AI agent běží na Raspberry Pi: Liquid AI rozbíjí mýtus, že umělá inteligence potřebuje cloud
Představte si, že váš AI asistent nepotřebuje internet, neposílá data do cloudu a běží na zařízení za tisíc korun. Startup Liquid AI právě vydal model, který to umožňuje — a pro firmy pracující s citlivými daty to může být zlomový okamžik.
Když se řekne umělá inteligence, většina lidí si představí obří datová centra, stovky grafických karet a měsíční účty za cloudové API v řádu tisíců dolarů. Startup Liquid AI, založený bývalými vědci z MIT, právě dokázal, že to jde i jinak. Jejich nový model LFM2.5-2.6B běží na zařízeních tak malých jako Raspberry Pi — jednodeskový počítač za tisícovku — a přitom zvládne plnohodnotné agentní úlohy, které donedávna vyžadovaly připojení k serverům technologických gigantů.
Když 2,6 miliardy parametrů vejdou do kapsy
LFM2.5-2.6B je jazykový model s 2,6 miliardami parametrů, který Liquid AI navrhla výhradně pro takzvané agentní úlohy — automatizaci pracovních postupů, volání externích nástrojů, správu dokumentů a kalendářů. Na rozdíl od velkých modelů jako GPT-5.6 nebo Claude Fable, které vyžadují výkonné cloudové servery, tento model běží celý na procesoru běžného počítače.
Čísla jsou pozoruhodná. Model podporuje kontextové okno o délce 128 tisíc tokenů — dostatečné pro zpracování rozsáhlých dokumentů nebo vícehodinových agentních workflow. Při běhu zabere méně než 2,5 GB operační paměti. Na Apple M5 Max generuje přibližně 220 tokenů za sekundu, na běžném smartphonu kolem 30 tokenů za sekundu. I na Raspberry Pi, zařízení s cenou pod tisíc korun, model funguje dostatečně svižně pro praktické nasazení.
Maxime Labonne, vedoucí post-tréninku v Liquid AI, k tomu říká: „Myslím, že nejlepší příklad je Raspberry Pi. Máme spoustu demonstrací, které ukazují, že na něm model běží překvapivě rychle.“ Model je k dispozici jako open-weight na platformě Hugging Face s podporou všech hlavních inferenčních frameworků včetně llama.cpp, vLLM a ONNX.
Konec měsíčních účtů za AI tokeny
Pro české podnikatele má tato zpráva bezprostřední praktický dopad. Většina firem, které dnes experimentují s umělou inteligencí, platí za každý dotaz prostřednictvím cloudových API — ať už jde o OpenAI, Anthropic nebo Google. Měsíční náklady na AI tokeny se u středních firem běžně pohybují v desítkách tisíc korun a rostou s každým dalším zaměstnancem, který AI používá. Nedávno se objevily zprávy o firmách, které proplýtvaly celý roční AI rozpočet za pouhé čtyři měsíce.
Model běžící lokálně tyto náklady eliminuje. Po jednorázovém nasazení jsou jediným výdajem náklady na elektřinu a údržbu hardwaru. Pro firmy s opakujícími se, dobře definovanými úkoly — zpracování faktur, správa kalendáře, automatické odpovědi, třídění interní dokumentace — to znamená úspory v řádu statisíců korun ročně.
Ale peníze nejsou to hlavní. Zásadní je ochrana dat. V regulovaných odvětvích — zdravotnictví, právní služby, finance, státní správa — je posílání citlivých informací do cloudu často právní i bezpečnostní problém. Evropská regulace AI, která vstoupila v platnost na začátku srpna 2026, navíc zpřísňuje požadavky na transparentnost a kontrolu nad daty. Model běžící na lokálním zařízení tento problém řeší v základu: data nikdy neopustí firemní síť. Neexistuje API, které by mohl někdo odposlouchávat, neexistuje cloudový poskytovatel, kterému musíte důvěřovat.
Modely dnes nejsou konzumovány v chatbotech. Jsou konzumovány přes agentní systémy. Chtěli jsme zajistit, aby tento model nebyl jen dobrý v matematice nebo kódu, ale aby uměl používat nástroje. — Maxime Labonne, Liquid AI
Výkon, který překvapí i skeptiky
Malé jazykové modely mají historicky špatnou pověst. Většina z nich nedokázala spolehlivě plnit složitější úkoly a hodila se maximálně na jednoduché doplňování textu. Liquid AI tvrdí, že LFM2.5-2.6B je jiný — a benchmarky to potvrzují. V testech zaměřených na dodržování instrukcí model překonává všechny konkurenty včetně modelů čtyřikrát větších.
V klíčovém testu používání nástrojů ToolSandbox dosáhl skóre 77,83 bodu — více než model Qwen3.5-9B od Alibaby s 9,7 miliardami parametrů, tedy téměř čtyřnásobně větší model. Nezávislý test platformy Atomic Chat přinesl ještě působivější výsledek: LFM2.5-2.6B zvládl 35 volání nástrojů při třech praktických úlohách — kontrola počasí a místního času v šesti městech, konverze rozpočtu do šesti měn, kontrola a rezervace hotelů — a to 3,7× rychleji než DeepSeek-V4-Flash, model s 284 miliardami parametrů.
- 2,6 miliardy parametrů — jeden z nejmenších plnohodnotných agentních modelů na trhu
- 128 000 tokenů kontextové okno pro dlouhé dokumenty a komplexní workflow
- Méně než 2,5 GB operační paměti při běhu
- 220 tokenů/s na Apple M5 Max, 30 tokenů/s na chytrém telefonu
- Trénován na přibližně 34 bilionech tokenů
- Nativní podpora volání nástrojů a agentních frameworků
- Open-weight licence s komerčními omezeními — kontrola právním oddělením doporučena
Tajemství úspěchu spočívá ve způsobu trénování. Na rozdíl od většiny modelů, které se učí na izolovaných benchmarcích, byl LFM2.5-2.6B trénován přímo uvnitř skutečných agentních systémů — včetně platforem OpenClaw a Hermes Agent. Poslední fáze tréninku využívala reinforcement learning v reálných produktivních scénářích: výzkum, psaní kódu, správa dokumentů, volání nástrojů a automatizace workflow. Model tak nezná jen teorii, ale i praxi reálných pracovních postupů.
Co to znamená pro váš byznys
Pokud provozujete firmu v regulovaném odvětví, pracujete s citlivými daty nebo jednoduše chcete snížit měsíční náklady na AI, LFM2.5-2.6B otevírá zcela novou kategorii možností. Představte si AI asistenta, který běží nepřetržitě na pozadí vašeho telefonu nebo notebooku. Kontroluje váš kalendář, připravuje podklady pro schůzky, spravuje dokumenty a automatizuje rutinní úlohy — a přitom žádná data neopustí vaše zařízení.
Chceme proaktivní agenty. Agenty, kteří běží na pozadí, sledují co děláte, kontrolují váš kalendář a na základě tohoto kontextu plní úlohy. To dnes ve skutečnosti neexistuje. — Maxime Labonne, Liquid AI
Pro IT oddělení je lákavá i flexibilita nasazení. Jeden model lze využít pro různé účely pouhým přepnutím nástrojů kolem něj — bez přetrénování, bez nového nasazení. Kalendářový asistent se změní v asistenta pro zápisy ze schůzek jednoduchou změnou konfigurace. Labonne to shrnuje: „Neměníte model, jen měníte nástroje kolem něj. To dává mnohem větší univerzálnost a je to výrazně levnější.“
Samozřejmě existují limity. Pro náročné programátorské úlohy, hlubokou analýzu nebo komplexní kreativní práci zůstávají velké cloudové modely lepší volbou. LFM2.5-2.6B nenahrazuje GPT-5.6 Sol nebo Claude Fable — doplňuje je tam, kde velké modely nemohou nebo nemají fungovat. Labonne doporučuje model doladit pro konkrétní firemní úlohy: „Pokud model nedoladíte, necháváte na stole kvalitu. Pokud ho doladíte dobře, dosáhne výkonu GPT a Clauda — tedy pokud váš úkol není ten nejsložitější na světě.“
Bariéra vstupu se přitom dramaticky snížila. Fine-tuning dnes zvládne i menší tým bez specializovaných inženýrů strojového učení a Liquid AI k modelu poskytuje open-source framework LEAP. Éra, kdy umělá inteligence vyžadovala drahé cloudové předplatné a odesílání dat na servery velkých korporací, se možná chýlí ke konci. Minimálně pro ty úlohy, které to skutečně nepotřebují.