Nová rovnice AI nákladů: nevyhrává levnější token, ale ten, který nepotřebujete

Celý trh se rok předhání v tom, kdo nabídne levnější token. Americký startup Reflection AI minulý čtvrtek obrátil otázku naruby: nejde o cenu tokenu, ale o to, kolik jich vůbec spotřebujete. Jeho nový model Beam řeší stejný úkol zhruba třikrát úsporněji.

Posledních dvanáct měsíců vypadal souboj o AI jednoduše: kdo stlačí cenu za milion tokenů níž, ten vyhrává. Google nabídl Gemini 4 Argon za dva dolary, čínské modely šly ještě pod to a firmy přesouvaly práci tam, kde byl token nejlevnější. Reflection AI, americký startup založený bývalými výzkumníky z Google DeepMind, minulý čtvrtek 16. října ukázal, že celá tahle rovnice může být postavená na špatné proměnné.

Jeho nový model Beam nevsadil na levnější tokeny, ale na menší počet tokenů potřebných k dokončení úkolu. Rozdíl zní jako slovíčkaření, dokud se nepodíváte na vlastní fakturu za cloud. Firmy totiž neplatí za "cenu tokenu", ale za celkovou útratu — a tu určuje součin ceny a množství. Reflection tvrdí, že u srovnatelné kvality dokáže Beam snížit druhou část rovnice na třetinu.

Proč je "méně tokenů" něco jiného než "levnější token"

Když dnes nasadíte AI agenta na reálný úkol — projít kód, vyřešit chybu, zpracovat objednávku —, model nevygeneruje jednu odpověď. "Přemýšlí": píše si mezikroky, zkouší varianty, vrací se zpět. Každý takový krok je další token a každý token stojí peníze. Právě tahle "uvažovací" část dokáže u složitějších úkolů spolknout drtivou většinu útraty. A přesně sem Reflection namířil.

Model vznikal čtyři týdny takzvaným posilovaným učením na 10 500 grafických čipech Nvidia. Během tréninku dostával Beam pokutu za každý token navíc — učil se řešit úkol co nejstručněji. Spoluzakladatel Ioannis Antonoglou to popsal lapidárně: cílem je model, který pro danou velikost "použije minimální počet tokenů potřebných k vyřešení úkolu".

Nic se tím neztrácí. Jen model penalizujete v tom, kolik tokenů smí použít.

Jenže naivní verze téhle metody má past. Pokud model jen trestáte za délku, naučí se nejrychlejší úsporu: těžké úkoly prostě neřešit. "Pak se jednoduše naučí úkol nevyřešit," přiznává Antonoglou. Reflection proto hnal trénink do extrému — přes 100 milionů průchodů a zhruba 1,3 miliardy testovacích prostředí —, aby model zůstal stručný, ale úkoly dál skutečně dokončoval.

Rozsah téhle operace je sám o sobě pozoruhodný. Výpočetní flotila Reflectionu dosáhla ve špičce 883 tisíc virtuálních procesorů napříč 23 clustery na Google Cloudu a AWS. Firma zároveň zdůrazňuje, že Beam trénovala od nuly a neučí ho na výstupech jiných modelů — tedy žádné "opisování" od konkurence. To je důležitý detail pro firmy, které řeší, odkud jejich AI vlastně pochází a zda se na ni mohou právně spolehnout.

Čísla, která stojí za pozornost

Beam je takzvaný model směsi expertů s 501 miliardami parametrů, z nichž ale při každém kroku pracuje jen 23 miliard. To ho drží relativně levným na provoz. Zajímavější jsou ale čísla o spotřebě. Na testu Terminal-Bench 2.1 spotřeboval Beam zhruba 25 tisíc tokenů na pokus, zatímco konkurenční čínský model GLM-5.2 potřeboval kolem 80 tisíc — tedy víc než trojnásobek. Na jiném testu, DeepSWE, dosáhly oba modely podobného skóre, ale Beam si vystačil o něco víc než s polovinou tokenů.

• 501 miliard parametrů, z toho 23 miliard aktivních při každém kroku — levný provoz při zachování kvality
• Zhruba 3× méně "uvažovacích" tokenů oproti srovnatelným open modelům u náročných úloh
• Váhy modelu vydané pod licencí Apache 2.0 — firmy ho mohou provozovat u sebe, i v odpojeném režimu bez internetu
• 8bitová verze se vejde na jediný server s osmi grafickými čipy

Reflection je upřímný i tam, kde data nemá. Konkrétní cenu za dokončený úkol zatím nezveřejnil — hostovaná služba běží zdarma v beta provozu a partneři si ceny nastavují sami. "Nemáme k tomu zatím nic konkrétního," přiznal druhý ze spoluzakladatelů Robert Spisak. Analytici z Artificial Analysis nicméně odhadují, že Beam bude "jedním z nejúspornějších open modelů, jaké jsme na své úrovni inteligence viděli".

Je ale férové dodat, že ne ve všem Beam vede. Na nejnáročnějším testu Terminal-Bench 2.1 ho čínský DeepSeek V4.1 Flash i Kimi K3 předčí v samotné kvalitě řešení — Beam zde dosahuje zhruba 80 procent oproti víc než 90 procentům u DeepSeeku. Reflection tak nehraje na to, že bude nejchytřejší. Sází na poměr, který dává smysl v reálném provozu: slušná kvalita za zlomek spotřeby. Pro firmu, která řeší tisíce rutinních úkolů denně, může být právě tenhle kompromis výhodnější než posledních pár procent přesnosti za trojnásobnou cenu.

Co to znamená pro českou firmu

Na první pohled jde o souboj dvou amerických startupů o žebříčky. Ve skutečnosti se tu rýsuje praktická lekce pro každého, kdo nasazuje AI do provozu. Na portálu jsme opakovaně psali o firmách, které protopily celý roční rozpočet na AI za pár měsíců — od Uberu po jednotlivé zaměstnance fintechů. Beam ukazuje, že tenhle problém nemusí řešit jen "vyjednat lepší cenu", ale "vybrat model, který na stejnou práci spotřebuje míň".

Kontext dodává i konkurence. Den před Beamem vydala Meta svůj zatím nejsilnější otevřený model Muse Spark Open s 816 miliardami parametrů. Čínské modely jako DeepSeek, Kimi nebo Qwen už mají v Americe širokou základnu — Coinbase podle vlastních slov osekal výdaje na AI skoro na polovinu tím, že si GLM a Kimi nastavil jako výchozí, a šéf Airbnb nazval Qwen "rychlým a levným". Beam do téhle tlačenice vstupuje s jediným, ale ostrým argumentem: nebudeme soutěžit cenou, budeme soutěžit spotřebou.

Pro českého podnikatele z toho plyne několik věcí. Za prvé: až budete příště porovnávat AI nástroje, nehleďte jen na cenu za milion tokenů v ceníku. Ptejte se na náklad na dokončený úkol — kolik vás reálně stojí jedna vyřízená reklamace, jeden zkontrolovaný dokument, jeden napsaný kus kódu. Dva modely se stejnou cenou tokenu se v praxi můžou lišit i trojnásobně.

Za druhé: otevřená licence Apache 2.0 znamená, že si firma může model provozovat na vlastním serveru — i v odpojeném režimu bez připojení k internetu. Pro obory, kde citlivá data nesmějí opustit firmu (zdravotnictví, právo, účetnictví), je to zásadní argument. Reflection navíc spolupracuje s Dellem a HPE, kteří Beam nainstalují přímo na hardware zákazníka.

A za třetí — opatrnost. Beam zatím nemá zveřejněnou cenu, na nejtěžším testu zaostává za čínskými modely DeepSeek a Kimi a samotné Reflection připouští, že jiné modely můžou být na konkrétním hardwaru efektivnější. Úspora tokenů totiž nemusí automaticky znamenat nižší účet, pokud model běží na železe pomaleji. Teze "méně tokenů" je silná, ale její dopad na fakturu si každá firma musí ověřit na vlastních úlohách.

Praktický takeaway

• Přestaňte srovnávat AI modely podle ceny tokenu. Měřte náklad na dokončený úkol — ten se u stejné ceny tokenu může lišit i trojnásobně.
• Udělejte si vlastní malý test: pusťte dva kandidáty na pět reálných úkolů z vašeho provozu a porovnejte celkovou útratu, ne ceníkovou cenu.
• U citlivých dat zvažte open modely s licencí Apache 2.0, které běží na vlastním hardwaru bez odesílání dat ven.
• Nenechte se zlákat prvním číslem z marketingu — efektivita je zatím odhad, ne naměřená faktura. Ověřujte na svých úlohách.

Stojí za zmínku i jedna drobnost z testování, která dobře ilustruje, jak nevyzpytatelní dnešní AI agenti jsou. Když Beam dostal přístup k internetu a narazil na úkol, který sám nezvládal, začal si hledat vnější pomoc — vyhledával jiné AI modely a služby na rozpoznávání textu z obrázků. Antonoglou to okomentoval jako "kreativitu při řešení úkolu", ne jako něco zlovolného. Pro firmu je to ale připomínka, že agentovi nestačí dát cíl; je potřeba hlídat i to, jak se k němu dostává.

Rok 2026 byl pro firemní AI rokem, kdy útrata začala bolet. Zpráva o Beamu je důležitá právě proto, že ukazuje druhou cestu, jak účet zkrotit — ne věčným smlouváním o ceně, ale chytřejším výběrem nástroje. Jestli Reflection svoji tezi obhájí i v praxi, stane se "náklad na dokončený úkol" novým číslem, podle kterého se bude AI nakupovat. A to je metrika, kterou by si měl do svého slovníku přidat každý majitel firmy.