Česká BottleCap AI vydala za tři dny tři úspornější modely. ThinkingCap teď zkracuje přemýšlení i Nemotronu, velkému Qwenu a Gemmě

V září jsme psali o ThinkingCap pro Qwen 3.8, modelu od české firmy BottleCap AI, který se naučil přemýšlet kratčeji a přitom skoro neztratil přesnost. Minulý týden BottleCap ukázal, že to nebyla jednorázová věc. Za tři dny vydal tři další modely.

Pro český trh je to zajímavá zpráva i mimo samotnou technologii. Firma z Česka tu soutěží na globální scéně otevřených modelů, a soutěží tempem.

Kdo za tím stojí

BottleCap AI založili v březnu 2025 Jaroslav Beck, kterého znáte jako spoluzakladatele hry Beat Saber, Tomáš Mikolov, autor známé metody word2vec, který ve firmě vede výzkum, a David Herel. Beck do firmy na začátku vložil 10 milionů dolarů vlastních peněz. Později BottleCap získal od investorů v čele s fondem 20VC přes 150 milionů korun.

Cíl firmy je od začátku stejný: zefektivnit existující AI modely, tedy dosáhnout stejných výsledků za méně výpočtů. Série ThinkingCap je zatím nejviditelnější výsledek.

Co ThinkingCap dělá

Připomenutí pro ty, kdo zářijový článek nečetli. Moderní modely před odpovědí "přemýšlí", tedy generují dlouhý vnitřní text, který uživatel nevidí, ale platí za něj. U uvažujících modelů je to často většina tokenů celé odpovědi.

BottleCap model dotrénuje tak, aby přemýšlel kratčeji. Neořezává uvažování jako celek, ale učí model vynechávat kroky, které k odpovědi nic nepřidají. Výsledek: méně tokenů, rychlejší odpověď a nižší účet, při skoro stejné přesnosti.

Tři modely za tři dny

21. října: ThinkingCap pro Nvidia Nemotron 3.5 Lightning - základ: Nemotron 3.5 Lightning od Nvidie, malý model s 30 miliardami parametrů, z nichž pracují asi 3 miliardy - přemýšlení kratší v průměru o 22,8 procenta, nejvíc o 31,3 procenta, měřeno na jedenácti testech - přesnost z 72,2 na 71,4 procenta, tedy ztráta necelý bod

22. října: ThinkingCap pro Qwen 3.8 Flash-Next - základ: velký model od Alibaby se 180 miliardami parametrů, který zvládá i obrázky - přemýšlení kratší v průměru o 38,5 procenta, podle testu o 22 až 51 procent, měřeno na šesti testech - přesnost z 89,8 na 88,8 procenta - v plné přesnosti zabere kolem 360 GB a potřebuje čtyři grafické karty H200. Zmenšená verze ve formátu GGUF má asi 95 GB.

23. října: ThinkingCap pro Gemma 4 26B - základ: Gemma 4 s 26 miliardami parametrů, z nichž pracují asi 4 miliardy - přemýšlení kratší v průměru o 38,9 procenta, nejvíc o 69,1 procenta, měřeno na dvanácti testech - přesnost z 75,18 na 75,03 procenta, tedy ztráta jen 0,15 bodu - BottleCap k tomu nabízí i placenou verzi PRO, která má podle firmy zkracovat přemýšlení v průměru o 62 procent

Všechny tři modely jsou na Hugging Face, většinou i v menších verzích, které se vejdou na dostupnější hardware.

Proč se úspora tak liší

Na první pohled zarazí, že u Nemotronu je úspora jen 23 procent, zatímco u Gemmy a velkého Qwenu skoro 40. Náš výklad: ThinkingCap ubírá jen to, co je zbytečné, a různé modely jsou různě upovídané. Model, který už sám od sebe přemýšlí stručně, nemá tolik co ztratit. Upovídaný model naopak nabízí víc prostoru k úspoře. Výslovně to tak BottleCap nepíše, ale čísla tomu odpovídají.

Pro praxi z toho plyne jednoduché pravidlo: čím víc váš model přemýšlí, tím víc vám ThinkingCap ušetří. A čím víc přemýšlení platíte, tím víc to bude znát na faktuře. Jak jsme viděli minulý týden u Kimi K3.1 Pro, upovídanost dokáže smazat i výrazně nižší cenu za token.

Na co si dát pozor

Čísla jsou od BottleCapu. Všechny výsledky výše jsou z vlastního měření firmy. U prvního modelu pro Qwen 3.6 si je jeden vývojář nezávisle přeměřil a úspora mu vyšla skoro přesně. Narazil ale i na případy, kdy model při volání nástrojů spotřeboval víc tokenů než původní verze. Než ThinkingCap nasadíte do agenta, změřte ho na vlastních úlohách.

Každý model má jinou licenci. Tohle je věc, kterou je potřeba hlídat nejvíc:

• první ThinkingCap pro Qwen 3.6 vyšel pod volnou licencí Apache 2.0
• zářijový ThinkingCap pro Qwen 3.8 27B je pod licencí PolyForm Small Business. Malé firmy ho můžou používat zdarma, větší potřebují komerční licenci od BottleCapu.
• nový Qwen 3.8 Flash-Next přebírá licenci původního modelu, Qwen Community License, včetně podmínek pro některé firmy nabízející model jako službu
• u Nemotronu a Gemmy jsme licenci v dostupných zdrojích nedohledali. Přečtěte si ji přímo na stránce modelu na Hugging Face.

Je vidět, jak se z výzkumu stává byznys: volné verze ke stažení, k tomu placená PRO verze a komerční licence pro větší firmy. To je v pořádku, jen je potřeba to vědět dřív, než model zabudujete do produktu.

Co si z toho vzít

• Česká AI firma drží krok se světem. Tři modely za tři dny, postavené na modelech od Nvidie, Alibaby i na Gemmě. Tohle tempo by si nemusela stydět ani velká laboratoř.
• Úspora přemýšlení je skutečná a měřitelná. 23 až 39 procent méně tokenů při ztrátě přesnosti mezi 0,15 a 1 bodem. U modelů, které provozujete sami, to znamená rychlejší odpovědi a méně hardwaru na stejnou práci.
• Stejný nápad, jiná cesta než u velkých. OpenAI na konci září přišla s Decisions API a startup TypeSafe s modelem Jev. Všichni řeší totéž: jak z modelu dostat stejnou práci za méně. BottleCap to dělá na otevřených modelech, které si můžete pustit u sebe, a to je pro evropské firmy, jak jsme psali u otevřených vah, čím dál důležitější.
• Čtěte licence. Pokud nejste malá firma, ověřte si podmínky u každého modelu zvlášť. Některé novější ThinkingCapy pro vás zdarma nebudou.

Pro nás, kdo stavíme AI pro české firmy, je BottleCap příjemná připomínka, že špičková práce na modelech se dá dělat i odsud. A že efektivita, tedy stejná inteligence za méně peněz, je dnes jedna z nejzajímavějších disciplín celého oboru. 🧢