Maličký AI model od Mety porazil jednu z nejsilnějších umělých inteligencí světa. Za zlomek ceny
Výzkumníci z Meta AI naučili model s pouhými osmi miliardami parametrů dosáhnout výkonu Claude Opus 4.5 od Anthropicu — jedné z nejdražších komerčních AI na trhu. Rámec EvoHarness-RL ukazuje, že budoucnost firemní umělé inteligence nemusí stát majlant.
Představte si, že váš nejmenší zaměstnanec najednou podává stejné výsledky jako nejdražší konzultant ve firmě. Přesně to se právě stalo ve světě umělé inteligence. Tým výzkumníků z Meta AI a University of Illinois předvedl něco, co ještě před pár měsíci nikdo nepovažoval za možné: model s pouhými osmi miliardami parametrů — v porovnání s frontier modely skutečný trpaslík — dokázal v náročných testech vyrovnat výkon Claude Opus 4.5 od Anthropicu, jedné z nejschopnějších a nejdražších komerčních AI na trhu.
Klíčem k tomuto průlomu je nový tréninkový rámec s názvem EvoHarness-RL. Místo toho, aby se vědci snažili postavit ještě větší a dražší model, zaměřili se na to, jak naučit menší model chytřeji pracovat se svým okolím — sledovat, co se děje, pamatovat si, co fungovalo, a rozhodovat se, kdy má smysl sáhnout po svých nástrojích.
Proč velikost přestává být rozhodující
V posledních letech platilo jednoduché pravidlo: čím větší model, tím lepší výsledky. Firmy jako OpenAI, Anthropic nebo Google trénují modely se stovkami miliard až biliony parametrů. Jejich provoz stojí tisíce dolarů denně a pro většinu českých firem je nasazení takových systémů ve vlastní infrastruktuře prakticky nemyslitelné.
Problém ale nespočívá jen v ceně samotného modelu. Když AI agent řeší složitý úkol — třeba migraci zákaznických dat mezi systémy nebo audit dodržování předpisů — musí průběžně sledovat stav prostředí, pamatovat si dosavadní postup a rozhodovat se, jaký krok udělat dál. Dosud to vyžadovalo buď velmi drahý frontier model, nebo armádu inženýrů, kteří ručně naprogramovali každý krok.
"Optimální nastavení se často mění s každým novým modelem," vysvětluje Xuying Ning, spoluautor výzkumu. "Různé modely mohou potřebovat odlišné prompty, návrh paměti, oprávnění nebo sandboxové konfigurace. Pokud je veškerá tato logika kódována ručně, každý upgrade modelu může vést k dalšímu dlouhému cyklu ladění."
Tři pilíře, které mění pravidla hry
EvoHarness-RL přináší elegantní řešení. Místo toho, aby se model učil ze stále většího objemu dat, učí se efektivněji pracovat se svým takzvaným harnessem — běhovým prostředím, které mu poskytuje zpětnou vazbu z okolního světa. Výzkumníci navrhli systém tří stavových prostorů nazvaný BPE (Belief, Progress, Experience):
- Belief (Přesvědčení): Model průběžně aktualizuje svůj obraz aktuálního prostředí — jaký je stav serveru, co říkají logy, jak vypadá databáze.
- Progress (Postup): Sleduje, které dílčí cíle už splnil a které zbývají, takže nepřeskakuje kroky ani neopakuje hotovou práci.
- Experience (Zkušenost): Ukládá si ponaučení z předchozích úkolů — co fungovalo, co selhalo, jaké vzorce se opakují.
Model komunikuje s tímto systémem prostřednictvím čtyř jednoduchých příkazů: track (sleduj prostředí), commit (aktualizuj postup), recall (vzpomeň si na minulé zkušenosti) a note (zapiš nové poznatky). Výsledkem je AI agent, který se sám naučí, kdy se vyplatí zkontrolovat si stav věcí a kdy může jednat rovnou — přesně tak, jako zkušený manažer.
Čísla, která mluví za vše
Výsledky testů na benchmarku ALFWorld — standardním měřítku pro hodnocení schopnosti AI agentů řešit vícekrokové úlohy — jsou pozoruhodné. Model Qwen3-8B trénovaný rámcem EvoHarness-RL dosáhl úspěšnosti 96,9 %. Pro srovnání:
- Claude Opus 4.5 (Anthropic) — 96,4 %
- GPT-5 (OpenAI) — po nasazení BPE rámce zlepšení o 25,7 procentního bodu
- Základní Qwen3-8B bez EvoHarness — pouhých 47,9 %
Jinými slovy: stejný malý model, který bez speciálního tréninku zvládl ani ne polovinu úkolů, po aplikaci EvoHarness-RL překonal jednu z nejschopnějších AI na světě. Zlepšení činí ohromujících 49 procentních bodů. A co je klíčové pro firmy — provoz osmimiliardového modelu stojí řádově desetiny až setiny toho, co frontier model.
Výzkumníci navíc pozorovali fascinující chování, které nazvali "annealing harnessu" — doslova žíhání. Zpočátku se model při každém kroku spoléhal na své nástroje a neustále si kontroloval stav věcí. Postupně ale rutinní znalosti vstřebal přímo do svých parametrů a nástroje začal používat jen tam, kde to mělo smysl — u nezvyklých situací a neočekávaných chyb. V praxi to znamená nižší latenci a menší spotřebu tokenů, tedy další úspory.
Co to znamená pro české firmy
Důsledky tohoto výzkumu sahají daleko za akademické laboratoře. V posledních měsících jsme informovali o tom, jak firmy po celém světě bojují s nekontrolovaně rostoucími náklady na AI — Uber spálil celý roční rozpočet za čtyři měsíce, zaměstnanec fintechu utratil za tokeny 81 tisíc dolarů za jediný týden, Gartner varoval, že náklady na AI kódování brzy přesáhnou plat průměrného vývojáře.
EvoHarness-RL nabízí alternativu: místo předplácení nejdražších frontier modelů mohou firmy nasadit kompaktní open-source modely na vlastní infrastruktuře nebo v cloudu za zlomek ceny — a dosáhnout srovnatelného výkonu pro většinu praktických úloh. Model s osmi miliardami parametrů běží i na jediné grafické kartě s 24 GB paměti VRAM, což odpovídá běžné pracovní stanici nebo hernímu počítači.
BPE není nutné implementovat jako náhradu současných nástrojů. Může fungovat jako dodatečná vrstva správy stavu, která průběžně organizuje, čemu agent věří, jak daleko pokročil a co se naučil. — Xuying Ning, spoluautor výzkumu
Pro české podniky, které zvažují nasazení AI agentů pro automatizaci procesů — ať už jde o zákaznický servis, analýzu dokumentů, správu IT nebo kontrolu kvality — přináší tato technologie zásadní sdělení: nemusíte čekat na přístup k nejdražším modelům ani utrácet tisíce dolarů měsíčně za API kredity. Chytře trénovaný malý model může zvládnout práci za vás.
Rámec EvoHarness-RL je veřejně dostupný jako akademický výzkum a jeho principy lze aplikovat na řadu open-source modelů. Pro firmy, které chtějí začít experimentovat, je to signál, že éra dostupné enterprise AI právě začíná — a tentokrát ji nemusí řídit jen technologičtí giganti ze Silicon Valley.