Disney agrees to hire the majority of Character.AI’s workforce

Co když váš oblíbený chatbot přežije jako technologie, ale služba, přes kterou si s ním povídáte, zmizí? Přesně tuhle otázku otevírá dohoda Disney s Character.AI. Pro zaměstnance může znamenat pokračování kariéry. Pro uživatele žádnou podobnou jistotu nepřináší.

Příběh má širší význam než další přesun vývojářů mezi americkými firmami. Ukazuje rozdíl mezi vlastnictvím technologie a předplatným aplikace. A také připomíná, že sympatická virtuální osobnost má někde vzadu účet za servery. Ten se bohužel neplatí imaginárními penězi.

Disney přebírá lidi. Kdo zachrání vašeho chatbota?

Disney nabídne práci nejméně 60 zaměstnancům Character.AI; odhadované roční odměny činí 60 milionů dolarů. Uvádí to TechCrunch.

Pro pochopení obchodu je ale zásadní jeho konstrukce. Character Technologies, provozovatel Character.AI, podal 12. října 2026 návrh na ochranu před věřiteli podle americké kapitoly 11. Disney se podle rozboru soudních dokumentů zavázal k platbě 20 milionů dolarů za nevýhradní trvalou licenci k vybranému duševnímu vlastnictví a souvisejícím právům. Část peněz poskytl předem. Nabídka tvoří základ pro prodejní proces, ve kterém mohou přijít další zájemci. Rozbor PPC Land

Převzetí týmu tedy nelze zaměňovat za koupi celé spotřebitelské služby. Z dohody neplyne slib zachovat aplikaci, uživatelské postavy nebo dosavadní způsob fungování. Informace odpovídají stavu ověřenému k 19. říjnu 2026.

Právě tady se rozcházejí zájmy jednotlivých stran. Zaměstnanec řeší nové místo. Disney může získat znalosti a technologii. Uživatel chce pokračovat v rozehraném příběhu. Každý mluví o stejném chatbotu, ale každý si pod tím představuje jiný majetek.

Pro zákazníka je proto podstatnější možnost odnést si vlastní obsah než slavné logo budoucího zaměstnavatele vývojářů. Logo vám historii konverzace nezazálohuje.

Proč může mít tým větší cenu než populární aplikace

Character.AI pracuje s něčím obtížnějším než jednorázovou odpovědí na otázku. Virtuální postava musí udržet styl, reagovat na předchozí děj a neztratit charakter po několika výměnách. Uživatel jí odpustí neznalost jízdního řádu. Méně ochotně odpustí, když zapomene vlastní jméno.

Takový produkt vyžaduje víc než jazykový model. Potřebuje správu paměti, rychlé odpovědi, vyhodnocování kvality a pravidla pro problematické situace. Znalosti lidí, kteří tyto vrstvy provozovali společně, se nedají jednoduše stáhnout jako soubor vah.

Zároveň jde o nákladný typ služby. Čím déle konverzace pokračuje, tím víc informací může systém potřebovat zpracovávat. Starší zprávy lze shrnovat nebo dohledávat, ale tím přibývá další logika a prostor pro chyby. Oblíbenost sama nezaručuje zdravou ekonomiku.

Do prodejního procesu navíc zasahovala právní a regulatorní rizika. Podle bankéřova prohlášení popsaného PPC Land oslovil dřívější poradce přibližně 28 potenciálních zájemců. Výsledkem byl jediný návrh, který firma nepovažovala za realizovatelný. Podrobnosti prodejního procesu

Moje interpretace: Disney může dávat větší smysl zkušený tým použitelný pro vlastní produkty než převzetí celé existující komunity. Interaktivní postavy nebo průvodci jsou představitelným využitím. Nejde však o oznámený produktový plán. Zaměňovat obchodní logiku za potvrzené vydání „Mickeyho do kapsy“ by bylo předčasné.

Chcete ušetřit na energiích?

Zjistěte, kolik můžete ušetřit sdílením elektřiny z FVE nebo optimalizací bateriového úložiště.

Spočítat úsporu →

Vlastní postavu rozjedete jedním příkazem. Zbytek už je práce

Praktická alternativa existuje. Na počítači můžete provozovat otevřený model přes Ollama a jeho chování upravit vlastními instrukcemi. Nedostanete tím automaticky náhradu celé služby Character.AI, ale získáte kontrolu nad základním modelem a konfigurací.

Pro první pokus poslouží Qwen3 ve variantě s osmi miliardami parametrů. Balíček `qwen3:8b` v registru Ollama používá kvantizaci Q4_K_M a má přibližně 5,2 GB. Po instalaci Ollama spusťte:

```bash ollama run qwen3:8b ```

Velikost souboru není celková paměťová náročnost. Další paměť potřebuje běhové prostředí a kontext rozhovoru. Pro úvodní experiment dává smysl počítač se 16 GB RAM a krátkým kontextem; rychlost ověřte na konkrétním stroji. Samostatná grafika může pomoci, ale první zkoušku lze udělat i bez ní. Balíček Qwen3 v Ollama

Vytvořte soubor `Modelfile`:

```text FROM qwen3:8b PARAMETER num_ctx 4096 PARAMETER temperature 0.7 SYSTEM """ Jsi Karel, fiktivní průvodce technickým muzeem. Mluvíš česky, stručně a s jemným humorem. Neznámé skutečnosti označuješ jako nejisté. Nevydáváš se za skutečného člověka. """ ```

Potom vlastní konfiguraci sestavte a spusťte:

```bash ollama create karel -f Modelfile ollama run karel ```

Tento postup využívá konfigurační formát Ollama. Nejde o trénování modelu. Měníte instrukce a nastavení generování.

Výsledného Karla vyzkoušejte na dvaceti stejných otázkách. Sledujte češtinu, konzistenci role a vymyšlená fakta. Dvacet povedených pozdravů není test. Otázka na neexistující exponát už něco prozradí.

LoRA umí upravit styl. Paměť a znalosti řešte zvlášť

Když systémové instrukce nestačí, přichází na řadu LoRA. Tato metoda při dotrénování upravuje relativně malou sadu dodatečných parametrů, zatímco základní váhy zůstávají zmrazené. Může snížit nároky proti plnému dotrénování. Neznamená to ale, že libovolný model vytrénujete na kancelářském notebooku. Dokumentace LoRA od Hugging Face

Pro fiktivní postavu se hodí například sada kvalitních ukázkových dialogů. Každý by měl zachycovat požadovaný tón, způsob vysvětlování a reakce na nejistotu. Část ukázek si nechte stranou pro testování. Pokud hodnotíte model na stejných větách, které dostal při trénování, měříte hlavně schopnost zapamatovat si domácí úkol.

Jiný problém představují měnící se informace. Ceník, seznam exponátů nebo provozní údaje je praktičtější dohledávat z externích dokumentů. Postup označovaný jako RAG přidává k dotazu relevantní podklady. Aktualizujete dokument, nemusíte znovu připravovat adaptér.

Paměť rozhovoru tvoří další samostatnou vrstvu. Ukládejte strukturovaná fakta a stručné souhrny, nikoli automaticky celý archiv do každého dotazu. Uživatel by měl mít možnost uložené údaje zkontrolovat a smazat.

Na Hugging Face hledejte nejen modely, ale také licence a popisy jejich omezení. Označení „otevřený“ nemusí znamenat zveřejněná trénovací data. A slabší obsahové filtry nejsou důkazem vyšší inteligence. Pro vlastní postavu je rozhodující kvalita odpovědí, nikoli ochota odříkat cokoli.

Za 216 korun měsíčně? Ano, pokud počítáte jen část účtu

Vezměme modelový domácí provoz. Počítač má při práci průměrný příkon 300 wattů a chatbot běží čtyři hodiny denně. Za třicet dní spotřebuje 36 kWh. Při zvolené výpočtové ceně 6 Kč/kWh vychází elektřina na 216 korun měsíčně. Není to aktuální nabídka dodavatele ani měření konkrétní sestavy.

Stejný příkon nepřetržitě znamená 216 kWh, tedy 1 296 korun měsíčně. Rozdíl mezi občasným experimentem a trvale dostupnou službou je najednou dobře vidět.

| Modelový režim | Měsíční spotřeba | Elektřina při 6 Kč/kWh | |---|---:|---:| | 300 W, čtyři hodiny denně | 36 kWh | 216 Kč | | 300 W, nepřetržitý provoz | 216 kWh | 1 296 Kč |

Přidejte hardware. Pokud pro příklad vyhradíte na sestavu 30 000 korun a rozpočítáte ji na tři roky, jde o dalších přibližně 833 korun měsíčně. Teprve pak následují zálohy, případné opravy a vlastní čas. „Model zdarma“ je licenční informace, nikoli kompletní rozpočet.

Skutečný odběr zjistíte měřením u zásuvky. Ve firmě může dávat smysl průběžný přehled, například prostřednictvím IoT monitoringu.

Pro plánování odložitelných úloh může pomoci i přehled spotových cen elektřiny. Burzovní cena ale není celá faktura. Zdrojové výsledky zveřejňuje OTE. Nejdřív změřte spotřebu a zkontrolujte svůj tarif, teprve potom optimalizujte rozvrh.

Pět set miliard parametrů doma? Nejdřív spočítejte paměť

Do stejné debaty vstupují zprávy o obřích otevřených modelech. Reflection představuje Beam s 501 miliardami parametrů, z nichž se při zpracování tokenu aktivuje přibližně 23 miliard. Jde o architekturu se směrováním mezi specializovanými částmi modelu. Menší aktivní část omezuje výpočetní práci, nikoli automaticky objem všech uložených vah.

Pozor také na dostupnost. Ověřená stránka výrobce uvádí dokončování bezpečnostních testů a plán zveřejnit váhy později během měsíce. Samotné oznámení tedy není důkazem, že už máte kompletní model ke stažení. Oznámení Reflection

Čistá aritmetika je neúprosná: 501 miliard parametrů při dvou bajtech na parametr představuje asi 1 002 GB. Při ideálních čtyřech bitech přibližně 250,5 GB. To jsou pouze váhy, bez režie kvantizace, paměti kontextu a dalších provozních nároků. Herní grafika se kvůli pěknému titulku nezvětší.

Jinou důležitou zprávou je korpus přibližně 2,8 bilionu tokenů pro 22 indických jazyků, který popisuje AI4Bharat ve spolupráci s NVIDIA. Autoři zároveň zdůrazňují potřebu samostatného jazykového hodnocení. Projekt AI4Bharat

Pro českého vývojáře z toho plyne praktické poučení: anglický žebříček neověří české skloňování ani místní terminologii. Při výběru modelu dejte přednost vlastnímu testu před počtem parametrů na plakátu. Pro muzejního Karla může být menší, dobře nastavený model užitečnější než obří univerzální systém.

Nejdřív zachraňte vlastní data. Potom kupujte další předplatné

Pokud používáte Character.AI, začněte kontrolou dostupných možností exportu. Uchovejte si vlastní texty, definice postav a podklady, ke kterým máte práva. Nepředpokládejte, že export obsahuje všechno nebo že jej jiná aplikace umí přímo importovat.

Záloha textu není záloha osobnosti modelu. I se stejnou definicí může jiný model reagovat odlišně. Proto si vedle konfigurace uložte několik vzorových rozhovorů. Poslouží jako test při případném přesunu. Citlivé konverzace pak neposílejte bez rozmyslu do další služby jen proto, že nabízí pohodlný import.

Ve firmě má podobný přístup ekonomický smysl. Nejdříve spočítejte počet skutečně využitých odpovědí, provozní náklady a práci administrátora. Teprve potom rozhodujte mezi vlastním hardwarem a placeným rozhraním. Energetickou stránku provozu lze řešit i s Smart Energy Share; související možnosti popisuje stránka [řešení pro firmy](https://smartenergyshare.com/pro-firmy?utm_source=smartenergyshare-info&utm_medium=referral&utm_campaign=satellite-marketing). Kontext sdílení výroby najdete také na [ShareElectric.cz](https://shareelectric.cz).

Širší vztah datových center a energetiky rozebírá studie IEA o energii a umělé inteligenci. Pro váš první pokus ale stačí mnohem menší úkol: spustit model, změřit spotřebu a ověřit odpovědi.

Moje předpověď? Přenositelnost postav a historie se stane prodejním argumentem. Až další oblíbený chatbot změní majitele, uživatele nebude nejvíc zajímat nový investor. Budou chtít vědět, zda si mohou vzít svůj příběh s sebou.

Zdroje

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: ElectricShare.cz Příklad výstupu EMO monitoring sidecar Vice o training and