Qwen vs DeepSeek vs GLM: Čínská velká trojka modelů s otevřenými vahami (2026)

Qwen vs DeepSeek vs GLM: Čínská velká trojka modelů s otevřenými vahami (2026)

Poslední ověření: 14. července 2026. Verze modelů (Qwen3.6, DeepSeek V4, GLM-5.2), ceny a licence byly znovu zkontrolovány na oficiálních kanálech v den publikace tohoto článku.

Qwen vs DeepSeek vs GLM je přesně to trojsrovnání, které většina vývojářů hledá, když potřebují čínský model s otevřenými vahami, který si může měřit síly s Claude a GPT. Jeden z nich, GLM-5.2 (identifikátor modelu GLM-5.2[1m]), jsme po dobu tří týdnů používali jako náš hlavní kódovací model za cenu 72 USD měsíčně. DeepSeek V4 dosahuje údajně ~80,6 % v benchmarku SWE-bench Verified. Qwen3.6 je vydáván pod licencí Apache 2.0, což je zde nejpermisivnější licence. Tři laboratoře, tři velmi odlišné sázky. Zde je jejich skutečné porovnání, včetně tabulky specifikací, tabulky benchmarků s uvedením zdroje každého čísla a reálného produkčního testu.

Pro agentické kódování a úlohy s dlouhým časovým horizontem je naší volbou GLM-5.2 (tři týdny jsme ho provozovali v produkci). Pro nejlevnější tokeny a RAG ve velkém měřítku vítězí cenou DeepSeek V4 Flash. Pro lokální hostování na vlastním hardwaru a nejpermisivnější licenci má Qwen3 (Apache 2.0) nejširší a nejnáročnější footprint.

Rychlá odpověď:

• Qwen, DeepSeek a GLM jsou tři samostatné společnosti (Alibaba, DeepSeek, Zhipu/Z.ai), nikoliv jeden model.
• Nejlevnější za token: DeepSeek V4 Flash (0,14 USD vstup / 0,28 USD výstup za milion; při zásahu do cache 0,0028 USD).
• Nejlepší volba pro praktické kódování: GLM-5.2 (tři týdny jsme ho provozovali v Claude Code); nejpermisivnější licence: Qwen (Apache 2.0).
• Všechny tři nyní dosahují přibližně 1 milionu tokenů kontextu, s nuancemi pro každý model (otevřené modely Qwen se liší).

Rychlé vyjasnění: jde o tři samostatné společnosti, nikoliv o jeden model se třemi názvy. Starší checkpointy DeepSeek R1 „distill Qwen“ jsou zcela jiná, starší záležitost.

Qwen vs DeepSeek vs GLM v rychlém přehledu

Tyto tři rodiny sází na opačné designové strategie. Qwen (Alibaba) nabízí nejširší portfolio s nejnižšími nároky na self-hosting a licencí Apache 2.0. DeepSeek (DeepSeek) hraje na poměr cena/výkon ve dvou úrovních, založených na obrovských modelech Mixture-of-Experts (MoE). GLM-5.2 (Zhipu/Z.ai) je specialista na kódování a agenty s dlouhým časovým horizontem. Zde je přehled specifikací vedle sebe.

Dvě poznámky. Qwen odděluje své otevřené modely od uzavřeného vlajkového modelu „Max“ dostupného pouze přes API, proto je důležité specifikovat, který máte na mysli. A počty parametrů DeepSeek V4 jsou uváděny v blogových příspěvcích, nikoliv oficiálně, proto jsou označeny jako „údajné“.

Jak si Qwen, DeepSeek a GLM vedou v benchmarcích?

Žádný jediný model nevyhrává ve všech benchmarcích, takže sledujte celý cluster, nikoliv jen žebříček. V kódování vede GLM-5.2 v úlohách pro agenty s dlouhým časovým horizontem, zatímco DeepSeek V4 Pro dominuje v souhrnných skóre pro kódování. V logickém uvažování se oba blíží saturaci v AIME. V indexech obecné inteligence se GLM umisťuje ve střední části pole mezi modely s otevřenými vahami. Různé testovací harnessy činí srovnání čísel mezi modely nesrovnatelným, proto je každé níže uvedené skóre opatřeno štítkem zdroje.

Legenda: [SR] = vlastní údaje dodavatele. [3P] = žebříček třetí strany, nezávislý agregátor nebo naše vlastní praktické testy. Buňka n/a znamená, že dodavatel nezveřejnil srovnatelné skóre, nikoliv nulu.

Upřímný pohled na benchmarky čínských modelů s otevřenými vahami v roce 2026: žádný model nevyhrává všechny řádky a polovina působivých čísel jsou vlastní údaje dodavatelů. Ono 77,2 % pro Qwen3.6-27B pochází z jednoho blogu a DeepSeek ~80,6 % použilo „neověřený scaffold“, takže k oběma přistupujte opatrně. V našich vlastních testech se spoléháme na žebříček SWE-bench a Artificial Analysis spíše než na čísla z content farm, protože samotná změna scaffoldu může posunout skóre o několik bodů. Když model cituje pouze svou vlastní zprávu, berte ji s rezervou.

DeepSeek V4: Král poměru cena/výkon

DeepSeek V4 je volbou, když záleží na ceně za každý milion tokenů. Nabízí dvě úrovně: V4 Pro pro logické uvažování a agentické úlohy a V4 Flash pro rychlé, levné volání ve vysokém objemu. Jeho strukturální výhodou je cenování cache. Pokud vaše workloady opakovaně čtou stejný kontext, jako je RAG pipeline nebo agent znovu odesílající systémový prompt, míra zásahu do cache z něj dělá zdaleka nejlevnější možnost.

DeepSeek V4 byl spuštěn jako preview 24. dubna 2026. Uváděná architektura: MoE 1,6T / 49B aktivních pro V4 Pro a 284B / 13B pro V4 Flash, obě hodnoty jsou uváděny v blogových příspěvcích, nikoliv oficiálně potvrzeny. Váhy jsou na Hugging Face (deepseek-ai/DeepSeek-V4-Pro, deepseek-ai/DeepSeek-V4-Flash) pod licencí MIT, s oficiálním oknem kontextu 1M.

Zde je ekonomika zásahu do cache: V4 Flash účtuje 0,14 USD za milion vstupních tokenů při chybě cache, ale pouze 0,0028 USD při zásahu do cache, oproti 0,28 USD za výstup. Pro službu RAG, která intenzivně pracuje se stejným úložištěm dokumentů, je tento rozdíl klíčový. Kompletní čísla najdete na oficiální stránce s cenami DeepSeek.

Jedna past ohledně aktuálnosti, kterou nikdo jiný nezmiňuje: pokud stále voláte deepseek-chat nebo deepseek-reasoner, tyto endpointy budou ukončeny 24. 7. 2026 v 15:59 UTC. Přejděte nyní na deepseek-v4-pro nebo deepseek-v4-flash, protože tento termín nastane pouhých deset dní po publikaci tohoto článku.

Zvolte DeepSeek V4 pro produkty citlivé na náklady a primárně založené na API, zejména ty s těžkým opakujícím se kontextem. Není to model, který byste hostovali na jedné pracovní stanici; velké MoE vyžaduje hardware třídy clusteru.

Qwen3: Nejširší rodina a nejlepší footprint pro self-hosting

Qwen3 je model, který běží na vašem vlastním hardwaru. Je to nejširší rodina ze tří, otevřené modely mají licenci Apache 2.0 (nejpermisivnější zde) a dense vrstva je dostatečně lehká pro jeden GPU. Je také nejsilnější v nekódovacích oblastech, jako je multijazyčná práce, což srovnání zaměřená pouze na kódování zcela ignorují.

Portfolio je hluboké. Na otevřené straně získáte Qwen3.6-27B (dense), Qwen3.6-35B-A3B (MoE) a kódovací linii vedenou modelem Qwen3-Coder-Next (80B-A3B, kontext 256K). Samostatně je Qwen3-Max uzavřený vlajkový model dostupný pouze přes API, takže ho nezaměňujte s otevřenými vahami. Verze a podmínky licence Apache 2.0 najdete v repozitáři Qwen3-Coder na GitHubu a na blogu týmu Qwen.

V kódování dosahuje Qwen3-Coder-Next 70,6–71,3 % v SWE-bench Verified napříč harnessy (vlastní údaje, SOTA mezi otevřenými modely bez škálování v době testování). Hlavní zpráva pro self-hosting: dense model třídy 27B údajně běží na přibližně 18 GB VRAM, tedy na jedné kartě s 24 GB s rezervou. Tato hodnota pochází z jednoho blogu, takže si ji ověřte ve svém vlastním nastavení. Zde je návod, jak spustit tyto modely lokálně, a jak je obsluhovat pomocí vLLM nebo SGLang, jakmile překročíte jeden server.

Pojetí názvů Qwen je ze tří nejméně stabilní, takže před připnutím závislosti znovu potvrďte aktuální název otevřeného vlajkového modelu. Zvolte Qwen3 pro lokální nasazení na skromném hardwaru, multijazyčnou podporu nebo v případech, kdy specificky potřebujete licenci Apache 2.0 místo MIT.

GLM-5.2: Volba pro kódování a agenty s dlouhým časovým horizontem

GLM-5.2 je specialista na kódování a agenty s dlouhým časovým horizontem a je to model, který známe z první ruky. Jde o MoE s celkem 753B / ~40B aktivními parametry pod licencí MIT, s oknem kontextu 1M od poloviny června 2026 a maximálním výstupem přibližně 131K. V agentických benchmarcích si vede dobře: SWE-bench Pro 62,1, Terminal-Bench 2.1 na 81,0, AIME blízko saturace na 99,2 a index inteligence Artificial Analysis 51 (vše od třetích stran).

Zde je ta upřímná část, která je signálem důvěryhodnosti odlišující toto od pouhého opakování benchmarků: naše hloubka praktických zkušeností se týká pouze GLM. GLM-5.2 Pro jsme používali jako náš hlavní kódovací model po dobu tří týdnů v reálných repozitářích klientů, řízené prostřednictvím Claude Code proti endpointu Z.AI kompatibilnímu s Anthropic (api.z.ai/api/anthropic, identifikátor modelu GLM-5.2[1m]). Běžný týden představoval asi 1 300 z našich ~2 000 týdenních promptů. Během dvou týdnů heavy migrací jsme narazili na týdenní limit již pátý den, což bylo tvrdé zastavení bez možnosti překročení. Úspěšně zvládl skutečný refaktor API route v Next.js 16 čistě napříč přibližně tuctem souborů. Cena: 72 USD/měsíc v rámci tarifu GLM Coding Plan Pro oproti ~200 USD/měsíc, které bychom jinak platili za Claude Max. Pro Qwen3 a DeepSeek V4 se spoléháme na publikované benchmarky plus kratší kontrolní testy přes API, takže verdikt pro GLM berte jako ten, se kterým jsme skutečně žili.

Samotná výměna spočívá ve třech proměnných prostředí, které můžete převzít přímo z našeho článku 3 týdny běhu GLM Coding Plan v Claude Code:

# Point Claude Code at GLM-5.2 via Z.AI's Anthropic-compatible endpoint
export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic"
export ANTHROPIC_AUTH_TOKEN="your-zai-key"
export ANTHROPIC_MODEL="GLM-5.2[1m]"
claude

Tři týdny s GLM-5.2 za 72 USD měsíčně odvedly kódovací práci, za kterou bychom normálně platili ~200 USD měsíčně za Claude Max, dokud jsme pátý den nenarazili na týdenní limit. Celková analýza je v naší kompletní recenzi GLM-5.2 a výše zmíněném příspěvku o coding planu; tato sekce je záměrně stručná, aby trojsrovnání zůstalo vyvážené. Detaily modelu najdete v dokumentaci Z.AI.

Kolik stojí Qwen, DeepSeek a GLM?

DeepSeek V4 Flash je nejlevnější za token, GLM prodává ploché předplatné (Coding Plan) namísto pouze platby za tokeny a úroveň „Plus“ od Qwen sedí uprostřed. Všechny tři mají licence přátelské ke komerčnímu použití. Níže uvedené ceny jsou za 1 milion tokenů, zjištěno 14. července 2026.

Tabulka cen skrývá jednu velkou změnu perspektivy. Coding Plan od GLM je ploché předplatné, nikoliv platba za tokeny: Lite 18 USD, Pro 72 USD, Max 160 USD měsíčně. Pokud kódujete celý den, toto předplatné porazí náklady na GLM API za tokeny, což je přesně důvod, proč náš třítýdenní test běžel na něm. Pokud pouze občas voláte API, je levnější GLM API za tokeny nebo DeepSeek V4 Flash.

Co se týče licencí: DeepSeek a GLM jsou MIT, Qwen je Apache 2.0. Všechny tři jsou přátelské ke komerčnímu použití. Apache 2.0 je nejpermisivnější, pokud plánujete redistribuci nebo potřebujete explicitní patentová ustanovení, takže si potvrďte přesnou licenci na kartě modelu na Hugging Face pro checkpoint, který nasazujete.

Nyní otázka, nad kterou kupující čínských modelů skutečně nespí: rezidence dat. Jedná se o čínské poskytovatele. Můžete udržet data ve své jurisdikci? Ano, pokud hostujete sami: otevřené váhy plus licence MIT nebo Apache 2.0 znamenají, že můžete provozovat kterýkoliv z nich na infrastruktuře EU (nebo ve vaší vlastní regionální infrastruktuře) a žádný požadavek neopustí vaši síť. Hostované API je opak: vaše data jdou k poskytovateli a naše recenze GLM upozorňuje na podmínky hostování v Číně a uchovávání dat specificky pro hostovaný endpoint. Takže pro přísné hostování v EU nebo compliance hostujte sami, přičemž Qwen je pro self-hosting nejjednodušší. (A ano, deepseek-chat / deepseek-reasoner stále končí 24. 7. 2026 v 15:59 UTC.)

Který si vybrat?

Neexistuje jediný vítěz, takže přizpůsobte model úloze. Níže je rozhodovací matice podle případu použití. Krátká verze: GLM-5.2 pro agentické kódování, DeepSeek V4 Flash pro nejlevnější tokeny, DeepSeek V4 Pro nebo GLM pro nejtěžší logické uvažování a Qwen3 pro lokální self-hosting, multijazyčnou šíři a rezidenci dat.

Proč ne Kimi? Oprávněná otázka, protože Kimi K2.6 (Moonshot) je reálný a silný: BenchLM ho řadí na #2 mezi čínskými modely (celkově 81, kódování 88,7). Stanovili jsme hranici na tři, protože „qwen vs deepseek vs glm“ je přesná sada, kterou lidé hledají, a čisté trojsrovnání zůstává užitečné. Kimi je přirozenou čtvrtou volbou, pokud chcete delší shortlist, a patří na širší žebříček open-source LLM vedle Llama a Mistral. Jeden upřímný odstavec, žádné rozplývání do čtyř stran.

O autorovi

Mert Batur Gurbuz je spoluzakladatelem Techsy.io, kde tým dodává AI agenty, automatizační systémy a voice/SDR pipeline pro B2B klienty. Studuje na University of Birmingham a píše o stacku nástrojů pro LLM, který tým Techsy skutečně používá v produkci.

Spoluzakladatel, Techsy.io — University of Birmingham. Spoňte se na LinkedIn.

Často kladené otázky

Jsou Qwen, DeepSeek a GLM totéž?

Ne. Pocházejí od tří různých společností: Alibaba vyrábí Qwen, DeepSeek vyrábí DeepSeek V4 a Zhipu/Z.ai vyrábí GLM. Zmatek obvykle pramení ze starších checkpointů DeepSeek R1 „distill Qwen“, což bylo logické uvažování DeepSeek destilované do základních modelů Qwen. To je starší, samostatná věc od dnešních nezávislých vlajkových modelů.

Který je nejlepší pro kódování v roce 2026?

Záleží na tom, zda jde o hostovanou nebo self-hosted verzi. Pro praktické agentické kódování je naší volbou GLM-5.2 po třítýdenním produkčním testu. DeepSeek V4 Pro vede v souhrnném skóre BenchLM pro kódování (89,8). Pro nejsilnější model, který můžete hostovat sami, vede Qwen3-Coder-Next v otevřeném SWE-bench Verified na 70,6–71,3 %. Všechny tři jsou skutečně použitelné.

Který je nejlevnější za token?

DeepSeek V4 Flash, pohodlně. Stojí 0,14 USD za milion vstupních tokenů při chybě cache, 0,0028 USD při zásahu do cache a 0,28 USD za výstup (oficiálně, 14. července 2026). Pro workloady s opakujícím se kontextem, jako je RAG nebo agenti, kteří znovu čtou systémový prompt, činí míra zásahu do cache tuto možnost levnější než cokoliv jiného v tomto srovnání.

Mohu hostovat Qwen, DeepSeek a GLM na vlastním hardwaru?

Ano, všechny tři publikují otevřené váhy. Dense verze Qwen 27B je nejnáročnější a údajně běží na přibližně 18 GB VRAM, takže jedna karta s 24 GB stačí. DeepSeek V4 a GLM-5.2 jsou velké modely Mixture-of-Experts, které vyžadují hardware třídy clusteru. Obsluhujte kterýkoliv z nich pomocí vLLM nebo SGLang, jakmile překročíte jeden stroj.

Který má největší okno kontextu?

Shlukují se kolem 1 milionu tokenů, ale neignorujte detaily. DeepSeek V4 má oficiálně 1M a GLM-5.2 dosáhl 1M v polovině června 2026. Otevřené modely Qwen se liší: Qwen3-Coder-Next má nativně 256K, zatímco některé hostované úrovně „Plus“ dosahují přibližně 1M. Zkontrolujte specifický checkpoint, který nasazujete, místo abyste předpokládali.

Je GLM-5.2 stejně dobrý jako Claude nebo GPT pro kódování?

Je blízko v benchmarcích (SWE-bench Pro 62,1 oproti Claude Opus 4.8 kolem 69) a v praxi ještě bližší, než naznačuje rozdíl. V našem třítýdenním testu odvedl GLM-5.2 většinu naší kódovací práce za 72 USD měsíčně oproti ~200 USD měsíčně, které platíme za Claude Max. Kompromisem je tvrdý týdenní limit, který nás během rušných týdnů zastavil pátý den.

Co Kimi K2.6, proč není mezi těmi třemi?

Kimi (Moonshot) je reálný a silný. BenchLM ho řadí jako #2 čínský model celkově (81) a 88,7 v kódování. Drželi jsme se přesného rámce trojsrovnání, které lidé hledají, takže Kimi nebyl v headline sadě. Berte ho jako přirozenou čtvrtou volbu na delším shortlistu modelů s otevřenými vahami, nikoliv jako opomenutí.

Kterou licenci mohu používat komerčně?

Všechny tři. DeepSeek a GLM jsou vydávány pod licencí MIT a otevřené modely Qwen pod Apache 2.0. Každá z nich je přátelská ke komerčnímu použití. Apache 2.0 je nejpermisivnější s explicitními patentovými ustanoveními, což může být důležité pro redistribuci. Vždy potvrďte licenci na kartě modelu na Hugging Face pro přesný model, který nasazujete.

Qwen vs DeepSeek V4, který si vybrat pro produkt založený na API?

DeepSeek V4 pro produkty citlivé na náklady, s vysokým objemem nebo heavily využívající RAG, díky výhodě cenování cache. Qwen, když potřebujete multijazyčnou šíři nebo specificky licenci Apache 2.0. Obě jsou dostupné přes API a obě lze hostovat sami, takže rozhodujícími faktory jsou obvykle váš objem tokenů a licenční omezení.

Verdikt

Nenuťte jediného vítěze ze srovnání Qwen vs DeepSeek vs GLM. Rozdělte je do tierů a vybírejte podle úlohy:

• GLM-5.2 pro agentické kódování a agenty s dlouhým časovým horizontem. Je to ten, který jsme provozovali tři týdny za 72 USD měsíčně, a tuto pozici si vysloužil.
• DeepSeek V4 Flash pro nejlevnější tokeny a RAG ve velkém měřítku, s cenou při zásahu do cache, kterou nic jiného zde nenabízí.
• Qwen3 pro lokální self-hosting na skromném hardwaru, multijazyčnou práci a nejpermisivnější licenci (Apache 2.0).

Větší ponaučení: čtěte cluster benchmarků, nikoliv žebříček, a berte s rezervou vlastní údaje dodavatelů. Aktuálnost je v tomto prostoru důležitější než rozsah textu, protože všechny tři vydávají nové verze téměř měsíčně.

Výběr modelu je ta snadná část. Tam, kde týmy uvíznou, je zapojení do produkčního stacku s fallbacky, cenovými limity a eval gateways. To je to, co děláme v Techsy, zapojování modelu s otevřenými vahami do produkčního agentického stacku, který obstojí pod reálným provozem.