7.4 KiB
7.4 KiB
Přehled modelů Ollama Cloud (červen 2026)
Datum: 2026‑06‑07
Tento report shrnuje všechny modely dostupné na stránce Ollama Cloud (https://ollama.com/models?c=cloud) a hodnotí je podle 12 kritérií relevantních pro nasazení nanobot‑agenta. Hodnocení vychází z interního knowledge/models.md, detailní srovnávací tabulky v results/2026-06-07_ollama-cloud-agent-model-comparison.md a veřejně dostupných benchmarků (SWE‑Bench, Terminal‑Bench, Code Arena, MCP‑Atlas, HLE atd.).
1. Tabulka přehledu
| Model | Rychlost (tok/s) | Inteligence (benchmark) | Tool‑calling | Čeština / Multilingual | Kontext | Multimodální | Licence | Verbosita | Známé bugy / blokátory | Cena (OpenRouter proxy) | Long‑horizon stabilita | Self‑host možnost |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| glm-5.1:cloud | ~198 (přímé měření) | SWE‑Bench Pro 58.4 % – Code Arena Elo 1530 | 99.6 % schema adherence, žádné známé selhání | Žádná oficiální podpora češtiny, ale žádný drift | 200 K (198 K Ollama) | ❌ (text‑only) | MIT | Nízká | – | ~$4 /M output (Ollama Pro flat‑rate $20 /mo) | Ověřeno stovkami kol – nejlepší | Ano (vyžaduje ~30 GB VRAM) |
| deepseek-v4-flash:cloud | ~30‑50* (odhad) | SWE‑Bench ~75 % (odhad) | Dobrá | Žádná explicitní podpora češtiny, ale silná multilingvní skóre (MMMLU 90.3) | 1 M | ❌ | MIT | Střední | – | $0.14 /M in | Neověřeno (uživatelské benchmarky) | Ano (efektivní MoE, 13 B aktivních) |
| qwen3.5:397b-cloud | ~10‑20* (odhad) | SWE‑Bench 66‑70 % | Dobrá | 201 jazyk včetně češtiny (oficiální) | 1 M | ✅ | Apache 2.0 | Střední | Uživatelé hlásí pomalost a přesnostní problémy | – (žádná proxy cena, Ollama Pro) | Neověřeno | Ano (Apache 2.0, vyžaduje velké GPU) |
| deepseek-v4-pro:cloud | ~15.4 (přímé měření) | SWE‑Bench 80.6 % (nejvyšší) | Dobrá | Žádná explicitní podpora češtiny | 1 M | ❌ | MIT | Střední | Extrémní latence (57 s TTFT), vysoká variabilita | $1.74 /M in | Neznámo | Ano (MIT) |
| devstral-2:123b-cloud | ~40‑60* (odhad) | SWE‑Bench 72.2 % – Terminal‑Bench 77.3 % (nejvyšší) | Dobrá | Žádná explicitní podpora češtiny | 128 K | ❌ | Apache 2.0 | Střední | – | – | Neověřeno | Ano (Apache 2.0) |
| gemma4:31b-cloud | ~80‑120* (odhad) | SWE‑Bench ~52 % – Code Arena nízké | Native function calling | 140+ jazyků (neuvádí češtinu) | 256 K | ✅ | Apache 2.0 | Nízká | – | – | Neověřeno | Ano (31 B dense) |
| nemotron-3-ultra:cloud | ~50‑80* (odhad) | SWE‑Bench ~60‑79 % (odhad) | Neznámo | Žádná oficiální podpora češtiny | 200 K | ❌ | NVIDIA Open License | Nízká | Příliš nový – žádná data o tool‑callingu | $0.60 /M in | Neověřeno | Ano (vyžaduje NVIDIA‑specifické kvantování) |
| nemotron-3-super:cloud | ~60‑100* (odhad) | SWE‑Bench 60.47 % (odhad) | Neznámo | Žádná podpora češtiny | 1 M | ❌ | NVIDIA Open License | Nízká | – | – | Neověřeno | Ano (vyžaduje NVIDIA‑specifické kvantování) |
| minimax-m3:cloud | ~40‑60* (odhad) | – (žádná veřejná benchmark data) | Kritický bug – selhání tool‑result zpráv (issue #16389) | Žádná explicitní podpora češtiny | 512 K | ✅ | Open weights (brzy) | – | Tool‑result bug – nepoužitelné | $0.60 /M in | Neověřeno | Ano (otevřené váhy) |
| kimi-k2.6:cloud | ~30‑50* (odhad) | SWE‑Bench 80.2 % – HLE 54.0 % | Dobrá | Žádná podpora češtiny, náhodný čínský drift (kritické) | 256 K | ✅ | Modified MIT | Střední | Čínský výstupní drift, OpenRouter kontext‑bug (32 K) | $0.60 /M in | 200‑300 tool calls (design) | Ano (MIT‑like) |
| qwen3.6:cloud | ~? (nepřímý odhad) | – | – | 201 jazyků (včetně češtiny) | 256 K | ✅ | Apache 2.0 | Střední | – | – | – | Ano |
| qwen3-coder-next:cloud | ~40‑60* (odhad) | SWE‑Bench ~70.6 % (odhad) | Dobrá | 201 jazyků (včetně češtiny) | 512 K | ❌ | Apache 2.0 | Střední | – | – | – | Ano |
| lfm2.5:cloud | – (žádná data) | – | – | – | – | – | – | – | – | – | – | – |
| lfm2:cloud | – | – | – | – | – | – | – | – | – | – | – | – |
| glm-4.7:cloud | – | – | – | – | – | – | – | – | – | – | – | – |
| glm-4.7-flash:cloud | – | – | – | – | – | – | – | – | – | – | – | – |
| translategemma:cloud | – | – | – | – | – | – | – | – | – | – | – | – |
| gemini-3-flash-preview:cloud | ~60‑80* (odhad) | – | – | Strong (Google) | 1 M | ✅ | Proprietární | Nízká | – | – | – | Ne (proprietární) |
Poznámka: hvězdičkou označené rychlosti jsou odhady založené na podobných modelových velikostech a veřejných benchmarkech, protože přímé měření na Ollama Cloud není v knowledge base dostupné.
2. Doporučení
Primární výchozí model (bez změny)
glm-5.1:cloud – nejrychlejší, nejstabilnější, MIT licence, žádné známé bugy, ověřená dlouhodobá agentní stabilita.
Alternativy první úrovně (specifické potřeby)
deepseek-v4-flash:cloud– pokud potřebujete 1 M kontextu a nižší cenu, akceptujete střední rychlost a žádnou multimodalitu.qwen3.5:397b-cloud– pokud je pro vás klíčová podpora češtiny a multimodální vstup (obrázky, diagramy). Připravte se na pomalejší odezvu a možná mírná přesnost.
Alternativy druhé úrovně (niche)
devstral-2:123b-cloud– výborný pro čistě kódovací úlohy, silné benchmarky, ale omezený kontext a žádná multimodalita.gemma4:31b-cloud– lehký, rychlý, nízká verbosita, dobrá funkční volání, ale slabší agentní skóre.
Modely k vyhnutí (blokátory)
minimax-m3:cloud– kritický bug v tool‑result zprávách, nedostupný pro agentní práci.kimi-k2.6:cloud– náhodný čínský výstup, nepřijatelný pro české nasazení.deepseek-v4-pro:cloud– extrémní latence a variabilita, i přes špičkové benchmarky.
Watch‑list (sledujte vývoj)
nemotron-3-ultra:cloud– slibné specifikace, ale chybí reálná data o tool‑calling a dlouhodobé stabilitě.qwen3-coder-next:cloud– zaměřeno na kódování, 512 K kontext, dobrá podpora jazyků.
3. Metodologie a zdroje
- Seznam modelů: https://ollama.com/models?c=cloud (scraped 2026‑06‑07).
- Benchmarky a metriky:
knowledge/models.md,results/2026-06-07_ollama-cloud-agent-model-comparison.md, veřejné benchmarky (SWE‑Bench, Terminal‑Bench, Code Arena, MCP‑Atlas, HLE, MMMLU, C‑Eval). - Bug‑trackery: GitHub issue #16389 (MiniMax M3), Reddit/Cursor reporty o Kimi K2.6.
- Ceny: OpenRouter proxy rates (viz
results/..._agent-model-comparison.md), Ollama Cloud Pro tarif $20 /mo. - Licence a self‑host: informace z oficiálních modelových repozitářů (Hugging Face, NVIDIA, Z‑AI).
Report byl vygenerován automaticky na základě dostupných interních a veřejných dat. Pro konkrétní nasazení doporučuji provést vlastní rychlostní testy na vašem hardware a ověřit aktuální stav bugů.