytváří profilové stránky o přátelích a rodině

Osobní AI agent Muse od společnosti Meta je navržen tak, aby vytvářel „stránku pro každou osobu v životě uživatele“, včetně osobní historie a detailů o vztazích. Tyto interní pokyny zjistil nezávislý výzkumník v oblasti bezpečnosti AI Karan Joshi prostřednictvím běžné chatové konverzace; informoval o tom časopis WIRED 3. října. Podle společnosti Meta se kontext skládá z veřejných informací a informací sdílených samotným uživatelem, jako je například faktura od řemeslníka nebo oblíbené květiny partnera. Současně technologický sloupkař Jason Aten 19. září v časopise Inc. popsal, jak mu Muse nabídl, že prozkoumá rozhovor z jeho podcastu, a označil zprávu o termínu od jeho redaktora, ačkoli přístup ke zprávám zamítl a deaktivoval Full Disk Access. Šéf komunikace společnosti Meta Andy Stone popírá přístup bez těchto oprávnění, šéf spotřebitelského inženýrství David Singleton označuje vysvětlení samotného agenta za zmatené; rozpor zůstává dosud nevyjasněn, porušení práv nebylo nezávisle prokázáno. → Techpresso

Synthszr Take: Překročení hranic zde přichází v podobě nabídky pomoci: agent se neptá na svolení, navrhuje něco, co jste mu nikdy neřekli. Aten odmítl přístup ke zprávám a vypnul Full Disk Access, přesto se najednou na stole objevil e-mail od jeho redaktora s termínem, a zda to byla chyba, notifikační banner nebo něco jiného, dodnes nikdo nedokáže s jistotou říct. Takto působí agent, který neustále běží v cloudu společnosti Meta: zavřete aplikaci, on pracuje dál, a při dalším otevření ví víc než minule.

Bloomberg: Čínské AI modely zaostávají za špičkovými americkými modely už jen o 3 procenta

Náskok amerických AI modelů před čínskými se podle studie agentury Bloomberg zmenšil na přibližně 3 procenta. Jako hlavní důvod analýza neuvádí nové rekordy v hrubém výkonu, ale vysokou efektivitu a nízké náklady na čínské straně. Spouštěčem byla podle druhé zprávy od implicator.ai zářijová událost: po nejnovějším vydání modelu DeepSeek se rozdíl v běžných výkonnostních testech zmenšil právě na tato 3 procenta. Z citovaných zpráv nevyplývá, které skupiny benchmarků jsou do výpočtu zahrnuty a jakou váhu mají jednotlivé testovací sady. → TechOrange 科技報橘

Synthszr Take: Tříprocentní rozdíl se nachází v oblasti, kterou benchmarkové sady již stěží dokážou přesně rozlišit, a otázka, který model je nejlepší, tak ztrácí na praktickém významu. Zajímavé je druhé číslo ze stejného newsletteru: studie vedená Stanfordem zjistila, že levnější model je ve 32 procentech srovnání nakonec dražší, protože potřebuje více průchodů a více tokenů. Čínské laboratoře optimalizují přesně v tomto bodě, protože exportní kontroly čipů jim nedávají na výběr; nedostatek byl po dva roky jejich nejtěžší tréninkovou podmínkou.

GPT-6.1 Sol od OpenAI stojí pětinu ceny modelu Astra a v testu ho poráží

Společnost OpenAI představila na své keynote DevDay 29. září 2026 model GPT-6.1 Sol a podle vlastních slov ho propaguje jako „inteligenci blízkou modelu Astra za pětinu ceny“. Příspěvek o něm na Hacker News nasbíral 1 066 bodů a přes 950 komentářů. Simon Willison, který si z keynote dělal živé poznámky, následně model prohnal svým testem Pelikan-SVG a výsledky považuje za zanedbatelně odlišné od výsledků rodiny GPT-6; testováno bylo několik úrovní Reasoning Effort od Medium po Max. Další komentátor porovnal modely v soutěži Pac-Man-Bakeoff, kde každý model musí vytvořit hratelnou verzi Pac-Mana. GPT 6.1 Sol zde dosáhl 91 bodů za přibližně devět minut běhu a náklady 51 centů. → Simon Willison from Simon Willison’s Newsletter

Pohled Synthszr: V testu Pac-Man stojí jedno spuštění s modelem Sol 51 centů a přináší 91 bodů, zatímco Astra dosahuje 87 bodů za 2,42 dolaru. Vlastní špičkový model z jara je tak ve firemní nabídce nejslabší z hlediska poměru cena/výkon, a OpenAI toto zařazení uvádí přímo v oznámení. Opus 5.5 získává o osm bodů více než Sol, ale za zhruba čtyřnásobnou cenu: Tuto kalkulaci si musí udělat každý tým, který provozuje agenty v nepřetržitém provozu, a výsledek se liší v závislosti na konkrétním úkolu.

Šéf berlínské firmy n8n: Claude nás nezabije

Zakladatel n8n Jan Oberhauser v podcastu Aakashe Gupty vysvětlil, proč jeho nástroj pro automatizaci pracovních postupů nadále roste navzdory Claude Code a Agent Builderu od OpenAI. Když OpenAI 6. října 2025 představilo Agent Builder, mnoho příspěvků prohlašovalo n8n a Zapier za odepsané; podle Oberhausera to byl ale jeden z nejlepších týdnů v historii firmy. V květnu investovala společnost SAP při valuaci 5,2 miliardy dolarů, což je více než dvojnásobek hodnoty z předchozího roku, a integrovala n8n do svého nástroje pro agenty Joule Studio. Podle údajů společnosti má n8n nyní přes 200 000 hvězdiček na GitHubu, 1,5 milionu aktivních uživatelů a 1 200 zákazníků v rámci Enterprise produktu. Oberhauser popisuje rozdíl oproti Claude Code prostřednictvím orchestrační vrstvy: schvalovací kroky před rizikovými akcemi, protokolování každého spuštění uzlu po uzlu včetně restartu od daného bodu, k tomu historie verzí a předávání kolegům prostřednictvím pozvánky místo přes GitHub. → Aakash Gupta from Product Growth

Pohled Synthszr: Oberhauserovy čtyři kroky jsou nejkompaktnějším produktovým manuálem pro agenty, jaký lze v současnosti získat: popsat, schválit, protokolovat, předat. První krok dnes zvládne každý použitelný model v příkazovém řádku, ale o tom, zda proces zůstane jen demem, nebo se dostane do ostrého provozu, rozhodují kroky dva až čtyři. Věta o rozdílu mezi 95% a 100% spolehlivostí popisuje veškerou práci, která je v týmech produktového vývoje momentálně podceňována, protože první výsledek je k dispozici tak rychle.

Mnichovský robotický startup je nyní také jednorožcem (Unicorn)

Mnichovský robotický startup RobCo prodal podle exkluzivní zprávy deníku Wall Street Journal podíly v transakci, která společnost ohodnocuje na více než miliardu dolarů. To je dvojnásobek oproti předchozímu kolu financování ze začátku téhož roku. RobCo vyrábí autonomní průmyslové roboty, které přebírají opakující se manuální činnosti ve výrobních provozech, jako je skládání palet nebo vážení surovin. Novým vlajkovým produktem je dvouramenný, samoučící se robot jménem Alfie, který má podle společnosti napodobovat způsob práce člověka na výrobní lince. → Wall Street Journal

Pohled Synthszr: Zdvojnásobení valuace během jednoho roku, aniž by byla zveřejněna jediná tržba: Zde se oceňuje očekávání, nikoli historie dodávek. Kapitál právě zoufale hledá evropské jméno pro Physical AI, a Alfie dodává přesně ten obraz, který se dobře vyjímá v investičním memorandu: dvouramenná napodobenina humanoida u výrobní linky. Průmyslové roboty se však prodávají na základě parametrů, jako jsou prostoje, dostupnost servisních techniků a víceleté smlouvy o údržbě; předváděcí videa u nákupčích ve středně velkých podnicích příliš nezaváží.

Designér z Notion Nathan Baschez považuje osobní AI agenty za špatnou sázku

Nathan Baschez v hostujícím příspěvku pro newsletter The Leverage argumentuje proti tezi rozšířené v Silicon Valley, že osobní agenti jsou univerzálním řešením pro budoucnost práce. Důvodem je vlna uvádění nových produktů: Podle newsletteru v posledních dvou měsících snad každá firma v okruhu 20 mil od Stanfordu vydala produkt v této kategorii, včetně Grok Bots, Muse a Dots od OpenAI. Vydavatel píše, že při takové shodě ve Valley reflexivně hledá protinázor, a proto oslovil Bascheze. Baschez je v současnosti produktovým designérem v Notion, dříve byl zakladatelem Lex a Every a pracoval v Gimlet Media a Substack; navrhl a vytvořil první verzi Product Hunt. → Nathan Baschez from The Leverage

Pohled Synthszr: Grok Bots, Muse a Dots během dvou měsíců, a všechny tři předpokládají, že práce je individuální sport. Baschezova námitka je trefná, ale zůstává příliš zdrženlivá: To, co zdržuje proces v organizaci, je téměř vždy schválení od někoho s jinými cíli, a na tom ani sebelépe informovaný asistent nic nezmění. Tam, kde automatizace ve firmách skutečně funguje, bylo předem vyjasněno, kdo přebírá odpovědnost v případě nejistoty a od jaké hranice dostane případ na stůl člověk; toto vyjasnění žádný poskytovatel neprodává jako licenci.

OpenAI zavádí textové vodoznaky v API jako dobrovolné, v EU jako povinné

OpenAI nyní umožňuje vývojářům po celém světě aktivovat vodoznaky pro textové výstupy vybraných modelů prostřednictvím API. Funkce je ve výchozím nastavení vypnutá; podle společnosti by si zákazníci měli sami rozhodnout, jak vodoznaky zapadají do jejich povinností transparentnosti a jejich produktů. Aktivace probíhá na úrovni projektu nebo organizace, jednotlivá volání API se poté nemusí upravovat. Současně budou v nadcházejících týdnech texty z ChatGPT a Codex pro uživatele v EU automaticky opatřeny neviditelným vodoznakem, a to napříč všemi tarify. Důvodem je článek 50 zákona EU o umělé inteligenci (AI Act), který zavazuje poskytovatele generativních systémů, aby generovaný text označovali strojově čitelným způsobem; pro poskytovatele, kteří již na trhu působí, běží lhůta do 2. prosince.

Metoda se nazývá textGrain a vkládá do výběru slov modelu statistický signál tím, že při více vhodných alternativách upřednostňuje určitá slova. U delších pasáží tak vzniká vzor, který by měl detektor rozpoznat. OpenAI uvádí, že textGrain ve vlastních testech dosáhl nebo překonal detekční schopnosti nástroje SynthID od Googlu pro text, ale připouští, že dobré výsledky v ideálních podmínkách nezaručují spolehlivou detekci v běžném životě. Technologie má být zveřejněna jako volně dostupný software.

Zveřejněné naměřené hodnoty ukazují limity. Při cílové míře falešně pozitivních výsledků jednoho procenta detektor rozpoznal vodoznaky v přibližně 80 procentech pasáží o 200 tokenech a v zhruba 95 procentech pasáží o 400 tokenech, měřeno na odpovědích na psychologické otázky. U obsahu s menším jazykovým prostorem, jako je matematika, míra úspěšnosti výrazně klesá; kód je rovněž považován za obtížně označitelný. Úpravy signál dále oslabují: Pokud je v pasáži o 400 tokenech nahrazeno 10 procent slov synonymy, klesne úspěšnost detekce z přibližně 92 na 66 procent, při 25 procentech pak na 17 procent.

Detektor OpenAI prozatím nezveřejňuje. O přístup mohou nyní žádat ověření výzkumníci a odborné organizace, přičemž žádosti budou posuzovány individuálně. Nástroj podle společnosti hlásí pouze to, zda je přítomen vodoznak OpenAI, aniž by identifikoval uživatele nebo odhaloval Prompts a konverzace. Pro obrázky a zvuk zůstávají stávající ověřovací nástroje veřejně přístupné, včetně Content Provenance API a Content Credentials podle standardu C2PA, které se používají od roku 2024.

Společnost Anthropic přišla v srpnu s oznámením o vodoznacích pro Claude, avšak s jiným přístupem: Značení se aplikuje na úrovni modelu, a je tedy účinné bez ohledu na to, prostřednictvím jakého produktu nebo rozhraní text vzniká, včetně API. Jako důvod společnost uvedla, že dosud neexistuje spolehlivý způsob, jak tuto technologii regionálně omezit. Anthropic nepopisuje možnost Opt-out pro vývojáře API. Prosincová lhůta se kromě těchto dvou poskytovatelů týká také společností Microsoft, Google a Meta. → OpenAI, The New Stack, Engadget, The Verge

Názor Synthszr: Vodoznak, který je ve výchozím nastavení vypnutý, označuje především výstupy těch, kteří chtějí být transparentní tak jako tak. Spamové farmy, továrny na eseje a dezinformační služby jednoduše nechají přepínač vypnutý a nic je to nestojí. I se zapnutým signálem se důkazní síla rychle rozpadá: při nahrazení 10 procent slov synonymy klesne detekce z 92 na 66 procent, při 25 procentech zbývá 17. Skutečnost, že detektor je přístupný pouze vybraným výzkumným institucím, činí značení pro školy, redakce a soudy v dohledné době prakticky bezcenným. Jako řešení pro splnění článku 50 je to sice elegantní, ale jako nástroj proti zneužití se příliš nehodí; nakonec bude rozhodující varianta, která bude od prosince v EU fungovat automaticky.