Llama 4: Dva modely, jedna architektura, rekordní čísla

Dne 5. dubna 2026 Meta na svém blogu a platformě Hugging Face uvolnila dva nové modely řady Llama 4: Scout a Maverick. Oba jsou postaveny na architektuře Mixture of Experts (MoE) — model má 17 miliard aktivních parametrů, ale celkový počet parametrů je výrazně vyšší, protože v každém průchodu se aktivuje jen část tzv. expertů.

Scout má 16 expertů a celkem 109 miliard parametrů, Maverick pak 128 expertů a zhruba 400 miliard parametrů. Přesto mají oba modely při inferenci podobnou výpočetní náročnost — klíčová výhoda MoE architektur, která se prosazuje i u Googlu (Gemini) či francouzského Mistral AI.

10 milionů tokenů: Kontextové okno, které nemá konkurenci

Největším technickým překvapením je kontextové okno modelu Scout: 10 milionů tokenů. Pro srovnání — konkurenční Gemini 3.1 Flash Lite nabízí 1 milion tokenů, Claude Opus 4.6 podobně. Scout přeskakuje dosavadní maximum o řád.

V praxi to znamená, že do promptu lze vložit celé knihy, rozsáhlé kódové báze nebo stovky dokumentů najednou, aniž by model ztratil kontext. Meta k tomu využila kombinaci speciálních technik: NoPE (No Positional Encoding) každé čtyři vrstvy, Chunked Attention s bloky 8 tisíc tokenů a upravené škálování softmax, aby model neztrácel pozornost u velmi dlouhých sekvencí.

Maverick nabízí „pouze" 1 milion tokenů — ale i to je dost na práci s rozsáhlými podnikovými dokumenty nebo zdrojovým kódem celého projektu.

Nativně multimodální: Text i obrázky od základu

Llama 4 Scout a Maverick jsou nativně multimodální — nevznikly přidáním vizuálního modulu k textovému modelu, ale byly trénovány na textu i obrázcích od začátku. Oba modely přijímají textové a obrazové vstupy; výstup je zatím textový.

Trénovací data čítají 40 bilionů tokenů ve 200 jazycích. Čeština mezi těmito jazyky figuruje, nicméně Meta neuvádí, jak velký podíl tvoří českojazyčný materiál. Zkušenosti s modely Llama předchozích generací naznačují, že čeština je podporována, ale nikoli na úrovni angličtiny.

Benchmarky: Kde Llama 4 stojí

Výsledky hovoří v prospěch Mavericku, který se benchmark výsledky řadí do první ligy open-weight modelů:

• MMLU Pro: Maverick 80,5 %, Scout 74,3 %
• GPQA Diamond (vědecké uvažování): Maverick 69,8 %
• LMArena ELO skóre: Maverick 1 417 — srovnatelné s GPT-4o, pod úrovní nejnovějšího GPT-5.4 nebo Claude Opus 4.6

Gemini 3.1 Pro vede na GPQA Diamond s 94,3 %, Claude Opus 4.6 dominuje na SWE-bench Verified (software engineering) s 80,8 %. Llama 4 tak není nejlepší na trhu, ale za cenu open-weight modelu bez licenčních poplatků jde o výjimečný výkon.

Cena a dostupnost: Výhodný obchod — pro ty, kdo smějí

Modely jsou zdarma ke stažení na Hugging Face a llama.com. Scout lze provozovat na jediném serverovém GPU díky 4- nebo 8-bitové kvantizaci — pro technicky zdatné firmy jde o lákavou možnost, jak mít vlastní výkonný model bez měsíčních plateb.

Přes API u třetích stran stojí Maverick přibližně 0,15–0,27 dolarů za milion tokenů — tedy 3 až 5krát méně než GPT-5.4 Mini (0,75 USD/M tokenů). Scout je ještě levnější.

Jenže tady přichází zásadní výhrada.

EU vyloučena: Čeští vývojáři si nesmí hrát

Llama 4 Community License Agreement obsahuje explicitní klauzuli: „Tato licence se nevztahuje na subjekty se sídlem nebo registrací v členském státě Evropské unie." To zahrnuje Česko, Slovensko i celou EU.

Zákaz se přitom vztahuje na provozovatele a vývojáře — firmy a jednotlivci v EU nesmějí modely nasazovat, hostovat ani na jejich základě stavět produkty. Koncoví uživatelé, kteří přistupují k Llama 4 přes Meta AI nebo jiné služby třetích stran mimo EU, licencí omezeni nejsou.

Proč Meta toto omezení zavedla? Podle analýzy The Decoder a Computerworld jde o kombinaci dvou faktorů: probíhající soudní spory týkající se autorských práv k trénovacím datům a obavy z regulatorního prostředí GDPR. Nedávné soudní dokumenty odhalily, že Meta věděla o přítomnosti chráněného obsahu ve svých trénovacích datasetech. Evropský trh je v tomto ohledu přísnější než americký — a Meta se raději pojistila.

Situace není zcela nová: podobné omezení platilo již pro některé multimodální varianty Llama 3. Llama 4 ho rozšiřuje na celou řadu.

Co to znamená pro českou scénu

Pro česká AI studia, vývojáře a firmy, kteří sledovali vydání Llama 4 s nadšením, je to reálná překážka. Nasazení modelu ve vlastní infrastruktuře — na serveru v Praze, v českém cloudu nebo na lokálním počítači — porušuje licenci a vystavuje provozovatele právnímu riziku.

Alternativy existují: modely jako Gemma 4 od Googlu (Apache 2.0, bez geografických omezení) nebo Mistral Large 3 (dostupný přes Mistral La Plateforme s EU datovou rezidencí) nabízejí výkon srovnatelný se Scoutem bez právních komplikací. Pro náročnější úlohy zůstává Mavericku ekvivalentem GPT-4o úroveň výkonu, ale na tuto úroveň dosáhnout lze i přes jiné cesty.

Meta slíbila, že budoucí verze modelů Llama 4 hodlá open-sourcovat — bez bližšího časového určení. Zda budou tyto verze dostupné i v EU, zatím není jasné.

Llama 4 Behemoth: Velký model na obzoru

Scout a Maverick nejsou koncem příběhu. Meta avizovala třetí model řady — Llama 4 Behemoth — dosud bez konkrétního data vydání. Jde o mnohem větší model, jehož parametry Meta nezveřejnila, ale který by měl sloužit jako „učitel" pro distilaci budoucích menších modelů. Maverick byl ostatně již nyní distilován právě z Behemotha.