Porovnanie open-source LLM modelov v 1Q 2026

TL;DR: Open-source lokálne LLM modely dosiahli v 1Q 2026 úroveň, kde bežne prekonávajú proprietárne API. Gemma 4 31B vedie s 85,2 % na MMLU-Pro. Qwen 3.5 9B dosahuje 82,5 % na MMLU-Pro — viac než GPT-OSS-120B. Llama 4 Scout ponúka 10M tokenov kontextu. GLM-5 s 92,7 na AIME 2026 je najsilnejší open-source model na matematiku. Llama 4 Scout ponúka 10M tokenov kontextu. Výber závisí od hardvéru, typu úloh a rozpočtu.

Porovnanie open-source LLM modelov: benchmarky, VRAM a licencie

Tu je jedna tabuľka, ktorá ukazuje rozdiely medzi najsilnejšími open-source modelmi v 1Q 2026. Každé číslo pochádza z oficiálneho zdroja.

Model	MMLU-Pro	Kód (LiveCodeBench v6)	Math (AIME 2026)	VRAM (BF16)	Kontext	Licencia
GLM-5 (744B/40B akt.)	—	—	92,7	enterprise	205K	MIT
Gemma 4 31B	85,2 %	80,0 %	89,2 %	~58 GB	256K	Apache 2.0
Gemma 4 26B MoE	82,6 %	77,1 %	88,3 %	~48 GB	256K	Apache 2.0
DeepSeek-R1	84,0 %	—	—	~120 GB	128K	MIT
Qwen 3.5 9B	82,5 %	65,6 %	92,5	~18 GB	262K	Apache 2.0
Llama 4 Scout (109B/17B akt.)	74,3 %	32,8 %	—	~55 GB (Q4)	10M	Llama
EXAONE 3.5 32B	—	—	—	~64 GB	32K	vlastná
DeepSeek LLM 67B	—	> LLaMA-2 70B	> LLaMA-2 70B	~134 GB	128K	vlastná

Zdroje: Google DeepMind, 2026, DeepSeek-R1, 2025, DeepSeek-AI, 2024, LG AI Research, 2024, Meta Llama 4, Qwen 3.5, GLM-5

Gemma 4: najvyváženejší model od Google

Google vydal Gemma 4 v apríli 2026. Model 31B obsadil 3. miesto na Arena AI text leaderboarde medzi open modelmi. MoE varianta 26B A4B aktivuje len 4 miliardy z 26 miliárd parametrov, čo výrazne znižuje nároky na výpočtový výkon (Google DeepMind, 2026). Gemma 4 je multimodálna (text, obraz, video, audio) a podporuje kontext až 256K tokenov. Pre menšie nasadenia existujú varianty E2B (~10 GB VRAM) a E4B (~15 GB VRAM).

Qwen 3.5 9B: prekvapenie roka

Alibaba Qwen 3.5 9B dosiahol 82,5 % na MMLU-Pro — viac než GPT-OSS-120B (80,8 %). Pre 9-miliardový model je to výnimočný výsledok. Na AIME 2026 dosiahol 92,5 — čo je viac než Gemma 4 31B (89,2). Podporuje kontext 262K tokenov a beží na jednom GPU s ~18 GB VRAM (Qwen 3.5, Hugging Face). Pre tímy s obmedzeným hardvérom je to najlepšia voľba pomeru výkon/veľkosť.

Llama 4 Scout: 10 miliónov tokenov kontextu

Meta vydala Llama 4 Scout v apríli 2026. Architektúra MoE s 17B aktívnymi parametrami a 109B celkovými. Hlavná výhoda: 10 miliónov tokenov kontextu — najdlhší z akéhokoľvek verejne dostupného modelu. Na MMLU-Pro dosiahol 74,3 % a na GPQA Diamond 57,2 % (Meta Llama 4). S Q4 kvantizáciou beží na ~55 GB VRAM. Pre prácu s extrémne dlhými dokumentmi (celé kódové repozitáre, právne spisy) je bez konkurencie — podobne ako pri meraní viditeľnosti v AI vyhľadávačoch, kde dlhý kontext pomáha analyzovať rozsiahle výstupy.

GLM-5: najsilnejší open-source model

Zhipu AI GLM-5 má 744 miliárd parametrov (40B aktívnych), MIT licencia, trénovaný výlučne na Huawei Ascend čipoch. Na AIME 2026 dosiahol 92,7 — blízko Claude Opus 4.5 (93,3). Na SWE-bench Verified dosiahol 77,8 % (#1 open-source). Na Humanity's Last Exam s nástrojmi dosiahol 50,4 % (GLM-5, Hugging Face). Vyžaduje enterprise hardvér (8× A100/H100), ale ukazuje kam sa open-source posúva.

DeepSeek: silná voľba pre kód a reasoning

DeepSeek-R1 dosiahol 84,0 % na MMLU-Pro (DeepSeek-R1, 2025). Pre kódovanie a logické úlohy je zaujímavý DeepSeek LLM 67B, ktorý prekonal LLaMA-2 70B v kóde, matematike a logickom uvažovaní (DeepSeek-AI, 2024).co/zai-org/GLM-5">MIT licencia), ale s 744B parametrami a požiadavkou 8× A100 nie je reálna lokálna voľba.

EXAONE 3.5 32B: špecialista na dlhé dokumenty

EXAONE 3.5 32B od LG AI Research dosiahol top výkon v testoch pre dlhý kontext medzi modelmi podobnej veľkosti (LG AI Research, 2024). Hodí sa na prácu so zmluvami, internými smernicami a rozsiahlou dokumentáciou. Kontext podporuje do 32K tokenov.

Open-source LLM vs API: lokálne alebo cez cloud: kedy sa oplatí čo

Rozhodnutie medzi lokálnym nasadením a API nie je o tom, ktorý model je lepší. Je o tom, čo ti dáva väčší zmysel ekonomicky a prevádzkovo. Kedy lokálne nasadenie:

• Spracúvaš citlivé firemné dáta (zmluvy, HR dokumenty, interné procesy)

• Máš stabilnú, predvídateľnú záťaž (denne tisíce požiadaviek rovnakého typu)

• Chceš predvídateľný mesačný rozpočet bez prekvapení

• Potrebuješ plnú kontrolu nad dátami a infraštruktúrou

Kedy API model:

• Štartuješ pilot a nevieš odhadnúť objem

• Nepotrebuješ spravovať GPU a monitoring

• Variabilná záťaž — platíš len za to, čo použiješ

• Chceš špičkovú kvalitu bez infraštruktúrnej réžie (podobný kompromis rieši aj porovnanie AI vyhľadávačov)

Ak ťa zaujíma, ako rôzne AI modely spracúvajú a citujú webový obsah, pozri porovnanie AI vyhľadávačov.

Hardvér a serving: čo reálne potrebuješ

Benchmark nezohľadní tvoj GPU, latenciu ani routing. Pri výbere modelu začni od hardvéru. VRAM požiadavky podľa modelu:

Model	VRAM	Poznámka
Qwen 3.5 9B	~18 GB	RTX 4070 Ti a vyššie, najlepší pomer výkon/veľkosť
Gemma 4 E2B	~10 GB	Beží na bežnej grafike (RTX 3060+)
Gemma 4 E4B	~15 GB	RTX 4070 Ti a vyššie
Gemma 4 26B MoE	~48 GB	2× RTX 4090 alebo A6000
Llama 4 Scout (Q4)	~55 GB	2× RTX 4090, 10M kontext
Gemma 4 31B	~58 GB	A100 80GB alebo 2× A6000
EXAONE 3.5 32B	~64 GB	A100 80GB
DeepSeek-R1	~120 GB	Multi-GPU setup
DeepSeek LLM 67B	~134 GB	Multi-GPU setup
GLM-5	enterprise	8× A100/H100 minimum

Zdroj VRAM pre Gemma 4: Google DeepMind, 2026, Llama 4 Scout: Meta Pre väčšinu tímov sú najzaujímavejšie tri voľby: Qwen 3.5 9B (ak máš jednu GPU s 18+ GB), Gemma 4 26B MoE (ak máš 2× RTX 4090) alebo Llama 4 Scout (ak potrebuješ extrémne dlhý kontext). Pri viacmodelových architektúrach (routing rôznych úloh na rôzne modely) pomáha simulácia serving vrstvy pred nákupom hardvéru. Na monitorovanie výkonu nasadených modelov sa hodia nástroje na AI optimalizáciu. Framework LLMServingSim 2.0 rieši analýzu heterogénnych konfigurácií (Zhang, H. et al., 2026). Routing medzi modelmi pokrýva benchmark LLMRouterBench s 400 000+ prípadmi a 33 modelmi (Liu, Y. et al., 2026).

Ako vybrať model pre tvoj tím

Nerob výber podľa leaderboardu. Drž sa troch krokov:

Definuj úlohy. Pre kód a reasoning zváž DeepSeek, Qwen 3.5 alebo GLM-5 (enterprise). Ak tvoj tím rieši aj GEO optimalizáciu pre AI, výber modelu ovplyvní aj kvalitu generovania obsahu. Pre dlhé dokumenty Llama 4 Scout (10M kontext) alebo EXAONE 3.5. Pre vyvážený výkon na jednej GPU — Qwen 3.5 9B. Pre multimodálnu prácu — Gemma 4.

Over hardvér. Ak máš RTX 4070 Ti (16 GB), Qwen 3.5 9B zvládneš. Ak máš RTX 4090 (24 GB), Gemma 4 E4B bez problémov. Pre väčšie modely potrebuješ multi-GPU alebo cloud. Viac o tom, aké faktory ovplyvňujú výber.

Testuj na vlastných dátach. Zober reálne firemné zadania a porovnaj 2-3 modely v rovnakých podmienkach — rovnaké prompty, rovnaký hardvér, rovnaké eval úlohy. Benchmark na vlastných dátach je presnejší než akýkoľvek verejný leaderboard.

Ak riešiš aj viditeľnosť svojho webu v AI odpovediach, zisti čo je GEO optimalizácia a aké faktory ovplyvňujú optimalizáciu pre AI vyhľadávače.

Často kladené otázky

Ktorý open-source LLM je najlepší na kód a logiku v roku 2026?

Pre kód a reasoning je silný DeepSeek-R1 s 84,0 % na MMLU-Pro (DeepSeek-R1, 2025). Na matematiku dominuje GLM-5 s 92,7 na AIME 2026 a Qwen 3.5 9B s 92,5 — pričom Qwen 3.5 9B beží na bežnom hardvéri. Pre lokálne nasadenie na bežnom hardvéri je najlepšia voľba Qwen 3.5 9B.

Oplatí sa Gemma 4 pre open-source nasadenie na vlastnom hardvéri?

Áno, hlavne MoE varianta 26B A4B. Aktivuje len 4 miliardy z 26 miliárd parametrov, čo znižuje VRAM na ~48 GB pri benchmarkovom výkone 82,6 % na MMLU-Pro. Menšie varianty E2B a E4B bežia aj na bežných GPU od 10 GB VRAM (Google DeepMind, 2026).

Ktorý model ponúka najdlhší kontext?

Llama 4 Scout podporuje 10 miliónov tokenov — najdlhší kontext z akéhokoľvek verejne dostupného modelu. Qwen 3.5 9B podporuje 262K tokenov. Gemma 4 31B 256K tokenov. EXAONE 3.5 32B len 32K tokenov (Meta Llama 4).

Aký je najlepší model pre jednu GPU s 16-24 GB VRAM?

Qwen 3.5 9B je najlepšia voľba — 82,5 % na MMLU-Pro, 92,5 na AIME 2026, beží na ~18 GB VRAM. Gemma 4 E4B (~15 GB) je alternatíva s multimodálnou podporou. Na RTX 4090 (24 GB) zvládneš aj Llama 4 Scout s agresívnou kvantizáciou (Qwen 3.5).

Ako férovo porovnať open-source LLM modely?

Použi rovnaké prompty, rovnaký hardvér a rovnaké eval úlohy. Meraj kvalitu, latenciu aj cenu za workload — nie len jedno číslo z benchmarku.

Kedy sa viac oplatí vlastný server s open-source LLM než API?

Pri stabilnej záťaži, citlivých dátach a predvídateľnom rozpočte. Open-source modely v 1Q 2026 dosahujú kvalitu porovnateľnú s proprietárnymi API pri výrazne nižších prevádzkových nákladoch.

Aký je rozdiel medzi MoE a dense modelom?

Dense model používa všetky parametre pri každej odpovedi — napríklad Gemma 4 31B aktivuje celých 31 miliárd parametrov. MoE (Mixture of Experts) aktivuje len časť: Gemma 4 26B MoE používa 4 miliardy z 26 miliárd, Llama 4 Scout 17 miliárd zo 109 miliárd. Výsledok: MoE modely sú rýchlejšie a lacnejšie na inferenciu pri podobnej kvalite, ale vyžadujú viac VRAM na načítanie celého modelu.

Ktorý open-source LLM je najlepší na slovenčinu a češtinu?

K aprílu 2026 neexistuje verejný benchmark, ktorý by systematicky meral kvalitu open-source LLM modelov v slovenčine alebo češtine. Anglické skóre (MMLU-Pro, AIME) kvalitu v menších jazykoch nezaručia. Odporúčame otestovať 2-3 modely na vlastných slovenských/českých zadaniach — Qwen 3.5 podporuje 29 jazykov, Gemma 4 je multimodálna s širokou jazykovou podporou. Jediný spôsob, ako zistiť reálnu kvalitu, je vlastný test.