Bezplatní AI boti pro Discord v roce 2026

Když vyhledáš „free AI Discord bot“, najdeš desítky možností. Některé jsou skutečně zdarma. Většina ne, alespoň ne tak, jak bys možná čekal. Tento článek rozebírá, co je opravdu dostupné, jaké jsou kompromisy a kolik „zdarma“ ve skutečnosti stojí, když je ve hře AI inference.

Proč je „bezplatná AI“ složitá

Provoz LLM stojí peníze. Pokaždé, když uživatel pošle zprávu a dostane odpověď, někdo platí výpočetní výkon. U hostovaného API, jako je OpenAI nebo Anthropic, platíš za token. U self-hosted modelu platíš hardwarem, elektřinou a časem na údržbu. Tomu se nejde vyhnout: inference má nenulové mezní náklady.

Když služba nabízí „bezplatného AI bota“, platí jedna z následujících možností:

1. Náklady na inferenci platíš přímo (například poskytnutím vlastního API klíče).
2. Služba náklady absorbuje a získává je zpět přes placené tarify, reklamy nebo sběr dat.
3. Inferenci provozuješ sám na vlastním hardwaru s open-source modelem.
4. Bezplatný tarif je omezený na nízký objem, který omezuje vystavení poskytovatele výpočetním nákladům.

Pochopení toho, která z těchto možností platí pro konkrétního bota, je klíčem k vyhodnocení, zda se skutečně hodí pro tvůj případ použití.

Tři kategorie bezplatných AI botů pro Discord

1. Self-hosted open-source boti (skutečně zdarma, dodáš hardware)

Toto je jediná možnost, kde žádná třetí strana neřídí tvoje limity používání. Spustíš open-source LLM lokálně (nebo na VPS), připojíš ho k Discordu přes bota, kterého napíšeš nebo forkuješ, a všechno spravuješ sám.

Typický stack:

• Ollama pro lokální obsluhu modelu
• discord.py nebo discord.js pro Discord bota
• Model jako Llama 3.1 8B, Mistral 7B nebo Gemma 2 9B

Co získáš:

• Žádné náklady za zprávu kromě elektřiny
• Plnou kontrolu nad modelem, system promptem a daty
• Žádné rate limity uložené třetí stranou (platí jen vlastní API limity Discordu)
• Lokální zpracování modelem: inference zůstává na tvém stroji, zatímco Discord stále přenáší a ukládá zprávy

Čeho se vzdáš:

• Potřebuješ hardware. Provoz 7Bparametrového modelu rozumnou rychlostí vyžaduje GPU s alespoň 8 GB VRAM nebo moderní Mac s unified memory. CPU inference funguje, ale je pomalá (několik sekund na odpověď u 7B modelu).
• Spravuješ infrastrukturu. Aktualizace, restarty, monitoring a místo na disku pro váhy modelů jsou na tobě.
• Kvalita modelu je nižší než u frontier modelů. Llama 3.1 8B je schopná, ale není to GPT-4o ani Claude Sonnet. Pro jednoduché otázky a odpovědi a běžnou konverzaci funguje dobře. U jemnějšího uvažování nebo složitého vícekrokového dialogu zaostává.
• Žádná vestavěná znalostní báze, analytika ani funkce předání člověku. Co potřebuješ, si musíš postavit.

Minimální hardwarové požadavky pro běžné modely:

(Rychlosti jsou přibližné, měřené na RTX 4090. Kvantizované varianty používají méně paměti za cenu malé ztráty kvality.)

2. Freemium spravované služby (bezplatný tarif s limity)

Toto jsou produkty, kde AI i infrastrukturu bota hostuje někdo jiný. Bota konfiguruješ přes webový dashboard. Bezplatný tarif ti dá omezené používání, za víc platíš.

Příklady:

Free plan Quickchat AI ti umožní testovat bez platební karty. Integrace s Discordem je dostupná v každém tarifu, takže můžeš připojit svého bota a otestovat ho se skutečnými uživateli před tím, než se zavážeš. Připojení je na jedno kliknutí: v External Apps otevři Discord a klikni na Add to your Discord server, potom vyber server, na který ho chceš přidat. Placené tarify začínají tarifem Starter za $9/mo nebo $8/mo při roční fakturaci.

Hlavní výhodou spravovaných služeb je, že získáš funkce nad rámec surové LLM inference: znalostní báze vytvořené z tvých dokumentů a webu, analytiku konverzací (analýza sentimentu, detekce témat), nasazení ve více kanálech (stejný agent funguje na tvém webu, WhatsApp, Slack a Discordu) a předání člověku pro případy, které AI nedokáže vyřešit. Vybudovat to od nuly nad self-hosted modelem je významný inženýrský projekt.

MEE6 je primárně bot pro moderování a engagement. Jeho AI chat funkce jsou uzamčené za premium předplatným ($11.99/mo na začátku roku 2026). Bezplatný tarif pokrývá leveling, základní moderátorské příkazy a uvítací zprávy, ale ne konverzace poháněné AI.

Botpress má bezplatný tarif s 2,000 příchozími zprávami měsíčně napříč všemi kanály. Nabízí vizuální flow builder a podporuje vlastní konfigurace LLM. Nastavení je však složitější než u Quickchat pro jednoduchého Discord bota, protože Botpress je navržený primárně pro strukturované konverzační toky spíše než pro otevřený chat.

3. BYO API key boti (platíš poskytovateli LLM)

Třetí kategorie: open-source boti, kteří běží na serveru, ale pro inferenci volají komerční API (OpenAI, Anthropic, Google atd.). Dodáš vlastní API klíč. Kód bota je zdarma, ale platíš za token poskytovateli modelu.

Příklady na GitHubu:

• GPT Discord Bot (oficiální příklad od OpenAI)
• Různí komunitní boti postavení na discord.py + OpenAI Python SDK

Cena za zprávu s komerčními API (přibližně, na začátku roku 2026):

*Při předpokladu ~500 vstupních tokenů a ~200 výstupních tokenů na výměnu zpráv, bez historie konverzace. Se zahrnutou historií konverzace vstupní náklady rostou lineárně s délkou kontextu.

Při 1,000 zprávách měsíčně s GPT-4o mini utratíš asi $0.30. Při 10,000 zprávách měsíčně asi $3.00. Tato čísla vypadají nízká, dokud nezapočítáš historii konverzace: pokud každá zpráva zahrnuje celý kontext konverzace (řekněme 10 předchozích tahů), počet vstupních tokenů na zprávu naroste z ~500 na ~5,000, takže vstupní náklady vzrostou 10x a celkové náklady se zvýší.

Porovnání nákladů napříč přístupy

Následující tabulka odhaduje měsíční náklady při různých objemech zpráv. „Self-hosted“ předpokládá malé VPS nebo existující hardware. „BYO API Key“ používá ceny GPT-4o mini. „Managed“ používá ceny Quickchat AI jako referenci.

Poznámky ke sloupci self-hosted: rozsah závisí na tom, zda používáš CPU-only VPS (levnější, ale pomalejší odpovědi), nebo GPU instanci. Hetzner nabízí CPU VPS instance za přibližně $5-10/mo, na kterých lze spustit kvantizovaný 7B model, i když odezva bude 5-15 sekund. GPU cloud instance (například od Lambda, RunPod nebo Vast.ai) začínají přibližně na $0.20-0.50/hr za jednu GPU, což při provozu 24/7 vychází na $150-360/mo. Pro občasné použití to mohou snížit spot instance nebo serverless GPU poskytovatelé.

Sloupec BYO API key ukazuje rozsah, protože náklady silně závisí na tom, zda do každého requestu zahrnuješ historii konverzace. Dolní hranice je single-turn (bez historie), horní hranice je multi-turn s ~10 zprávami kontextu.

Sloupec spravované služby odráží ceny Quickchat ke červnu 2026. Tyto tarify zahrnují funkce jako správu znalostní báze, analytiku a podporu více kanálů, které u dalších dvou přístupů bez další inženýrské práce neexistují.

Rychlé self-hosted nastavení: Python + discord.py + Ollama

Níže je minimální funkční příklad Discord bota, který používá Ollama pro lokální inferenci. Vyžaduje nainstalovanou a spuštěnou Ollama a stažený model (například ollama pull llama3.1:8b).

Předpoklady

1. Python 3.10+
2. Nainstalovaná a spuštěná Ollama (curl -fsSL https://ollama.com/install.sh | sh)
3. Stažený model: ollama pull llama3.1:8b
4. Token Discord bota (vytvoř ho v Discord Developer Portal)
5. Bot přidaný na tvůj server s oprávněními Send Messages a Read Message History

Instalace závislostí

pip install discord.py aiohttp

Kód bota

import discord
import aiohttp
import json

DISCORD_TOKEN = "your-bot-token-here"
OLLAMA_URL = "http://localhost:11434/api/chat"
MODEL = "llama3.1:8b"
SYSTEM_PROMPT = "Jsi užitečný asistent na Discord serveru. Odpovídej stručně."

# Store conversation history per channel (in-memory, resets on restart)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # Keep last 10 messages per channel

intents = discord.Intents.default()
intents.message_content = True
client = discord.Client(intents=intents)


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Send a message to Ollama and return the response."""
    if channel_id not in conversations:
        conversations[channel_id] = []

    conversations[channel_id].append({"role": "user", "content": user_message})

    # Trim history to avoid unbounded memory growth
    if len(conversations[channel_id]) > MAX_HISTORY:
        conversations[channel_id] = conversations[channel_id][-MAX_HISTORY:]

    messages = [{"role": "system", "content": SYSTEM_PROMPT}] + conversations[channel_id]

    payload = {
        "model": MODEL,
        "messages": messages,
        "stream": False,
    }

    async with aiohttp.ClientSession() as session:
        async with session.post(OLLAMA_URL, json=payload) as resp:
            if resp.status != 200:
                return f"Ollama vrátila status {resp.status}"
            data = await resp.json()
            reply = data["message"]["content"]

    conversations[channel_id].append({"role": "assistant", "content": reply})
    return reply


@client.event
async def on_ready():
    print(f"Logged in as {client.user}")


@client.event
async def on_message(message: discord.Message):
    # Ignore own messages
    if message.author == client.user:
        return

    # Only respond when mentioned
    if client.user not in message.mentions:
        return

    # Strip the mention from the message
    content = message.content.replace(f"<@{client.user.id}>", "").strip()
    if not content:
        return

    async with message.channel.typing():
        reply = await query_ollama(message.channel.id, content)

    # Discord has a 2000-character limit per message
    if len(reply) > 2000:
        for i in range(0, len(reply), 2000):
            await message.reply(reply[i:i+2000])
    else:
        await message.reply(reply)


client.run(DISCORD_TOKEN)

Toto je přibližně 60 řádků kódu a získáš funkčního AI bota, který odpovídá, když je zmíněn. Udržuje historii konverzace pro každý kanál v paměti (ztratí se při restartu) a řeší limit Discordu 2,000 znaků na zprávu.

Co tomuto minimálnímu botovi chybí

Výše uvedený kód funguje pro testování a malé servery. U čehokoli nad tento rozsah narazíš na několik problémů, které musí produkční boti řešit:

• Perzistentní historie konverzací. In-memory dict se ztratí při restartu procesu. Produkční bot by ukládal konverzace do Redis nebo databáze.
• Rate limiting. Discord povoluje 5 zpráv za 5 sekund na kanál. Pokud je tvůj bot populární, potřebuješ frontu.
• Souběžné requesty. Ollama ve výchozím nastavení zpracovává jeden request najednou. Více uživatelů píšících současně se zařadí do fronty. Můžeš spustit více instancí Ollama za load balancerem nebo použít možnost Ollama OLLAMA_NUM_PARALLEL (dostupná od v0.1.33).
• Ošetření chyb a retry. Ollama může spadnout, dojít jí paměť nebo vrátit špatně formátované odpovědi. Bot by měl všechny tyto případy zvládat korektně.
• Správa kontextového okna. Nastavení MAX_HISTORY = 10 je naivní. Lepší přístup počítá tokeny a ořezává tak, aby se vešel do kontextového okna modelu (8,192 tokenů pro Llama 3.1 8B ve výchozím nastavení, konfigurovatelné až na 128K se zhoršením kvality u delších kontextů).
• Podpora threadů. Na Discordu konverzace s boty často probíhají ve threadech. Vytváření threadů a historie pro každý thread vyžadují další logiku.
• Znalostní báze / RAG. Pokud chceš, aby bot odpovídal na otázky o dokumentaci tvého projektu, potřebuješ setup retrieval-augmented generation: embedovat dokumenty, uložit embeddingy do vektorové databáze a před odesláním do LLM načíst relevantní části.

Technická úskalí

Rate limity Discord API

Discord uplatňuje rate limity na několika úrovních:

• Limity pro jednotlivé routy: Každý API endpoint má vlastní rate limit vrácený v hlavičkách odpovědi (X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset).
• Globální limit: 50 requestů za sekundu napříč všemi endpointy.
• Limit zpráv na kanál: 5 zpráv za 5 sekund na kanál.
• Gateway limity: 120 gateway událostí za 60 sekund.

Knihovna discord.py většinu z nich řeší automaticky frontováním requestů, když narazíš na limit. Pokud je však tvůj bot současně v mnoha serverech nebo kanálech, stále můžeš narazit na globální limit. V tom okamžiku se musíš podívat na sharding (rozdělení serverových připojení bota napříč více gateway připojeními).

U botů používajících intent MESSAGE_CONTENT (vyžadovaný pro čtení textu zpráv) Discord vyžaduje ověření bota, pokud je ve více než 100 serverech. To zahrnuje odeslání popisu toho, co tvůj bot dělá, a získání schválení od Discordu.

Kompromisy v kvalitě modelu

Rozdíl mezi malými open-source modely a frontier komerčními modely je menší než před dvěma lety, ale stále existuje. Tady je hrubé srovnání pro běžné úlohy Discord bota:

Pokud je tvůj Discord bot pro herní komunitu a většinou řeší běžný chat a jednoduché dotazy, lokální 8B model funguje dobře. Pokud je určený pro zákaznickou podporu, kde záleží na přesnosti, rozdíl v kvalitě se stává skutečným problémem. Držení se role je také méně o modelu a více o nastavení: jak vytvořit roleplay AI chatbota, který se drží role, ukazuje, jak daleko posune i standardní model persona prompt a kanonická znalostní báze.

Správa kontextového okna

Toto je nejvíce podceňovaná technická výzva u Discord botů. Konverzace na Discordu jsou ze své podstaty vícekrokové: uživatelé posílají mnoho krátkých zpráv a bot si musí pamatovat, co bylo řečeno dříve v konverzaci.

Pokaždé, když bot odpovídá, musí do promptu zahrnout předchozí historii konverzace. To znamená:

• Počet vstupních tokenů roste lineárně s délkou konverzace.
• U botů založených na API rostou lineárně i náklady.
• U lokálních modelů roste doba inference s délkou kontextu (kvadraticky při výpočtu attention, i když optimalizace jako Flash Attention pomáhají).
• V určitém bodě konverzace překročí kontextové okno modelu a potřebuješ strategii: oříznout od začátku, shrnout starší zprávy nebo začít novou konverzaci.

Praktický přístup je udržovat posuvné okno posledních N zpráv a, pokud konverzace trvá dlouho, přidat na začátek krátké shrnutí dřívějšího kontextu. To vyžaduje další volání LLM pro vytvoření shrnutí, ale udržuje náklady na zprávu omezené.

Dopady na soukromí

To se výrazně liší podle přístupu:

• Self-hosted: AI inference zůstává na tvém hardwaru, takže kontroluješ logy zpracování modelem a retenci. Discord stále přenáší a ukládá zprávy, lokální inference neznamená, že je celá konverzace lokální.
• BYO API Key: Zprávy se posílají poskytovateli API (OpenAI, Anthropic atd.). Zkontroluj jejich zásady retence dat. Na začátku roku 2026 OpenAI uvádí, že ve výchozím nastavení netrénuje na API datech, a Anthropic má podobnou politiku. Zprávy však jejich servery procházejí.
• Spravované služby: Zprávy zpracovává poskytovatel služby. Zkontroluj jeho zásady ochrany soukromí a smlouvy o zpracování dat. Pro firmy, které zpracovávají uživatelská data v EU, je zde důležitý soulad s GDPR. Quickchat AI například zpracovává data v EU a poskytuje DPA pro firemní zákazníky.

U běžného Discord serveru soukromí obvykle není hlavní starost. U firmy, která používá Discord bota pro zákaznickou podporu, se vyplatí přesně vědět, kde se konverzační data ukládají a kdo k nim má přístup.

Self-hosted vs. spravované: celkové náklady vlastnictví

Porovnání surových výpočetních nákladů z tabulky výše říká jen část příběhu. Celkové náklady vlastnictví zahrnují inženýrský čas.

Co si stavíš sám u self-hosted bota:

• Kód bota a nasazení
• Ukládání historie konverzací
• Správa kontextového okna
• Ošetření chyb a monitoring
• Znalostní báze / RAG pipeline (pokud je potřeba)
• Analytika a logování
• Podpora více kanálů (pokud je potřeba)

Konzervativně zabere vytvoření produkčního self-hosted AI Discord bota s historií konverzací, znalostní bází a základní analytikou zkušenému vývojáři 40-80 hodin inženýrského času. Údržba (aktualizace modelů, aktualizace závislostí, debugging, monitoring) přidává průběžný čas.

Co získáš hotové ve spravované službě:

• Hosting bota a správa dostupnosti
• Znalostní báze vytvořená z tvého webu, dokumentace a souborů
• Analytika konverzací (sentiment, témata, hodnocení)
• Nasazení ve více kanálech (stejný agent na Discordu, webu, WhatsApp, Slack atd.)
• Předání člověku, když AI nedokáže pomoct
• AI Actions (vlastní API volání spouštěná kontextem konverzace), včetně moderátorských akcí jako timeout, kick a ban

Otázka je, zda jsou měsíční náklady spravované služby nižší než oportunitní náklady tvého inženýrského času. Pro sólo vývojáře provozujícího hobby Discord server je self-hosting s Ollama pravděpodobně správná volba. Pro firmu, která používá Discord jako zákaznický podpůrný kanál, matematika obvykle vychází ve prospěch spravované služby, protože právě funkce kolem samotného LLM (analytika, znalostní báze, předání člověku) dělají bota skutečně užitečným. Průvodce AI ticket botem staví přesně tuto kombinaci od začátku do konce na Free plan, takže můžeš nacenit alternativu proti něčemu konkrétnímu.

Shrnutí

Neexistuje univerzálně „nejlepší“ bezplatný AI Discord bot. Správná volba závisí na tom, co pro tebe znamená „zdarma“:

• Pokud chceš nulové průběžné náklady a máš dostupný hardware, použij self-hosting s Ollama a open-source modelem. Kontroluješ lokální zpracování modelem a retenci jeho dat, zatímco Discord stále přenáší a ukládá zprávy. Vzdáváš se kvality modelu vůči frontier modelům a přebíráš veškerou inženýrskou práci.
• Pokud chceš testovat se skutečnými uživateli, než za něco zaplatíš, Free plan Quickchat AI ti umožní začít bez platební karty. Integrace s Discordem funguje na Free plan a placené tarify začínají na $9/mo.
• Pokud chceš kvalitu frontier modelů a nevadí ti spravovat API klíče, BYO API key bot ti ji dá s nízkými náklady za zprávu (zejména s GPT-4o mini nebo Gemini Flash). Stále musíš hostovat kód bota a postavit všechny funkce nad rámec surového chatu.
• Pokud potřebuješ produkční funkce (znalostní bázi, analytiku, předání člověku, více kanálů), spravovaná služba je nejrychlejší cesta. Vyhodnocuj podle objemu zpráv, který očekáváš, a funkcí, které skutečně potřebuješ.

Slovo „zdarma“ ve spojení „bezplatný AI Discord bot“ odvádí hodně práce. Výpočetní výkon vždy něco stojí. Otázka je, kdo za něj platí a co za to získáš (nebo čeho se vzdáš).

Pro širší porovnání všech AI botů pro Discord (nejen bezplatných) si přečti náš přehled Nejlepší AI boti pro Discord v roce 2026. Pokud je tvůj server konkrétně podpůrný kanál, AI Discord Ticket Bot ukazuje, jak odpovídat z dokumentace a zbytek eskalovat do soukromých ticket threadů.