Je Qwen 3.6 nejlepší AI model, který si můžeš spustit doma?
Alibaba vydala open-weight model, který v některých coding testech dohnal Claude Opus 4.7 a vejde se na jeden 24 GB GPU. Co to znamená pro firmy a vývojáře?
Novinka + rozbor
Qwen 3.6 + Ollama
Co je nového
Dne 17. dubna 2026 vyšel Qwen 3.6-35B-A3B od Alibaby. Klíčový detail je v architektuře: jde o tzv. Mixture-of-Experts model s 35 miliardami parametrů celkem, ale jen 3 miliardami aktivních na každý zpracovaný token. To znamená, že běží rychle i na hardwaru, který by 35B model klasické architektury vůbec neutáhl.
V Q4 kvantizaci si vystačí s přibližně 21 GB VRAM, takže se vejde do jednoho RTX 4090 nebo RTX 5090. Na benchmarku SWE-Bench Verified, který měří schopnost modelu dotáhnout reálný coding úkol od zadání po funkční pull request, dosáhl 73,4 %. Na řadě dalších testů se přibližuje proprietárnímu Claude Opus 4.7, modelu, který běží jen v cloudu a stojí výrazně víc za milion tokenů.
Parametrů celkem
Aktivních na token
VRAM v Q4
SWE-Bench Verified
Qwen 3.6 nebyl v dubnu sám. Vyšla Gemma 4 26B MoE od Googlu (Apache 2.0, runs i v 16 GB RAM), Kimi K2.6 od Moonshotu (kolem 1 bilionu parametrů celkem, ale potřebuje serverové GPU), GLM-5.1 od Zhipu AI a DeepSeek V4 Pro/Flash. Pro reálný self-host na rozumném hardwaru ale Qwen 3.6 vede kombinací výkonu, paměťových nároků a otevřené licence.
Co na tom oceníš nejvíc?
Data ti nikdy neopustí hardware. To je hlavní hodnota open-weight modelu, kterou hostované API z principu nedá. Pro banky, právní kanceláře, zdravotnictví nebo dev týmy s NDA to není feature, ale podmínka, aby šlo AI vůbec nasadit.
Privacy
Žádné limity
Fine-tune
Bez guardrailů
MoE architektura je v tom klíčová. Tři miliardy aktivních parametrů na token udržují inference rychlou, zbylých 32 miliard se zapojí, jen když to zadání skutečně potřebuje.
Pro koho to je
Firmy s citlivými daty jsou hlavní cílovka. Banky, advokátní kanceláře, zdravotnictví, vývojářské týmy s přísnou NDA. Pro ně je Qwen 3.6 první open-weight model, který může reálně nahradit cloud služby, ne být jen kompromis.
Firmy s citlivými daty
- NDA
- klientská data
- zdravotnictví
- banking
- právo
Vývojáři, kteří chtějí kontrolu
- Vlastní agent
- fine-tune
- prompt caching
- retry logic
Pokročilí uživatelé
- Bez guardrailů
- neomezené tokeny
- vlastní hardware
(pozor) Pro běžné uživatele subscription vyhrává
- Agentura
- OSVČ
- pár hodin denně
- mobile workflow
Jak to použít v praxi
Nasazení Qwen 3.6 stojí na třech rozhodnutích: hardware, inference engine, kvantizace.
Hardware. Tady je třeba být upřímný, výpočetní technika v posledním roce výrazně podražila kvůli AI poptávce. RTX 5090 má MSRP 2 000 USD, ale na trhu se reálně prodává za 3 000 až 4 000 USD. Datacentrová H100 začíná na sekundárním trhu kolem 12 000 USD. Setupy se proto dělí do tří kategorií:
Entry (70–100k Kč)
Mid (200–400k Kč)
Enterprise (1M+ Kč)
Inference engine. Pro vyzkoušení a malé týmy stačí Ollama — ollama pull qwen3.6:35b a hotovo. Pro plnou kontrolu nad kvantizací a parametry jde llama.cpp. Pro produkční nasazení s vysokou propustností a více souběžnými dotazy je standardem vLLM.
Kvantizace. Q4_K_M potřebuje kolem 21 GB VRAM, mírně ztrácí kvalitu — default pro 24 GB GPU. Q6_K si bere kolem 28 GB, kvalita lepší. Q8_0 vyžaduje 48+ GB hardwaru a od plných vah už je prakticky nerozeznatelný.
Příklad z praxe
Fintech, 30 vývojářů, NDA na zdrojový kód. Posílat soubory do Claude API je pro ně neprůchodné, ale produktivita bez AI asistenta klesá.
Postaví server se dvěma RTX 5090 (přibližně 200 000 Kč na hardware), nainstalují Ollama s Qwen 3.6-35B-A3B v Q4 kvantizaci a vystaví OpenAI-kompatibilní endpoint na interní síti. Vývojáři ho používají v Continue.dev, Cursoru v lokálním režimu nebo přes vlastní VS Code rozšíření. Provoz: zhruba 600 W ve špičce, žádný měsíční poplatek, žádný rate limit. Po roce a půl se hardware ekonomicky zaplatí oproti hypotetické spotřebě cloud API, citlivý kód neopustil firmu a model se navíc dvakrát fine-tunoval na interní knihovny, takže lépe rozumí firemním konvencím než kterýkoli cloud model bez doplňkového kontextu.
Doporučené nástroje
Tři open-weight modely k vyzkoušení podle toho, jaký hardware máš:
Qwen 3.6-35B-A3B
Alibaba
Pro koho
Vývojáři + firmy s 24 GB GPU; nejlepší poměr výkon/VRAM v jaru 2026.
Gemma 4 26B MoE
Google DeepMind
Pro koho
Vývojáři bez výkonné GPU, testování na laptopu, edge nasazení.
Kimi K2.6
Moonshot AI
Pro koho
Firmy s vlastním datacentrem; absolutní špička v open-weight kategorii.
A tooling, který potřebuješ navrch:
- Ollama
- llama.cpp
- vLLM
- Open WebUI
Shrnutí
Duben 2026 ukázal, že open-weight modely doháněly proprietární špičku rychleji, než se ještě před rokem čekalo. Qwen 3.6 je dnes nejlepší kompromis mezi výkonem a hardwarovými nároky — zkušenost na úrovni Claude Opus 4.7 ve vybraných úkolech, ale vejde se na jedno 24 GB GPU.
Pro většinu lidí ale subscription pořád vyhrává. Třicet až šedesát dolarů měsíčně versus 100 000 Kč jen za vstupní hardware, plus elektřina, údržba, čas. Lokální model dává smysl tam, kde data nesmí opustit firmu, kde potřebuješ neomezené tokeny pro intenzivní práci, nebo kde chceš fine-tune na specifický kontext.
Trend je ale jasný: open-weight modely zlepšují schopnosti rychleji, než stoupá cena hardwaru. Otázka pro firmy s citlivými daty není "jestli", ale "kdy" se vyplatí přepnout.
Q4 stačí na 24 GB
73,4 % SWE-Bench
Entry setup ~70k Kč
Subscription ~300 Kč/měs
Zdroje
- Qwen3.6-35B-A3B na Hugging Face — oficiální release, model card, benchmarky.
- VRAM requirements pro Qwen 3.6 (Will It Run AI) — kvantizační tabulka a hardware doporučení.
- Top Local Models List April 2026 (Latent Space / AI News) — přehled dubnových release: Gemma 4, Qwen 3.6, Kimi K2.6, GLM-5.1, DeepSeek V4.
- GPU Buying Guide 2026 (PremAI Blog) — aktuální HW ceny pro AI workstation a server.
- DeepSeek a Kimi privacy concerns (Harmonic Security) — analýza datových rizik čínských AI služeb.
Časté otázky
Na co se nás často ptáte?
Vyplatí se mi vlastní hardware místo subscription Claude nebo ChatGPT?
Záleží na tom, co s AI děláš. Pro běžnou agenturu, OSVČ nebo marketéra je subscription Claude Code nebo ChatGPT Plus levnější a pohodlnější. Stojí pár tisíc měsíčně, zatímco vstupní hardware začíná na 70 000 Kč. Vlastní setup dává smysl tam, kde data nesmí opustit firmu (banky, právo, zdravotnictví, NDA), kde potřebuješ neomezené tokeny pro intenzivní práci, nebo kde chceš model fine-tunovat na vlastní data.
Jsou čínské open-weight modely bezpečné z hlediska dat?
Záleží na tom, jestli běží lokálně nebo přes hostovanou službu. Když si stáhneš váhy Qwen 3.6 a spustíš model na vlastním hardwaru, data z promptů nikam neodejdou. Hostované služby (kimi.ai, deepseek.com a další) jsou jiný příběh. Wiz Research v roce 2025 odhalil u kimi.ai veřejně dostupnou databázi s více než milionem chat logů včetně API klíčů. Lokální spuštění váh tenhle problém řeší úplně.
Jak rozjet Qwen 3.6 doma?
Nejrychlejší cesta je Ollama. Po instalaci stačí spustit `ollama pull qwen3.6:35b` a model se sám stáhne v kvantizaci vhodné pro tvůj hardware. Pro plnou kontrolu nad parametry a paměťovými nároky použij llama.cpp. Pokud chceš obsluhovat víc souběžných uživatelů nebo nasadit do produkce, standardem je vLLM. Pro chat interface se hodí Open WebUI jako drop-in náhrada za ChatGPT UI.
Co je MoE architektura a proč na ní záleží?
MoE (Mixture of Experts) je architektura, kde model má velký počet parametrů, ale na každý zpracovaný token aktivuje jen jejich část. Qwen 3.6 má 35 miliard parametrů celkem, ale jen 3 miliardy aktivních na token. Důsledek: model běží rychle i na hardwaru, na kterém by 35B model klasické architektury vůbec nefungoval. Zbylé experty se zapojí jen když to konkrétní zadání skutečně potřebuje.
Kolik VRAM potřebuje Qwen 3.6?
V Q4 kvantizaci potřebuje Qwen 3.6 přibližně 21 GB VRAM. Vejde se tak na jeden RTX 4090 nebo RTX 5090. Q6 si bere kolem 28 GB, Q8 už 48+ GB. Plné váhy bez kvantizace vyžadují server-class hardware. Pro většinu domácích uživatelů je správnou volbou Q4 na 24 GB GPU.
Pokračuj dál
Související články
Další texty podle stejné zóny, témat a nástrojů.
Claude Fable 5: jak dobrý je model, který o sobě napsal tenhle článek?
Nejvýkonnější model současnosti? Nechal jsem Fable 5, ať si článek o sobě napíše sám. Jak to zvládl, posuď sám: benchmarky, cena i bezpečnostní pojistky uvnitř.
Claude Opus 4.8: vyplatí se přejít na nový vlajkový model od Anthropic?
Anthropic vydal Claude Opus 4.8, nový vlajkový model. Je spolehlivější v programování, zvládne delší agentní úkoly a nově si řídíš, kolik přemýšlení u každé odpovědi vynaloží.
GPT-5.5: nejvýkonnější AI model současnosti?
OpenAI představilo GPT-5.5 jako svůj zatím nejchytřejší model pro složitou práci, kódování a automatizace.