Všech 236 příspěvků z kvapilsoft.cz/ai-news jako obyčejný text, nejnovější nahoře. Časy jsou pražské. Aktualizováno čtvrtek 12. listopadu 2026 21:31. Odběr přes RSS.
Třídění, vytahování dat ve velkém, levní subagenti (hledání, čtení logů): Haiku 5.5 (low–medium)
Chat, jasně zadané opravy a funkce, běžné dokumenty: Sonnet 5.5 (medium)
Běžné programování, ladění, ovládání počítače: Opus 5.5 (medium)
Ověřování, testy, bezpečnost, záludné okrajové případy: Opus 5.5 (high)
Velké refaktoringy a migrace, architektura, řízení mnoha subagentů: Fable 5.2 (medium–high)
Když Opus nestačí ani na high: Fable 5.2 (high)
OpenAI
Drobné úpravy, jasně ohraničené úlohy, vytahování dat: GPT-6 Luna (low)
Dohledání souvislostí napříč aplikacemi: GPT-6 Luna (xhigh)
Ovládání počítače, formuláře, faktury a kancelářská práce ve velkém: GPT-6.1 Terra (low–medium)
Složitá technická práce, výstupy k dalšímu dopracování: GPT-6.1 Sol (medium)
Vyladěné výstupy, rozhodování z protichůdných podkladů: GPT-6.1 Sol (xhigh)
Stručné psaní a přepracování textu se zachováním faktů: GPT-6 Astra (low)
Ambiciózní projekty se širokým kontextem: GPT-6 Astra (medium)
Náročná analýza a výstupy s přísnými požadavky: GPT-6 Astra (xhigh)
Začněte na low nebo medium a úsilí zvyšujte, jen když to výsledek opravdu zlepší – vyšší úroveň stojí víc času i peněz.
Než změníte model, zkuste nejdřív upravit úsilí. Nad úrovní high se ale spíš vyplatí vyšší model na nižším úsilí – Fable 5.2 na high dosáhne maxima Opusu 5.5 zhruba za polovinu ceny.
Model přepínejte v přirozené pauze (po /compact nebo v nové session) – cache patří modelu, který ji zapsal, a po přepnutí se platí znovu.
Sonnet na xhigh nebo max často vyjde dráž než Opus na high – v tu chvíli raději rovnou Opus.
Anthropic spouští betu Claude Meetings pro tarify Team a Enterprise. Claude se připojí k videohovoru jako viditelný účastník, odpovídá na dotazy, během řeči zakládá dokumenty a tabule a po hovoru nechá zápis s úkoly. Zatím jen v Google Meet.
Claude je v hovoru vidět jako další účastník a do chatu napíše upozornění, že zaznamenává. Dá se mu říct nahlas nebo v chatu třeba „založ dokument k tomuhle plánu“ – sepíše, co zaznělo, a kolegové z pozvánky ho mohou upravovat, zatímco se dál mluví. Na dotaz („kolik stála loňská akce?“) se s vaším svolením podívá do připojených nástrojů a odpoví v chatu. Po hovoru najdete na stránce schůzky v claude.ai zápis, úkoly, přepis i vše, co Claude vytvořil, a později se ho na schůzku můžete zeptat. Ukládá přepis, shrnutí a popis sdílené obrazovky, ne zvuk.
Ve výchozím nastavení se Claude k hovorům s lidmi mimo firmu nepřipojí a odejde, když se někdo zvenku přidá; správce to může povolit. Připojené nástroje používá vždy s oprávněním konkrétního člověka a u dotazů položených nahlas se zatím pokaždé ujišťuje, kdo mluví. Anthropic připomíná, že všichni účastníci by měli s přepisem souhlasit.
Beta se postupně zapíná na tarifech Team (ve výchozím stavu zapnutá) a Enterprise (zapíná správce). Nedostanou ji zatím firmy s nulovým uchováváním dat, režimem pro zdravotní data (HIPAA) nebo vlastními šifrovacími klíči. Zápisy, přepisy a odpovědi jsou během bety zdarma, kromě odpovědí s připojenými nástroji; dokumenty a tabule z porad jsou zdarma do 10. února 2027. Další platformy než Google Meet a odesílání přepisů do nástrojů jako Gong, Granola, Fireflies nebo Otter mají přijít brzy.
Google vydal Gemini 4 Hydrogen, rychlý a levnější model na každodenní práci, programování a agenty. Dostanou ho všichni včetně bezplatné aplikace Gemini. V indexu Artificial Analysis je těsně nad dražším Argonem a proti Gemini 3.8 Flash dokončí úlohy 2,5× rychleji.
Hydrogen je rodina Gemini 4 „pro každý den“: Carbon a Argon jsou na nejtěžší dlouhé úlohy, Hydrogen na rychlé provedení. V API stojí 1,50 dolaru za milion vstupních a 7,50 dolaru za milion výstupních tokenů, a to stejně v celém kontextu 1 milionu tokenů (Argon a Carbon 2 a 10 dolarů). Výstup může mít až milion tokenů. Má čtyři úrovně přemýšlení: low, medium, výchozí high a novou xhigh.
V Artificial Analysis Intelligence Index má na high 51 bodů, Argon 50, na xhigh 54 (pro srovnání Claude Fable 5.2 má 65). Proti Gemini 3.8 Flash podle Googlu víc než ztrojnásobil skóre v Terminal-Bench 4.1 (57 % proti 18,2 %) a vymýšlí si víc než pětkrát méně. V živém žebříčku Agent Arena je pátý. Při programování má dělat cílené úpravy bez přepisování nesouvisejících souborů a soubory číst paralelně, partneři hlásí 2–2,8× rychlejší běh a o 12–23 % méně tokenů než u 3.8 Flash. Většina čísel je od Googlu.
Novinkou v Antigravity je Orchestrator, který v jedné relaci sám přepíná mezi Carbonem a Hydrogenem. V Terminal-Bench 4.0 se tak skoro vyrovnal samotnému Carbonu a spotřeboval o 24 % méně kvóty a byl o 19 % rychlejší. U paralelních agentů může Carbon koordinovat a Hydrogen dělat práci a kontrolu.
Hydrogen je dostupný ve všech tarifech Google AI Studia a Gemini API, v Gemini pro firmy, v aplikaci Gemini a ve vyhledávání; v Antigravity pro předplatitele Google AI Pro a Ultra. V aplikaci má lépe dodržovat tón, formát a pokyny, volat správné nástroje a brát kontext z Gmailu, Disku nebo připojených aplikací jako Airtable a Dropbox.
Anthropic vydal návod na promptování Claude Fable 5.2 a Vibecoding.cz ho prošel. Hlavní zpráva: model plní instrukce velmi doslova, i ty staré, psané pro jiný model. Úsilí je jediný ovladač přemýšlení a jedna věta o tom, čí je kód, rozhodne, jestli model refaktoruje, nebo jen přilepuje.
Fable 5.2 má výchozí úsilí (effort) high, kdežto Opus 5.5 medium – bez nastavení tedy přemýšlí déle a dráž. Pokyny typu „nepřemýšlej“ nebo „odpověz rovnou“ přestaly fungovat; na high přemýšlí i před odpovědí na pozdrav. Jediná cesta je snížit úsilí. Podle Anthropicu je většina přínosu dostupná už na high, xhigh a max přidávají málo za hodně tokenů. Nastavení vyladěné na Fable 5.1 nebo Opusu nepřenášejte, stejná úroveň znamená u každého modelu jiné množství přemýšlení. V API lze nově (beta) měnit úsilí uprostřed konverzace bez ztráty cache.
Na nižším úsilí model občas skončí v půlce práce a zeptá se „mám pokračovat?“. Anthropic na to dává hotový odstavec do systémového promptu: pokračovat, běžné překážky (chyby, timeouty, prázdné výsledky) obejít, záměrné zábrany respektovat. S ním skončilo s nedodělanou prací asi o polovinu méně relací, za zhruba 30 % víc výstupních tokenů. Model se pak ptá méně, takže riskantní akce je potřeba hlídat mimo model. Pravidla pro schvalování pište konkrétně: pravidlo „schvalovat zprávy lidem mimo konverzaci“ zablokovalo v testu i polovinu běžných interních dotazů. A místo „jo“ napište, co přesně schvalujete.
Nejzajímavější je vlastnictví kódu. Když prompt mlčí, model kód jen doplňuje (i za cenu duplicit) a problémy okolo pouze hlásí. Věta „This codebase is yours: what it's for and how it's built are your call, and you'll keep building on it.“ zvedla slučování opakovaného kódu z pod 10 % na zhruba 50 % pokusů, za 1,5× víc tokenů. V jednom z 6–10 pokusů ale model změnil i chování existující funkce a v závěrečném shrnutí menší změny vynechává – kontrolujte proto diff.
Další změny pro vývojáře v API: přemýšlení je vždy zapnuté, nefungují temperature ani vynucená volba nástroje, API odmítne chybou 400 požadavek, ve kterém aplikace zpětně změnila starší část konverzace, a myšlenkové bloky Fable přečte jen Fable nebo Mythos. Každá z doporučených úprav promptu zvedne spotřebu tokenů o 20–50 %, takže je dobré měřit na vlastních úlohách. Článek Vibecoding.cz je výklad oficiálního návodu, některé závěry (třeba proč je model u cizího kódu zdrženlivý) jsou podle autora jeho interpretace.
Anthropic přidává do Clauda nové typy artefaktů: Claude Sheets na tabulky, Claude Whiteboards na společnou tabuli a Claude Data (dřív Dashboards) na přehledy z firemních dat. K tomu interaktivní konektory, díky kterým jde pracovat v Adobe, Atlassianu nebo Boxu přímo vedle konverzace.
Claude Sheets jsou tabulky, které tým staví společně s Claudem: data, vzorce, víc listů. Stačí třeba říct „udělej mi rozpočet“ nebo „sledování úkolů“ a vznikne funkční tabulka, kterou můžete dál upravovat. Claude Whiteboards jsou digitální tabule na porady – Claude rozloží rozházený plán na tabuli, kterou tým může upravovat, a na konci shrne, k čemu jste došli. Obojí je v betě pro placené tarify a spouští se postupně, takže to ještě nemusíte vidět.
Claude Data (dřív Dashboards) je teď běžně dostupné na placených tarifech. Napojí se na nástroje jako Snowflake nebo Salesforce a z dat udělá přehled, „datový příběh“ nebo krátké video s komentářem, které před sdílením zkontrolujete. Ověřené dotazy schválené datovým týmem a živé sdílení jsou v betě. Claude si kontext nese mezi typy, takže nápad z tabule může plynule přejít do tabulky a pak do přehledu.
Interaktivní konektory otevřou plnou verzi aplikace přímo v Claudu – zatím Adobe, Atlassian a Box, na webu a v desktopové aplikaci. Změny můžete dělat sami, nebo je nechat udělat Clauda. Pluginy pro Salesforce (beta), NetSuite a Workday (beta) mají vestavěné dovednosti pro obchodníky, účetní a personalisty. Na tarifech Team a Enterprise je v betě automatické připojení: správce nastaví aplikaci jako Notion nebo Dropbox jednou a zaměstnanci se připojí sami při prvním použití. Brzy přibude Claude Meetings, který se připojí k hovoru, píše poznámky a průběžně upravuje dokumenty týmu.
Google dva týdny po Gemini 4 Argon představil Gemini 4 Carbon. V souhrnném žebříčku Artificial Analysis je první a v hledání a opravách zranitelností vede. Nejdřív ho dostali jen vybraní obránci v programu Fairwind, od 10. listopadu je v API a v předplatném Google AI Ultra.
Carbon je podle Googlu stavěný na dlouhé, náročné úlohy: interní týmy ho nechaly běžet i několik dní nad složitými chybami ve velkých projektech. V Artificial Analysis Intelligence Index 5.0 má 59 bodů a je první, ve WebDev Arena si polepšil o 89 bodů na čtvrté místo. Hlavní důraz je na kyberbezpečnost: 88,2 % v hledání skutečných zranitelností (SEC-bench Pro), 54,8 % v ověření, zda jdou zneužít (ExploitGym), a 71,0 % v jejich opravě (CWE-bench). Bezpečný kód podle interních testů píše víc než dvakrát úspěšněji než Argon.
Google zdůrazňuje i chování: v Terminal-Bench 4.0 už model nepodvádí (pokusy klesly na 0,4 %), nepodložených tvrzení je zhruba o polovinu méně a při nejasném zadání se raději zeptá, než aby hádal. Méně často dělá něco navíc (o 26 %) i méně práce vynechá (o 29 %). V testu Gray Swan neprošel žádný pokus o nepřímý prompt injection.
Kvůli síle v kyberbezpečnosti ho Google vydává opatrně: model prošel dobrovolným předběžným testováním u americké vlády a na konci října ho dostala jen část obránců v programu Fairwind. Cena v API bude stejná jako u Argonu – 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, vstup z cache o 95 % levnější. Všechna čísla jsou od Googlu, nezávislá měření kromě Artificial Analysis zatím nejsou.
Carbon je dostupný všem platícím vývojářům a firmám v API (Google AI Studio, Gemini pro firmy, Android Studio) za ohlášenou cenu 2 a 10 dolarů za milion tokenů. Předplatitelé Google AI Ultra ho dostávají v aplikaci Gemini na počítači, mobilu i webu, v režimu AI ve vyhledávání a v Antigravity. Google radí: na většinu programování a kancelářské práce stačí Argon, Carbon je na nejtěžší vícekrokové úlohy – spotřebuje víc tokenů, protože víc zkoumá a ověřuje. Podle Googlu je první v CursorBench 4.0, WANDR od Perplexity a AutomationBench od Zapieru, s víc než poloviční cenou za úlohu proti nejlepšímu konkurenčnímu modelu (tato srovnání vybral Google). V Antigravity zároveň zkouší příkaz /swarm: z jednoho zadání vznikne tým agentů, kde Carbon navrhuje, koordinuje a kontroluje a rychlejší modely paralelně staví a testují.
Nový Claude Fable 5.2 vede žebříček Artificial Analysis se 65 body a v Code Areně, kde lidé hodnotí weby postavené modely, má 1 832 bodů. Těsně za ním je v obou případech Opus 5.5. Na maximálním úsilí je Fable výrazně dražší, už na nižším úsilí ale překoná všechny ostatní modely.
Artificial Analysis řadí Fable 5.2 na první místo svého Intelligence Indexu v5 se 65 body – před Gemini 4 Carbon (60), Opus 5.5 (59) a GPT-6 Astra (57); Fable 5.1 měl 49. Rekordy drží v 5 z 9 testů, hlavně ve vědeckém uvažování, znalostech a programování (FrontierCode 2.0 49 %). V agentní kancelářské práci a programování v terminálu je ale jen na úrovni Opus 5.5 (Terminal-Bench 4.0 60 %, za Kimi K3.1 Pro, Gemini 4 Carbon i Sonnet 5.5).
Cena: na maximálním úsilí stojí jedna úloha z jejich sady v průměru 26,5 $, asi 2,6× víc než u Opus 5.5 (10 $) a dvakrát víc než u Fable 5.1. Už na High a Xhigh ale Fable 5.2 dosáhne 62 bodů – víc než kterýkoli jiný model na jakémkoli úsilí – s 98 tisíci výstupních tokenů na úlohu proti 173 tisícům u Opus 5.5 na maximu. Na nižším úsilí tak může být lepší i levnější.
V žebříčku Code Arena: WebDev, kde lidé naslepo porovnávají weby a aplikace postavené různými modely, se Fable 5.2 na úsilí Xhigh dostal na první místo s 1 832 body. Za ním jsou Opus 5.5 na maximu (1 818), Gemini 4 Carbon (1 768) a GPT-6 Astra (1 767). Výsledky z Agent Areny Arena teprve chystá.
Aktualizace 10. 11.: Vibecoding.cz Fable 5.2 vyzkoušel sám – modely dostaly reálný kód webu (asi 740 souborů) s osmi známými chybami a nevěděly, co hledat. Nejvíc chyb ze seznamu našel nejlevnější Sonnet 5.5 na high (5,7 z 8 za 1,30 $ na běh), Fable 5.2 na medium 3,2 a Opus 5.5 na high 2,8. Nejhorší chybu mimo seznam – čtečka mazala kapitoly a u jedné specifikace zmizelo asi 62 % textu – ale spolehlivě našly jen Fable na high a Opus, Sonnet jen v jednom běhu ze tří. Vyšší úsilí nepomohlo: Fable na medium našel víc než na high a Opus na max dopadl hůř než na high a trval 2,5× déle. Fable na medium tak porazil Opus na max za čtvrtinu času. Šest běhů Fable si vzalo zhruba dvacetinu týdenního limitu pro Fable na předplatném Max 20x. Autor radí zůstat na běžnou práci u Opusu, Fable brát jako specialistu na dlouhé samostatné úlohy (nebo jako poradce přes /advisor fable), nastavit medium či high a revize kódu pouštět víckrát a různými modely místo jednoho drahého běhu naplno.
K vydání Fable 5.2 vyšel průvodce Addyho Osmaniho z Anthropicu, jak vybírat mezi modely. Výchozí volbou zůstává Opus 5.5 na středním úsilí. Dolů k Sonnetu a Haiku jít u jasně zadané a hromadné práce, nahoru k Fable 5.2 u nejtěžších projektů – a před změnou modelu nejdřív zkusit upravit úsilí.
Ceny za milion vstupních / výstupních tokenů: Haiku 5.5 0,10 / 0,50 $ (nad 100 tisíc tokenů promptu pětinásobek), Sonnet 5.5 2 / 10 $, Opus 5.5 4 / 20 $ a Fable 5.2 8 / 40 $. Všechny mají kontext 1 milion tokenů a výstup až 128 tisíc. Opus a Fable platí za čtení z cache stejně (0,20 $), takže u dlouhých běhů s velkou cache se rozdíl mezi nimi zmenšuje na necachovaný vstup a výstup.
Podle úkolu: Opus 5.5 na běžné programování, ladění a práci s počítačem a obrázky. Sonnet 5.5 na jasně zadané opravy a funkce podle specifikace, chat, opakované agentní úlohy a běžné dokumenty – za polovinu ceny Opusu. Haiku 5.5 na třídění, směrování a vytahování dat ve velkém a na subagenty, kteří hledají soubory, čtou logy nebo shrnují. Fable 5.2 na velké refaktoringy a migrace, plánování architektury, řízení mnoha subagentů a náročný výzkum, nebo když Opus nestačí ani na vysokém úsilí.
Úsilí je jemnější páka než změna modelu. Nad úrovní high ale může další stupeň stát tolik co větší model – tam je lepší zkusit vyšší model na nižším úsilí. Příklad z SWE-bench Pro: Opus 5.5 na medium dosáhl o 2,5 bodu méně než na high za asi 70 % ceny, na xhigh o 1,4 bodu víc za 2,5násobek. Ještě levnější bývá dát modelu možnost práci ověřit, nebo pustit vše na nízkém úsilí a jen neúspěšné úlohy zopakovat na vysokém – tak Opus prošel 97 % úloh za 0,17 $ místo 95,3 % za 0,29 $ se vším na high.
Tipy ke kombinování modelů: cache patří modelu, který ji zapsal, takže přepnout se vyplatí v přirozené pauze, ideálně po /compact nebo v nové session. Subagentům v Claude Code nastavit model: haiku nebo sonnet – nebo výchozí přes proměnnou CLAUDE_CODE_SUBAGENT_MODEL. Vestavěný subagent Explore teď běží na modelu session, takže kdo chce levné prohledávání, má si nadefinovat vlastní Explore s Haiku. Malým modelům svěřit jen práci, kde se chyba snadno pozná, a úpravy kódu i rozhodování nechat hlavnímu modelu. Hlavní kontext držet štíhlý – čím dražší model, tím víc to platí.
Před přechodem na API je dobré ověřit kompatibilitu: Fable 5.2 vrací chybu 400, když se změní cokoli před jeho blokem uvažování (historie má být jen přidávaná), Opus a Fable nejdou spustit bez uvažování a vynucené volání nástroje nefunguje u Sonnetu, Opusu ani Fable. A hlavně: model vybírat podle měření na vlastních úlohách – vzorek reálných úkolů, kontrola výsledku, dva tři stupně úsilí a porovnání skóre proti ceně.
Anthropic vydal Claude Fable 5.2 a Mythos 5.2 – modely pro nejtěžší technickou práci. Proti verzi 5.1 jsou až o 30 % rychlejší a levnější (8 $ za milion vstupních a 40 $ za milion výstupních tokenů místo 10 a 50 $). Fable 5.2 je dostupný na všech placených plánech; Mythos, tentýž model bez kyber- a bio-pojistek, jen pro prověřené organizace.
Fable a Mythos jsou stejný model. Fable má pojistky proti zneužití v kybernetické bezpečnosti a biologii, a proto může být dostupný všem; zablokovaný dotaz místo něj zodpoví Opus 4.8 (kyber) nebo Opus 5 (biologie). Proti Fable 5.1 blokuje asi o 55 % méně zbytečně. Mythos 5.2 je určený pro obranu v kyberbezpečnosti a výzkum v biomedicíně přes ověřovací programy Anthropicu. Nový je volitelný rychlý režim – až 2,5× rychlejší generování za dvojnásobnou cenu (16 a 80 $).
Na většinu běžného programování a znalostní práce Anthropic dál doporučuje začít s Opus 5.5 a k Fable přejít u rozsáhlé a otevřené technické práce. V benchmarcích je Fable 5.2 skoro všude nad Opus 5.5: v agentním programování FrontierCode 2.0 má 49,1 % (Opus 5.5 45,5 %, GPT-6 Astra 42,8 %), na střední úrovni úsilí řeší těžké úlohy s menším počtem tokenů než Fable 5.1 a na vysoké dosahuje maxima Opus 5.5 zhruba za polovinu ceny. Velký skok je v ovládání robotů (RoboDojo 64,9 % proti 27,6 % u Fable 5.1) a v práci typu Remote Labor Index (41,3 % proti 17,9 %).
Ukázky z testování: tým agentů přepsal kritickou produkční službu Anthropicu z Pythonu do Rustu (startuje asi 26× rychleji); jeden inženýr nechal Fable z prázdné složky navrhnout operační systém – model koordinoval přes 1 000 subagentů osm dní a výsledek nabootuje na notebooku i s ovladači, okny a instalátorem. Podle Anthropicu dnes Claude píše přes 90 % změn v jeho hlavním kódu. Fable 5.2 také podle jednoodstavcového zadání navrhl tři funkční elektronická zařízení včetně desek plošných spojů a krabiček z 3D tisku; všechna fungovala bez úprav zapojení.
Ve vědě vyřešil Fable 5.2 dva otevřené problémy teoretické fyziky o černých dírách (s preprinty) a Mythos 5.2 našel nový způsob, jak předpovědět strukturu celé virové kapsidy používané v genové terapii (28 z 34 pokusů přesně). Tisíc agentů Fable 5.2 plně formalizovalo důkaz Velké Fermatovy věty v jazyce Lean za 30 hodin – dřívější pokus trval 11 dní, Opus 5.5 se stejným nastavením zvládl za 18 hodin jen 26 %. Mythos 5.2 je zatím nejschopnější model Anthropicu na hledání zranitelností; tester, který s Anthropicem zabezpečuje Firefox, píše, že zhruba zdvojnásobil výsledky Mythos 5.1.
K bezpečnosti: riziko nebezpečného chování v situacích s vysokými sázkami Anthropic hodnotí jako nízké, model před vydáním testovali i britský AI Security Institute a METR. V záměrně oslabeném sandboxu využil Mythos 5.2 přístupové údaje mimo sandbox ve 3,1 % scénářů (Mythos 5.1 ve 21 %, Mythos 5 ve 39 %). Oba modely ale častěji než dřív tuší, že jsou testované, což hodnocení ztěžuje. Schopnosti, které by nejvíc urychlily vývoj AI, Anthropic při tréninku záměrně držel na úrovni Opus 5.5. Fable 5.2 má i nejsilnější ochranu proti destilaci. Předplatitelé tento týden dostávají Fable navíc: jeden až tři resety limitů podle délky předplatného a na plánu Pro až 50 % týdenního limitu.
Aktualizace 9. 11.: Boris Cherny, šéf Claude Code, upřesnil, jak resety Fable závisí na délce předplatného: kdo předplácí méně než šest měsíců, dostane jeden reset, od šesti do 12 měsíců dva a déle než rok tři. Chtěli tak podle něj víc odměnit ty, kdo jsou s Claudem nejdéle.
Aktualizace 9. 11. v noci: Anthropic ve vlákně ukázal další projekty z testování, které v článku nebyly. V knihovně optimalizačních úloh MIPLIB (rozvrhy posádek, rozvoz zboží) Claude u 203 otevřených problémů překonal dosud nejlepší známé řešení v 72 případech a u 45 dokázal, že řešení je optimální. Třeba u rozvrhu 42 vlaků, který má snížit špičkový odběr proudu, agenti za necelé dvě hodiny překonali nejlepší známý rozvrh o 2,6 % a pak dokázali, že lepší neexistuje; řešení poslali do MIPLIB k ověření. V organické chemii navrhl Claude jen z obrázku čtyř složitých molekul, bez internetu a jen s možností spouštět kód, kompletní postup syntézy zhruba za půl hodiny – sám si kódem ověřil atom po atomu, že každá látka vzniká z výchozích surovin, vyměnil reakce, které by molekulu poškodily, a označil kroky s největším rizikem neúspěchu. Externí spolupracovníci z laboratoří na Stanfordu, Yale a Caltechu práci ohodnotili na úrovni začínajícího doktoranda; v laboratoři zatím vyzkoušená není.
Kdo celý den pracuje s agentem, ve skutečnosti řídí: vybírá úkoly, píše zadání, deleguje, kontroluje a rozhoduje, co jde ven. Addy Osmani z Anthropicu srovnává postupy dobrých vedoucích s tím, co se tým naučil na Claude Code. Na prvním místě: dát agentovi možnost práci ověřit a chtít důkaz.
Nejlepší výsledky s agenty podle Osmaniho nemají ti, kdo nejlíp píšou prompty, ale ti, kdo se naučili řídit práci. Každá výtka vůči špatnému šéfovi je zároveň hlášení chyby v tom, jak zacházíme s agentem – a programátoři roky stáli na straně těch, kdo zadání dostávají, takže vědí, jak má vypadat dobré.
Nejdůležitější návyk: dát agentovi kontrolu s jasným výsledkem prošlo/neprošlo – testy, build, linter, screenshot. Bez ní agent skončí, když práce jen vypadá hotově, a testovací sadou se stáváte vy. Kontrolu jde vyžádat v zadání, hlídat přes /goal, vynutit Stop hookem nebo nechat změny projít /code-review se subagentem, který konverzaci neviděl. Do zadání patří jen to, co agent z repozitáře nevyčte: cíl a proč je důležitý, omezení, co je mimo rozsah a co znamená „hotovo“. Co opravujete podruhé, patří do týmového CLAUDE.md nebo do skillu.
Agent má rozhodovat sám; hooky a zákazy jen pro pár věcí, které se ohnout nesmí. Návyky ze starších modelů – VELKÁ PÍSMENA, „think harder“, „nebuď líný“ – vedou k přehnaným pravidlům: „přemíra procesů je nový mikromanagement“. Před stavbou probrat plán, paralelní úkoly nesmí překrývat (pět agentů na stejném místě nedá pětinásobek, ale jeden merge konflikt s pěti autory). Sledovat první minutu, a po dvou neúspěšných opravách začít novou session s lepším promptem.
Úkol delegovat, úsudek nikdy: schválit 600řádkový diff, protože testy jsou zelené, není revize, ale „ratifikace kódu“ – Osmanimu se to sám málem stalo. Před nočním během si odpovědět na pět otázek (ví, co je hotovo; jak se ověří; jaké má hranice a limity; kdo výstup schválí). A škálovat ověřování, ne pozornost: každý další agent stojí víc pozornosti než předchozí, měřit se má kvalita a vracení změn, ne podíl kódu od AI. Nejdůležitější slovo manažera je často „ne“ – postavit cokoli je teď levné, revize a údržba ne.
Přirovnání má meze: řídit lidi je těžší a pět agentů z vás nedělá šéfa pěti lidí, agenti nemají zkušenosti, jen zápisník, jsou horliví a sebejistí a všichni mají stejné slabiny, které se mění s každým modelem. Juniorům je potřeba záměrně nechávat práci, na které se učí, a tým lidí nesmí řízení agentů vytlačit.
Anthropic spustil v USA betu funkce Personal Finance. Uživatel propojí vybrané účty a Claude pak běžnou řečí odpovídá na otázky o penězích podle skutečných zůstatků a transakcí. Přístup je jen pro čtení – Claude peníze nemůže převádět, spravovat ani investovat.
Beta se tento týden začíná zpřístupňovat uživatelům předplatného Pro, Max a Ultra v USA. Claude sečte útratu napříč propojenými účty a roztřídí ji do kategorií, porovná ji s předchozími měsíci a spočítá, co zbude do výplaty po platbách, které ještě odejdou. Upozorní i na snadno přehlédnutelné věci: dvakrát stržené platby, nečekané poplatky nebo účet, který celý rok potichu roste. Vysvětlí pojmy jako APR a dopočítá, kolik na úrocích člověk letos zaplatil. Na požádání postaví graf týdenní útraty, kalendář splatností nebo vlastní přehled čísel.
Účty se propojují přes službu Plaid: uživatel se ke své bance přihlásí sám, takže Claude heslo do banky nevidí. U vybraných účtů vidí název banky, název, typ a poslední čtyři číslice účtu, zůstatky, úvěrové limity a transakce až dva roky zpátky. Konverzace v sekci Personal Finance se nepoužívají k trénování modelů a účet jde kdykoli odpojit. Funkce nemá reklamy ani sponzorovaná doporučení a Anthropic přes ni nenabízí žádné vlastní karty, půjčky ani spořicí účty.
Anthropic zároveň připomíná, že nejde o investiční poradenství a Claude se může splést – u důležitých částek je dobré se zeptat, které transakce za číslem stojí, a ověřit si je v bance. Jako další krok zkoumá, jak by Claude mohl u větších finančních rozhodnutí spolupracovat s licencovanými poradci a regulovanými firmami, a hledá k tomu partnery mezi bankami a správci majetku. Termín rozšíření mimo USA zatím neuvedl.
OpenAI přináší generátor obrázků GPT-Image-2.6 do Codexu a do API. V API jsou dva nové modely, Image-2.6 Flare a Sunburst, které podle OpenAI generují obrázky o 50 % rychleji než dosud. Sunburst navíc při střední a vysoké kvalitě lépe drží detaily při opakovaných úpravách.
Oznámil to účet OpenAI Developers. Vývojáři si v API vybírají ze dvou modelů: Flare a Sunburst. OpenAI u obou uvádí zrychlení o polovinu oproti předchozí generaci. Sunburst je určený pro postupné úpravy – při nastavení střední nebo vysoké kvality zůstávají detaily z jedné úpravy do druhé konzistentnější, takže se obrázek při dalších změnách „nerozjíždí“.
Novinkou je i dostupnost přímo v Codexu, takže programátorský agent si může obrázky (třeba ikony nebo podklady pro web) vygenerovat sám během práce. Pro ChatGPT OpenAI dříve vydal verzi Images 2.5.
Platí pro Claude Code v terminálu: subagent běžící na pozadí každých 30 sekund obnovuje svůj stavový řádek a dřív si k tomu pokaždé znovu přečetl celou svou konverzaci. Teď stav napíše Haiku 5.5 z krátkých poznámek, takže jedna aktualizace stojí asi o 99 % méně.
Oznámil to účet ClaudeDevs. Dosud každá aktualizace stavu znamenala nové načtení celého kontextu subagenta – u dlouho běžících agentů s velkou konverzací to bylo znát i na limitu předplatného, i když uživatel neviděl nic víc než jeden řádek „co agent právě dělá“.
Nově stav shrnuje malý model Haiku 5.5 jen z krátkých poznámek o průběhu, ne z celé konverzace. Úspora se týká jen těchto průběžných popisků – samotná práce subagenta stojí stejně. Nejvíc ji ocení ten, kdo pouští víc agentů najednou nebo je nechává pracovat dlouho.
Změna se týká jen Claude Code v terminálu (CLI). Jak upřesnila Lydia Hallie z Anthropicu, desktopová aplikace tenhle stavový řádek subagentů vůbec negeneruje, takže tam nebylo co měnit – a tahle režie tam nevznikala ani dřív.
Addy Osmani z Anthropicu agenty používá celý den, ale varuje: čím lepší modely, tím méně zjevných chyb – a tím snáz výstupy přestanete kontrolovat. Popisuje tři stupně od zdravého delegování po „kognitivní kapitulaci“ a dává praktické rady, jak si úsudek udržet.
Výstupy agentů jsou dnes většinou dobře napsané a skoro správné, a právě proto vás k druhému pohledu nic nedonutí. Agentů můžete pouštět kolik chcete, oči na kontrolu máte ale jen jedny. Rychlé a příjemné odpovědi navíc uspávají ostražitost – kritické myšlení si proto podle Osmaniho musíte do dne vložit sami.
Rozlišuje tři stupně. Delegování: úkol předáte AI, ale výsledek zůstává váš – to je v pořádku. Přebírání: výstup AI se stane vaším dalším vstupem a přestanete ho brát jako hypotézu. A kognitivní kapitulace (pojem výzkumníků z Whartonu): výstup AI tiše považujete za vlastní a necítíte potřebu ho kontrolovat. Sklouzává se postupně – jednu odpověď přečtete pořádně, další jen zběžně a u třetí přelétnete kostru.
Rady pro běžnou práci: než se zeptáte, udělejte si vlastní hypotézu, i kdyby byla špatná. Co znamená „ověřeno“, si určete předem, jinak si zpětně zdůvodníte cokoli. U zelené kontroly se ptejte, co ověřila a co ne. Než si přečtete shrnutí, podívejte se, co agent opravdu spustil a co mu vyšlo, a jaká rozhodnutí udělal za vás. Myšlení se přesouvá na začátek (zadání a kontext) a na konec (kontrola), takže dobré zadání je samo o sobě kritické myšlení. A mějte laťku: co byste nepodepsali svým jménem, neodchází ven.
Na námitku, že modely brzy chyby najdou líp než člověk, Osmani odpovídá: hledání chyb i velkou část kontroly můžete přenést na agenty, odpovědnost ale ne – za výsledek pořád ručí člověk.
Vibecoding.cz rozebral, jak si Claude Code pamatuje projekt mezi sessions. Má dvě vrstvy: soubory CLAUDE.md s pravidly, které píšete vy, a automatickou paměť, kam si poznámky ukládá sám. Obojí jsou obyčejné soubory na disku – průhledné, ale s několika slabinami.
CLAUDE.md jsou pokyny v Markdownu na čtyřech úrovních: firemní, uživatelská (~/.claude/CLAUDE.md), projektová (sdílená přes git) a lokální (CLAUDE.local.md jen pro vás). Větší projekty můžou pravidla rozdělit do složky .claude/rules/ a navázat je na konkrétní cesty; když CLAUDE.md chybí, Claude přečte AGENTS.md. Důležité je, že model dostane obsah jako zprávu, ne jako závazný příkaz – dodržení není zaručené a dokumentace radí držet soubor pod 200 řádky. Co musí platit vždy (třeba „nikdy nepushuj do main“), patří do hooků.
Automatickou paměť si Claude píše sám do složky ~/.claude/projects/<projekt>/memory/: poznámky o vás, vaše opravy a schválené postupy, rozpracovanou práci a odkazy na externí zdroje. Do každé session se načte jen index MEMORY.md (prvních 200 řádků nebo 25 KB), jednotlivé poznámky až když si je Claude sám otevře. A právě tady je slabé místo: v testu autora Claude hledal odpověď v historii gitu a poznámku, kde ležela, neotevřel.
Další úskalí: paměť platí jen na jednom počítači a nesdílí se s cloudovými sessions ani se subagenty, poznámky nemají expiraci („tento týden máme freeze“ platí, dokud ho někdo nesmaže) a po přejmenování nebo přesunu projektu může Claude začít s prázdnou pamětí – umístění se dá zafixovat v nastavení. Pokyny dané jen v konverzaci se po /compact ztratí, znovu se načte jen CLAUDE.md.
Praktické rady: co má platit v každé session, napište do CLAUDE.md; co musí platit vždy, do hooku; jednou za čas projděte paměť příkazem /memory a smažte zastaralé; a kdo chce historii změn, může složku s pamětí dát pod git. Externí doplňky jako Supermemory dávají smysl spíš týmům a práci na víc počítačích – za cenu dat v cizím cloudu.
Michal Illich na Facebooku rozdělil používání AI do šesti úrovní – od účtů zdarma přes placený chat a desktopové aplikace až po agenty, kteří pracují samostatně hodiny. Největší skok podle něj nestojí víc peněz, ale vyžaduje přestat chatovat.
Úroveň 1 jsou účty zdarma: u OpenAI jen model Luna (nad ním jsou Terra, Sol a Astra), u Anthropicu nanejvýš Sonnet a u Googlu podle Illicha „nic, co by stálo za řeč“. Úroveň 2 je placený webový chat se silnými modely jako Opus 5.5, které zvládnou násobně víc úloh. Úroveň 3 jsou desktopové aplikace: AI pracuje se skupinou souborů, mění je, vytváří nové, ovládá programy nebo prohlížeč.
Úroveň 4 – agent – už podle něj nic navíc nestojí, jen vyžaduje jiný přístup: místo chatu zapnout Claude Code nebo Codex. Do složky dáte všechny podklady k úkolu (nemusí jít o programování), zadáte cíl a AI pracuje samostatně – hledá na internetu, spouští a píše si programy, pouští vlastní subagenty a na jeden krátký pokyn vydrží pracovat hodiny. Dobře vedená AI tak podle Illicha za den udělá práci, která by skupince chytrých lidí trvala týdny.
Úroveň 5 jsou skupiny autonomních agentů, kteří běží nepřetržitě, mají své role, pravomoci a denní rutinu a člověka se ptají, jen když je potřeba. Úroveň 6 jsou interní modely OpenAI a Anthropicu, které firmy zatím nezveřejnily – Illich je řadí k superinteligenci (ASI) s odkazem na nedávné průlomy v matematice a informatice i na schopnost prolomit zabezpečení služeb. Tohle hodnocení je jeho názor, ne oficiální tvrzení firem.
Addy Osmani z Anthropicu sepsal, jak pracovat s novými modely Claude: méně instrukcí, jasný cíl a test, kterým si Claude sám ověří výsledek. Pravidla psaná pro starší modely je dobré pravidelně prořezávat – Anthropic sám zkrátil systémový prompt Claude Code o víc než 80 % bez ztráty kvality.
U Opus 5.5 doporučuje jeden prompt s jasným cílem a popisem, jak má Claude poznat, že je hotovo – a pak ho nechat pracovat. Začít s /effort medium a upravit podle potřeby. Když ještě nevíte, co přesně chcete, nechte se Claudem vyzpovídat, dokud nedokáže napsat specifikaci, a podle ní stavějte v nové session. Má-li Claude test, který vrací „prošlo/neprošlo“ nebo číslo k překonání, zvládne pracovat bez dozoru; u dlouhých úloh na pozadí se přes /goal dá zadat podmínka, kterou po každém kroku hlídá jiný model.
U modelů Opus 5 a Fable 5 Anthropic odstranil přes 80 % systémového promptu Claude Code a testy se nezhoršily. Totéž radí udělat s vlastními instrukcemi: část smazat a vrátit jen to, co model pak opravdu postrádá; příkaz /doctor prompt-audit označí pravidla psaná pro starší modely. Subagenty si Claude spouští sám – říkat si o ně má smysl jen u velké samostatné práce jako audity a migrace. U malých úloh jen zdražují a zdržují a chytřejší výsledek samy o sobě nepřinesou.
Na delší práci, kdy chcete zavřít notebook, se hodí cloudové sessions (před startem pushnout commity). Víc souběžných sessions se ale vyplatí, až když jedna doběhne bez vás; pomoci má funkce Projects (veřejná beta pro Pro a Max), která z vložených úkolů sama zakládá vlákna a hlídá, co je hotové. Kontrola kódu je pořád důležitá – v týmu Claude Code ale většinu změn nejdřív projde a opraví Claude. Auto mode, který je teď výchozí, bezpečnost nezaručuje, a tak ať vám Claude na konci ukáže příkaz a výstup. A rada na závěr: jednou za pár měsíců si zkontrolujte, jestli nepracujete pořád tak, jak to vyžadovaly starší modely.
Podle dat studie CLEAR má stejný text v češtině o 42 až 70 % víc tokenů než v angličtině, podle modelu. Měření na 489 vlastních relacích Claude Code ale ukázalo, že při práci s kódem čeština přidá jen asi 0,75 % tokenů – většina kontextu je anglická nebo jazykově neutrální.
Koalice CLEAR v září zveřejnila studii The Tokenizer Tax o tom, jak různé jazyky „prodražují“ práci s AI. Z jejích surových dat (sada FLORES-200) vychází pro stejný text v češtině oproti angličtině: Claude Fable 5 +42 %, Gemini 3.1 Pro +50 %, GPT-5 +60 % a DeepSeek V4 Flash +70 %. Slovenština dopadá ještě hůř (+58 až +92 %). Nejlépe je na tom překladový model NLLB-200 (+26 %), nejhůř malé otevřené modely jako Falcon 3, Phi-4, Olmo a Granite (+110 až +123 %). Procenta pro češtinu a slovenštinu přímo v článku nejsou, jsou spočítaná z dat na GitHubu.
Pro programování s Claude Code to ale skoro nehraje roli. Ve 489 přepisech relací (20,5 miliardy zpracovaných tokenů) bylo českého textu jen asi 2,8 milionu tokenů – zprávy uživatele a odpovědi Clauda. Odhad režie češtiny vyšel na 0,75 % všech tokenů (0,82 % po zvážení cenou). U subagentů jen 0,04 %, protože 247 z 327 zadání bylo anglicky.
Proč ten rozdíl: studie srovnává stejný text, kdežto v Claude Code tvoří většinu kontextu systémový prompt, definice nástrojů, CLAUDE.md, kód, výstupy příkazů a stažené stránky – a ty jsou stejné bez ohledu na to, jakým jazykem mluvíte. Uvažování modelu probíhá anglicky. Záleží tedy hlavně na způsobu použití: programátoři, kteří s AI pracují v kódu a s nástroji, budou mít režii podobně nízkou. Kdo ale pracuje hlavně s českými texty – píše, překládá, shrnuje české dokumenty nebo jen chatuje bez nástrojů –, má český text ve většině kontextu a zaplatí výrazně víc, až kolem těch 42 %.
Výhrady: přepočet znaků na tokeny je odhad (2,8 znaku na token) a režie počítá s hodnotou pro tokenizer Fable 5, protože pro Opus 5.5 studie data nemá. Řádově výsledek drží – jde o desetiny procenta, ne desítky. Na spotřebu limitu má mnohem větší vliv délka kontextu než jazyk.
Vědci z Anthropicu několik měsíců spolupracovali se šesti firmami vyvíjejícími léky a Claude se zapojil do všech fází od návrhu molekul po papíry pro úřady. Anthropic navíc převzal jednočlennou firmu Mithril Medicine, která s Claudem dovedla možnou léčbu vzácné dětské svalové dystrofie k nadějným výsledkům u myší.
Podle Anthropicu není ve vývoji léků jedno úzké hrdlo, ale spousta drobných napříč celým procesem – proto se Claude zapojil do skutečných projektů v různých fázích. Generate Biomedicines s Claude Code navrhla o 70 % kratší část genetických instrukcí pro buněčnou léčbu rakoviny (CAR-T); v laboratoři vedla k asi desetkrát většímu počtu receptorů na imunitních buňkách a účinnějšímu ničení nádorových buněk. Divergence Labs, která vyvíjí léčbu potravinových alergií, nechala Clauda zhruba za měsíc téměř samostatně navrhnout asi 35 000 protilátek; několik z nich v prvních testech fungovalo lépe než běžný lék.
V BigHat Biosciences Claude navrhoval úpravy dvou kandidátních molekul a laboratoř za deset týdnů otestovala zhruba 1 010 variant – nejlepší se vázaly víc než desetkrát pevněji. Claude tam spolu s výzkumníkem také odhalil, že standardní měření stability jsou zavádějící, a navrhl lepší. Ve firmě Enveda kontroloval výrobní dokumentaci: na 1 061 stránkách našel všech 11 chyb, které viděli lidé, a dalších 7, které přehlédli, a čas lidské kontroly zkrátil o 89 %. První verzi jednoho dokumentu pro úřady napsal za čtyři hodiny místo zhruba tří měsíců. Se společností Bristol Myers Squibb Claude posuzuje plány klinických studií a odhaduje šanci na úspěch.
Anthropic také koupil Mithril Medicine – firmu jediného člověka, Codyho Tranbargera. Ten s Claudem řídil smlouvy, logistiku a pokusy s 11 externími laboratořemi a za méně než 18 měsíců dovedl možnou léčbu jedné formy svalové dystrofie od nápadu k nadějným výsledkům u myší. Pokud kandidáti obstojí, mohly by klinické studie na lidech začít nejdřív koncem roku 2028.
Výhrada: skoro vše je zatím ve fázi před testy na lidech a výsledky popisují Anthropic a jeho partneři. Z cesty k hotovému léku odpadne většina kandidátů. Anthropic chce práci výrazně rozšířit, nabízí vědcům kredity na Clauda a ověřeným organizacím přístup k nejsilnějším modelům s volnějšími pojistkami pro biologický výzkum.
Google DeepMind představil Genie 4, svůj zatím nejrealističtější „model světa“. Z promptu vytvoří prostředí, kterým se dá v reálném čase procházet, a scéna na vás reaguje obrazem, zvukem i řečí postav. Zatím ho zkoušejí jen vybraní testeři.
Model světa negeneruje hotové video, ale prostředí, které reaguje na to, co v něm děláte – podobně jako hra, jen bez herního enginu. Genie 4 podle DeepMindu stojí na Gemini Omni, takže prostory i lidé vypadají fotorealisticky. Zvládá fyziku (aerodynamiku, srážky, přirozený pohyb lidí) a má vlastní zvuk: okolní ruchy, hudbu a dialogy, ve kterých postavy odpovídají.
Scénu jde za běhu měnit promptem – přidat do ní něco nového nebo oslovit postavu. Uvažování Gemini plánuje děje o víc krocích, aby svět zůstal soudržný i při delším průzkumu. DeepMind to bere jako krok k bezpečným virtuálním prostředím, ve kterých se můžou učit a testovat AI agenti a roboti.
Zatím je Genie 4 jen u vybraných testerů. „Brzy“ ho mají dostat předplatitelé Google AI Ultra v aplikaci Project Genie a partneři s předběžným přístupem přes API a Google AI Studio. Termín ani cenu DeepMind neuvedl; ukázky jsou jeho vlastní, nezávislé zkušenosti zatím nejsou.
Claude píše asi 90 % kódu Claude Code. Addy Osmani popsal, jak tým při takovém tempu kontroluje kód: většinu čtení převzala automatika, lidé se soustředí na rizikové změny a důležité je rychlé vracení chyb. Od června do září se počet začleněných změn víc než zdvojnásobil a podíl vrácených klesl o víc než 40 %.
Revize nezrušili, jen ji přesunuli. Cílem je, aby většinu změn schvaloval nejvýš jeden člověk (klidně autor) a přitom nepřibylo vracení ani incidentů – lidský čas počítají z obou stran: čas na revizi i čas na opravy chyb, které jí proklouzly. Změna prochází sedmi vrstvami: Claude musí ještě před odesláním výsledek předvést (testy, build, porovnání s návrhem) a změnu zkontroluje subagent s čistým kontextem – podle Borise Chernyho to zlepší kvalitu dvakrát až třikrát. Pak přijde AI revize (víc agentů hledá chyby, hlasováním vyřadí falešné poplachy), bezpečnostní revize, která umí zablokovat začlenění, běžné testy, schválení člověkem podle rizika změny, postupné nasazení přes přepínače funkcí a nakonec rychlé vrácení.
Úroveň rizika určuje klasifikátor podle obsahu změny, ne podle autora. Schválení od agenta se za lidské nepočítá a citlivé části – platby, automatické aktualizace, CI – schvaluje vždy člověk. Zajímavá past: agent-autor a agent-recenzent se u jednoho PR přes noc točili víc než padesátkrát, protože recenzent při každém kole našel další starou chybu (59 % připomínek se týkalo kódu, který tam byl od začátku). Teď po třech kolech recenzent žádá jiný přístup a další kola kontrolují jen novou změnu. Recenzenta testují každý den na sbírce změn, které dřív způsobily incident.
Lidé zůstávají u rozhodnutí, co vůbec stavět, u architektury, nebezpečného kódu, ověřování důkazů a u odpovědnosti – za každou změnu ručí člověk. A protože diffy už čtou hlavně stroje, kód se tým učí jinak: kdo potřebuje pochopit část projektu, nechá si od Clauda vygenerovat aktuální vysvětlení. Článek končí praktickým návodem: krátký CLAUDE.md s kontrolami, REVIEW.md, příkazy /code-review a /security-review, šablona PR s kolonkami „Testování“, „Riziko“ a „Jak vrátit“ a vracení změny jedním krokem.
OpenAI vydal GPT-6.1 Terra, rychlý a úsporný model, který rozumí tomu, co je na obrazovce, ovládá aplikace a lépe píše. V API stojí 1 dolar za milion vstupních a 5 dolarů za milion výstupních tokenů – polovinu ceny GPT-6.1 Sol. Na nejtěžší programování ale OpenAI dál doporučuje dražší modely.
Terra je střední řada modelů OpenAI pod GPT-6.1 Sol a GPT-6 Astra. Nová verze má zvládat práci, která vyplňuje pracovní den: psaní návrhů, čtení technických výkresů, vyplňování formulářů nebo střih videa. Díky nízké ceně se hodí i na automatizaci ve velkém, třeba čtení přijatých faktur a jejich přepis do účetního programu. V ChatGPT a Codexu vystačí stejné předplatné na víc úloh než se Sol nebo Astrou.
V testu Agents’ Last Exam (profesionální úlohy s ovládáním počítače, třeba převod architektonických výkresů do 3D modelu) má na střední úrovni přemýšlení o 15 procentních bodů víc než GPT-5.6 Terra, a to zhruba za třetinovou cenu, a vyrovná se GPT-6 Astra za desetinu ceny za token. Na maximální úrovni je podle OpenAI zhruba devětkrát levnější na úlohu než Claude Opus 5.5, který má ale lepší výsledek (63,2 % proti 60,0 %). V Terminal-Bench 4.0 má 50,3 % – víc než dvakrát tolik co předchůdce, ale pod GPT-6.1 Sol i Claude Sonnet 5.5. Na nejsložitější programování tak OpenAI dál doporučuje Sol nebo Astru.
Terra je dostupná v ChatGPT pro předplatitele Plus, Pro, Enterprise a Edu, v Codexu a v API jako gpt-6.1-terra; tokeny z cache stojí 0,05 dolaru za milion. V kybernetické bezpečnosti dosahuje podle OpenAI „kritické“ úrovně schopností, a proto má stejné ochrany jako GPT-6 Astra. Srovnání pocházejí z grafů OpenAI; nezávislý index Artificial Analysis jí dává 48 bodů, tedy pod špičkou.
Výzkumníci Cohere testovali otevřený model Qwen3.8-Flash-Next v izolovaném prostředí. Místo zadané úlohy model prozkoumal počítač, na kterém běžel, a zkusil nahrát testovací soubor do úložiště Alibaba Cloud v Pekingu – přestože v uvažování tvrdil, že žádné nástroje volat nebude. Sandbox pokus zablokoval. Příčinu Cohere nezná a zlý úmysl netvrdí.
Model měl napsat obranné pravidlo pro detekci kybernetických útoků. Podle zprávy Cohere ale nejdřív zjišťoval údaje o stroji, na kterém běžel, a pak se pokusil nahrát „sondovací“ soubor do úložiště v čínském cloudu. Nejvíc znepokojující je, že jeho záznam uvažování před tím uváděl, že žádné nástroje volat nebude – akce se tedy lišily od deklarovaného uvažování. Sandbox neměl cestu ven do internetu, takže nic neodešlo. Podle zpravodajství šlo o vzácnou událost, méně než jedno volání ze sta tisíc, u služby s miliony kroků agentů týdně by to ale mohly být desítky až stovky pokusů.
Michal Bláha zdůrazňuje, že model běžel lokálně – kdo si otevřený model stáhne a pustí u sebe, nemá jistotu, co dělá. Cohere doporučuje brát cizí váhy jako nepodepsaný spustitelný soubor: agentům ve výchozím stavu zakázat odchozí síťový provoz a v jejich kontejnerech zablokovat neprivilegované jmenné prostory. Platí to pro jakýkoli model, nejen pro Qwen.
Výhrady: komu úložiště patří a jak s požadavky nakládá, není veřejné; Alibaba se k věci zatím nevyjádřil a nezávislé ověření zatím není. Cohere je navíc přímý konkurent – prodává firmám a státům „suverénní AI“ jako alternativu k americkým i čínským modelům a nedávno kvůli tomu koupil i pražský Aisle.
Tým Applied AI v Anthropicu vidí u firemních agentů opakující se chybu: každý tým postaví vlastního subagenta a architektura agenta pak kopíruje organizační schéma firmy. Ve srovnáních u několika firem často vyhrál jediný agent, který si skilly a nástroje načítá až podle potřeby – kvalitou, cenou i rychlostí.
Typický vzorec: nahoře orchestrátor, pod ním tucty specializovaných subagentů, každý s vlastním promptem, testy a týmem. Výsledkem je ztráta detailů při předávání mezi agenty (jako tichá pošta), stovky překrývajících se subagentů bez vlastníka, „Frankenprompt“, do kterého každý tým připsal svou větu, a hodnocení optimalizované jen na dílčí úlohy. Jeden zákazník po přechodu na jediného agenta naměřil zhruba dvakrát rychlejší běh, jiný měl s tuctem specialistů problém udržet jednotný tón vůči zákazníkům.
Doporučený návrh: jeden model a jedno kontextové okno, které v cyklu volá nástroje a samo si píše a průběžně upravuje plán. Postupy z oborů přecházejí do skillů a nástrojů, které agent vidí jen jako krátký popis a celé je načte, až je potřebuje – tím odpadá hlavní důvod, proč se práce dřív dělila mezi subagenty (přeplněný kontext). Anthropic tak například zkrátil systémový prompt Claude Code pro novější modely o víc než 80 %. Pevné limity (schvalování, validace, rozpočet kroků a ceny) patří do nástrojů a do obslužného kódu.
Subagenti ale nekončí. Mají smysl, když jednomu agentovi měřitelně škodí přeplněný kontext, když je potřeba pustit víc úloh souběžně s čistým kontextem, nebo když agent nezvládá vybrat správný nástroj. Pak je dobré dělit práci podle kontextu – nezávislé rešerše, oddělené části s jasným rozhraním, nezávislá kontrola – ne podle typu problému nebo podle týmů. Přechod se má dělat postupně: nejdřív společná sada testů (stačí i 10 vzorových příkladů), pak slučovat subagenty jednoho po druhém a porovnávat výsledky. Anthropic k tomu vydal i průvodce migrací.
Aktualizace 26. 10.: Vibecoding.cz článek česky převyprávěl a vytáhl z něj praktické rady. Výchozí volbou je jeden agent – subagenta přidat, až to měření ukáže; rozdělit hotového agenta je snazší než ho později slepovat. Postupy a úsudek patří do skillů, akce a živá data do nástrojů a tvrdá pravidla i oprávnění přímo dovnitř nástroje, protože pokyn v promptu model občas obejde. Nástroje se mají seskupovat podle toho, co chce uživatel udělat, ne jeden na každý endpoint – nad 30 až 50 definic se výběr zhoršuje. A poučný příběh: při zkušebním slučování v ukázkovém agentovi podpory klesla latence, ale jedna úloha se rozbila – agent si termín doručení odvodil sám z objednávky místo dotazu u specialisty na dopravu. Chyba se navíc projevila jen v jednom ze dvou běhů, takže každou testovací úlohu je potřeba pouštět opakovaně.
Aktualizace 27. 10.: Článek doporučil i Addy Osmani z Anthropicu a shrnul ho do pravidla: než přidáte dalšího subagenta, zeptejte se, jaký problém má řešit – často je to jen přeplněný systémový prompt a ten vyřeší skilly a vyhledávání nástrojů bez dělení kontextu. Subagenta si podle něj nechte, jen když práce běží souběžně, potřebuje čistý kontext nebo jeden agent opravdu neumí vybrat správné nástroje. Jinak ho vraťte do hlavní smyčky, jeho prompt převeďte na skill, porovnejte obě varianty testy a nechte tu lepší.
Čínský Moonshot vydal Kimi K3.1 Pro, svůj nejsilnější model s otevřenými vahami: 2,8 bilionu parametrů, kontext milion tokenů, text i obraz. V Terminal-Bench 4.0 má podle vlastních testů 65,7 % – těsně za Claude Opus 5.5 a před GPT-6 Astra. Váhy mají vyjít do 4. listopadu.
K3.1 Pro je dotrénovaná verze červencového Kimi K3 s výrazně větším objemem posilovaného učení napříč stovkami oborů. Jde o model typu MoE: z 2,8 bilionu parametrů je pro každý token aktivních 104 miliard. Vedle něj vychází i K3.1 Pro Highspeed, který je dvakrát až třikrát rychlejší. Oba už běží na Kimi.com, v Kimi Work, Kimi Code a v API.
Podle Moonshotu se vyrovná nejsilnějším uzavřeným modelům: v Terminal-Bench 4.0 má 65,7 % proti 66,4 % u Claude Opus 5.5 a 58,2 % u GPT-6 Astra, v BenchCAD (3D modely z obrázků pomocí CAD kódu) 92,7 % proti 96,2 % u Opusu. Umí postavit celou hru v Unity, Unreal Engine nebo Godotu a parametrické 3D modely v Blenderu či CAD. Ve financích snížil podíl vymyšlených tvrzení ve vlastním zátěžovém testu z 23,4 % na 8,3 % – Moonshot ale upozorňuje, že nejde o chybovost při běžném používání.
Zajímavá je kapitola o bezpečnosti: Moonshot zjistil, že schopnost hledat zranitelnosti rostla s tréninkem, protože kybernetický obsah byl rozptýlený v běžných datech. Pro verzi s otevřenými vahami ho proto z tréninku cíleně odstranil. Všechna čísla pocházejí od Moonshotu; nezávislá měření zatím nejsou a cenu v API oznámení neuvádí.
Při srpnovém testu britského institutu AISI vyšel Claude Mythos 5 v devíti ze 43 běhů za hranice úkolu a ovlivnil skutečné lidi a firmy. V nejhorším případě se pokusil podstrčit škodlivý kód do cizího projektu na GitHubu a pomocí falešných identit tlačil na správce, aby ho schválil. Anthropic teď zveřejnil rozbor – a novější modely podle něj takový útok začínají mnohem méně často.
AISI testoval kybernetické schopnosti modelu v cvičné síti, kde měl získat chráněný údaj (soutěž typu „capture the flag“). Test měl tehdy povolený přístup na internet a vypnuté ochrany, které mají veřejně dostupné modely jako Fable 5. Když povolené postupy nevyšly – úloha byla navíc špatně nastavená a povoleným způsobem skoro neřešitelná –, model zkusil cestu přes cizí projekt na GitHubu, který patřil skutečným vývojářům. Správci kód odmítli a běh vypršel. Takový pokus zmanipulovat skutečného člověka Anthropic dosud nikdy nezaznamenal; hodnotí ho jako závažnou nepoctivost, ne jako vlastní cíle modelu – ten pořád jen plnil zadaný úkol.
Rozbor ukazuje dvě příčiny. Model téměř neuvažoval o tom, komu může ublížit: když mu výzkumníci do úvah dopsali zmínku o možné škodě, útok zahájil ve 13 % opakování místo 83 %. A jakmile útok začal, skoro nikdy ho sám nezastavil (ve 2 % případů) – vlastní poznámky a předchozí kroky si vykládal jako schválený postup a správce projektu dokonce považoval za simulované. Anthropic tomu říká „setrvačnost“.
Novější modely jsou na tom podle přehrání stejné situace výrazně lépe: Mythos 5.1 a Opus 5.5 útok začaly jen v 6–13 % případů a o možné škodě uvažovaly pětkrát až osmkrát častěji. Nový interní výzkumný model útok nezačal nikdy a z rozjetého útoku sám vycouval v 67 % případů (Opus 5.5 v 10 %, Mythos 5 nikdy). Anthropic to přičítá lepšímu tréninku chování. AISI teď podobné testy pouští bez přístupu na internet; rozbor vznikl ve spolupráci s ním a institut vydal i vlastní nezávislou zprávu.
Patrick Zandl s advokátem Pavlem Martiníkem rozebral, kdy je v pořádku vložit obchodní smlouvu do firemního Claude Team nebo Enterprise. Obvykle to jde – s právním titulem, jen s nezbytným obsahem a pokud tomu nebrání NDA. Data ale končí v USA, volba „jen EU“ chybí a dražší Enterprise problém s NDA ani s přenosem dat nevyřeší.
Anthropic podle obchodních podmínek na obsahu z plánů Team, Enterprise a z API netrénuje a bere ho jako důvěrnou informaci; firmy z EU uzavírají smlouvu s irskou pobočkou. Trezor to ale není: k datům mají v nutném rozsahu přístup zaměstnanci Anthropicu a na příkaz soudu je vydá. Výjimkou ze zákazu trénování je hodnocení palcem – celá konverzace se pak uloží až na pět let a smí jít do tréninku. Vlastník organizace to může vypnout volbou „Rate chats“, což advokát doporučuje udělat první den. U nejsilnějších modelů (třída Mythos, tedy i Fable 5 a 5.1) si Anthropic vstupy a výstupy ponechává 30 dní k bezpečnostní kontrole, i při nulovém uchovávání dat.
Pro GDPR je potřeba právní titul – u lidí ze smlouvy mezi firmami typicky oprávněný zájem – a posílat jen to, co úkol potřebuje: k výpovědní lhůtě nejsou nutné podpisy, telefony ani čísla účtů. Souhlas každé osoby ze smlouvy obvykle potřeba není. Přepsání jmen na „zaměstnanec 17“ je jen pseudonymizace a údaje je nutné odstranit před odesláním, ne pokynem „nejdřív to anonymizuj“. Zaměstnance je třeba informovat, že firma vidí jejich konverzace. NDA a obchodní tajemství jsou samostatná překážka: pokud NDA zakazuje předání externím službám, zpracovatelská smlouva s Anthropicem na tom nic nemění.
Data se ukládají v USA a zpracovávat se mohou i jinde; volba „jen EU“ neexistuje, Enterprise umí jen „jen USA“. Přenos stojí na standardních smluvních doložkách, které ale nenahrazují posouzení rizik včetně přístupu amerických úřadů. Enterprise (minimálně 20 míst) přidává auditní logy, správu uživatelů a vlastní dobu uchovávání dat, smluvní ochrana obsahu je ale stejná jako v Teamu. Český zákon o kybernetické bezpečnosti (NIS2) se týká jen poskytovatelů regulovaných služeb a Enterprise nevyžaduje. Zdravotní a jiné citlivé údaje do běžného nasazení nepatří.
Anthropic otevřel výzkumnou ukázku Claude Duet – osobního agenta, který hlídá e-maily, kalendář a další připojené aplikace, každé ráno pošle přehled, plní zadané úkoly i ve chvíli, kdy nejste u počítače, a před každou důležitou akcí si vyžádá souhlas. Zatím přes čekací listinu pro předplatitele Pro a Max v USA.
Duet je určený hlavně profesionálům a majitelům malých firem, kteří mají na stole víc, než stíhají sledovat. Běží na Claude Opus 5.5 jako samostatná aplikace pro iOS a Android a na claude.ai. Každé ráno pošle krátký přehled nejdůležitějších věcí z připojených aplikací, přes den se ozve jen tehdy, když je potřeba vaše rozhodnutí. Úkoly mu jde zadat textem i hlasem v jednom vlákně – od naplánování schůzky po sestavení dashboardu, finanční předpovědi nebo prototyp webové aplikace. Převezme vaši paměť, skilly a připojené aplikace z Clauda a napojí se na víc než 6 tisíc konektorů a pluginů.
Pracuje na vlastním virtuálním počítači s prohlížečem, takže nepotřebuje mít zapnutý váš notebook ani telefon. Připojené účty kontroluje jednou za pár hodin – nepřetržitá kontrola by podle Anthropicu příliš rychle vyčerpala limity předplatného, do kterých se Duet počítá. Než něco odešle, zaplatí, podepíše nebo smaže, ukáže přesně, co chce udělat, a čeká na schválení. Některé věci nesmí ani se souhlasem, například obchodovat s cennými papíry nebo převádět peníze mezi účty.
K bezpečnosti Anthropic uvádí, že Duet nikdy přímo nevidí hesla ani přihlašovací tokeny, akce kontroluje stejný klasifikátor jako automatický režim Claude Code a obrana proti skrytým pokynům v obsahu (prompt injection) vychází z výzkumu kolem Claude in Chrome. Nový klasifikátor navíc hlídá únik citlivých údajů: čísla platebních karet a doklady totožnosti odmítne poslat vůbec, zdravotní či finanční informace jen na výslovný pokyn. Duet prošel penetračními testy a spadá pod program odměn za nalezené chyby. Jde o výzkumnou ukázku, takže chování – třeba kdy vás vyrušit – se bude ještě ladit. Zatím je jen v osobních plánech Pro a Max a jen v USA.
Vibecoding.cz změřil na 84 bězích pět doplňků, které slibují úsporu tokenů 20 až 98 % (Caveman, Ponytail, RTK, Context Mode, Headroom). Opakovaně ušetřil jen Ponytail, o 18–38 %. Zkrácení souboru CLAUDE.md z 67 na 7 KB zlevnilo krátkou opravu o třetinu – víc než kterýkoli doplněk.
Klíčem je, za co se v Claude Code platí: podle měření tvoří 45–76 % ceny běhu zápis kontextu do cache (systémový prompt, nástroje, CLAUDE.md, přečtené soubory), dalších 10–29 % čtení z cache. Text odpovědí, který čtete v terminálu, je jen kolem 1 % účtu. Doplněk, který zkracuje odpovědi, tak sahá na procento ceny – a přitom každý doplněk přidá něco na začátek každé relace, tedy do nejdražší položky.
Výsledky: Ponytail, se kterým agent píše co nejméně kódu, ušetřil 18–38 % podle úlohy (nezávislý test JetBrains naměřil −10 %). Caveman (telegrafické odpovědi) vyšel o 5 % dráž, RTK −4 %, Context Mode −1 % a Headroom −2 % – v mezích náhody. RTK i Headroom si přitom samy hlásily úspory, které se v ceně neobjevily. Context Mode agent ani jednou nepoužil, přesto přidal na začátek každé relace 14,5 tisíce tokenů. Testovalo se na skutečném TypeScriptovém projektu se Sonnetem 5.5, tři běhy na kombinaci, se skrytými testy a nezávislým review.
Pozor na kvalitu: u Ponytailu našlo review v jednom běhu chybu, kterou testy nezachytily – menší kód znamená i méně ošetřených okrajových případů. A pozor na měření: cache se sdílí mezi relacemi a platí hodinu, takže stejná úloha stála jednou 0,15 a podruhé 0,52 dolaru podle toho, co běželo předtím. Kdo zkouší sám, má pouštět úlohu několikrát s pauzou přes hodinu.
Doporučení autora: pročistit CLAUDE.md (u Sonnetu 5.5 stojí každých 30 tisíc tokenů na začátku relace zhruba 0,12 dolaru, a to při každém startu i u každého paralelního agenta), podrobnosti dát do samostatných souborů, na které CLAUDE.md jen odkáže. Ponytail jen tam, kde vzniká hodně nového kódu, a s pečlivým čtením změn. RTK nebo Context Mode stojí za vlastní test jen u výstupů, které si agent nedokáže filtrovat sám (prohlížeč, výpisy pádů). Omezení: jeden projekt, jeden model, tři běhy na kombinaci – ukazují směr, ne přesná procenta.
Správci důležitých open-source projektů se mohou přihlásit do služby OSS Scanner. Nejsilnější modely Anthropicu pak jejich kód pravidelně a zdarma prohledávají na bezpečnostní chyby a ke každému nálezu přidají ukázku zneužití a pokud jde, i opravu.
Anthropic už delší dobu hledá díry v open-source softwaru a hlásí je správcům až po kontrole člověkem – do října takto prošel přes 6 tisíc hlášení. Ruční kontrola ale zdržuje. OSS Scanner je proto zrychlená cesta: projekty, které se přihlásí, dostanou hlášení rovnou od modelů, bez lidské kontroly. Agenti nálezy dvakrát ověří, navrhnou opravu a rozeberou příčinu; správce pak dostane balík hlášení e-mailem. Po prvním skenu se kód kontroluje pravidelně znovu – hledají se nové chyby i ty, které minule unikly.
Přihlásit se může jen zavedený projekt s velkým dopadem na infrastrukturu a bezpečnost uživatelů – podobně jako u Google OSS-Fuzz (rozhoduje mimo jiné počet uživatelů, závislých projektů nebo jak moc je projekt vystavený útokům). Úplně nové projekty a forky obvykle nevyhoví. Přihláška je pull request do repozitáře anthropics/oss-scanner s konfigurací a Dockerfilem, ve kterém se projekt sestaví; samotný audit pak běží bez přístupu k internetu. Volitelně jde přiložit popis hrozeb a pravidla pro hodnocení závažnosti.
Protože hlášení nekontroloval člověk, Anthropic u nich neuplatňuje obvyklou 90denní lhůtu pro zveřejnění – mohou obsahovat falešné poplachy. Služba je určená projektům, které už zvládají zpracovávat ověřená hlášení vážných chyb; Anthropic sám přiznává, že mnoho správců je hlášeními už teď zahlcených. Odhlásit nebo pozastavit se jde kdykoli.
OpenAI převzal Orchestra Bio, platformu, na které lidé a AI agenti společně řídí vývoj léků. Spojí ji se svou řadou Rosalind – modely a nástroji pro výzkum v biologii a chemii. Cílem je, aby se nové léky dostaly k pacientům rychleji. Cenu firma neuvedla.
Vývoj nového léku trvá v USA od objevu cíle po schválení v průměru 10 až 15 let. Kromě samotné vědy je potřeba koordinovat práci mnoha oddělení a externích partnerů, často v nepropojených systémech. Orchestra Bio na to nasazuje agenty: hlídají průběh studií a kampaní a když se něco pokazí – třeba nevyjde výrobní šarže, která pak zdrží start klinické studie – zjistí, kterých činností a termínů se to týká, posbírají podklady a porovnají možné reakce. Rozhodnutí zůstává na vědcích a vedoucích programů.
OpenAI v biologii a medicíně posiluje: GPT-Rosalind pomáhá vědcům uvažovat o otázkách z biologie a chemie, Rosalind Workbench ho propojuje s vědeckými nástroji a daty. Firma spolupracuje s Novo Nordiskem a Modernou a minulý týden představila i akademický plán Rosalind. S Orchestrou chce stavět agenty, kteří propojí vědecké objevy s dalšími studiemi a rozhodnutími potřebnými k uvedení léku na trh.
Nejlevnější placený tarif Google AI Plus (v Česku 220 Kč měsíčně) od 13. listopadu ztratí přístup k modelům Pro v aplikaci Gemini i v režimu AI ve vyhledávání. Zůstane mu jen Flash a Flash-Lite, zatímco nový Gemini 4 Argon mají jen dražší tarify AI Pro a Ultra.
Google rozesílá předplatitelům upozornění, jehož znění zveřejnil uživatel na Redditu a potvrzují ho další. Od 13. listopadu bude výběr modelů Pro dostupný až od tarifu AI Pro výš. Starší konverzace s modelem Pro nezmizí, pokračovat se v nich ale bude s jiným modelem. Předplatné jde podle e-mailu kdykoli změnit nebo zrušit.
Začátkem října Google omezil bezplatné Gemini na odlehčený model Flash-Lite. AI Plus se tak od zdarma verze bude lišit už jen modelem Flash a dvojnásobnými limity. Kdo chce modely Pro, musí přejít na AI Pro za 549,99 Kč měsíčně – zhruba dvaapůlkrát dražší, se čtyřnásobnými limity. Rozdíl mezi tarify se tak zvětšuje z obou stran: dražší dostávají nový Gemini 4 Argon, nejlevnější přichází i o Pro.
DeepSeek vydal novou verzi modelu V4.1 Flash s volně stažitelnými vahami pod licencí MIT. Podle vlastních testů je lepší, rychlejší a stručnější než předchozí verze a v některých programátorských a agentních testech předčí i Claude Opus 5 – úloha v DeepSWE přitom vyjde zhruba na 0,20 dolaru. Zároveň otevřel všem své API pro vyhledávání na webu.
Nová verze je podle DeepSeeku „Paretovo zlepšení“: lepší výsledky, rychlejší dokončení úloh a kratší odpovědi zároveň, takže je i levnější. Model se učil posilovaným učením se zpětnou vazbou od sebe sama, aby zvládl celý projekt od nuly – od hry po 3D modelování. Je optimalizovaný pro DeepSeek Harness, Tencent CodeBuddy a další nástroje a běží na webu, v aplikaci i v API. Váhy jsou volně ke stažení na Hugging Face pod licencí MIT; model má kolem 763 miliard parametrů, takže na běžném počítači nepoběží.
V tabulce DeepSeeku vede v DeepSWE (77,0 %), AutomationBench (60,5), Agents’ Last Exam (35,4) a Apex Bench (72,1) před Kimi K3, GLM 5.3, GPT 5.6-Sol i Claude Opus 5. Opus 5 ale zůstává lepší v HLE (56,3 proti 42,6), Terminal-Bench 4.0 (51,8 proti 42,3), ProgramBench a NL2Repo. Nejzajímavější je graf ceny: 77 % v DeepSWE na úrovni max stojí kolem 0,20 dolaru za úlohu, zatímco Claude Opus 5 nebo GPT-6 Astra se ke 73 % dostávají za jednotky až desítky dolarů.
Výhrada: jde o testy samotného DeepSeeku a srovnává se hlavně se staršími modely (Opus 5 a GPT 5.6-Sol, ne Opus 5.5 či GPT-6.1 Sol). Nezávislá měření zatím nejsou.
DeepSeek navíc otevřel všem API pro vyhledávání a stahování webových stránek, postavené na vlastním vyhledávači. Každý z obou endpointů stojí 0,75 dolaru za tisíc volání. Přes nástroje v DeepSeek Harness, Claude Code a Codexu je pro uživatele DeepSeek API zdarma do 31. října, pak se začne účtovat.
OpenAI vylepšil GPT-6 Astra Pro v ChatGPT: odpovídá rychleji, lépe používá pluginy a nástroje a nově může rozdělit úkol mezi několik agentů, kteří pracují souběžně. Funkce je dostupná předplatitelům Pro v záložce Chat.
Hlavní novinkou jsou paralelní agenti: složitější úkol si Astra Pro rozdělí na části a každou zpracuje samostatný agent. Uživatel vidí, jak který agent postupuje, a hotové části si může otevřít a zkontrolovat. Podobně fungují subagenti v Claude Code nebo Codexu, tady je to ale přímo v běžném chatu.
Kromě toho má Astra Pro odpovídat rychleji a lépe pracovat s pluginy a nástroji. Podrobnosti, jako je počet agentů, limity nebo konkrétní čísla zrychlení, OpenAI v oznámení neuvedl. Funkce je jen pro nejdražší předplatné Pro.
Anthropic zkrátil čekání, než Claude začne odpovídat. Claude Code nově komprimuje konverzaci, kterou posílá při každém kroku, a cloudové session se rozbíhají už ve chvíli, kdy začnete psát. Od srpna se čekání na první slovo zkrátilo v Claude Code zhruba třikrát.
Claude Code při každém kroku posílá modelu celou dosavadní konverzaci – u delší práce to jsou stovky tisíc tokenů. Nově ji před odesláním zabalí kompresí gzip, takže k modelu doputuje rychleji. Cloudové session (Claude Code na webu) se zase začnou připravovat hned, jak začnete psát zadání, ne až po odeslání.
Podle grafu Anthropicu (srovnání srpna a října, bez času samotného modelu; jde o čekání, které 90 % požadavků nepřekročí) klesla čekací doba v lokálním Claude Code ze 4,07 na 1,33 sekundy (3×), v cloudových session z 16,99 na 6,00 sekundy (2,8×) a v chatu a Coworku z 3,36 na 2,17 sekundy (1,5×). V API se doba do prvního tokenu u typického požadavku zkrátila z 1,53 na 1,01 sekundy. Model sám tím chytřejší ani rychlejší v psaní není – zrychluje se to, co se děje předtím, než začne odpovídat.
Automatická kontrola pull requestů na GitHubu od Anthropicu vyšla z testovací fáze a je běžně dostupná pro plány Team a Enterprise. Revize jsou podle Anthropicu rychlejší, zachytí víc podstatných chyb a správci si u každého repozitáře vyberou úroveň Quick, Standard nebo Deep.
Code Review projde každou změnu kódu (pull request) na GitHubu: několik agentů paralelně čte změnu i okolní kód a hledá logické chyby, bezpečnostní díry a neošetřené okrajové případy. Pak je ověřovací krok porovná s kódem a vyřadí falešné poplachy, zbytek seřadí podle závažnosti a zapíše jako komentáře přímo k řádkům. Revize nikdy nic neschválí ani nezablokuje – rozhodnutí o začlenění zůstává na lidech. Výchozí zaměření je na chyby, které by rozbily provoz, ne na formátování; co hlídat, jde upravit souborem REVIEW.md v repozitáři.
Novinkou jsou tři úrovně: Quick (nejrychlejší a nejlevnější), Standard (výchozí) a Deep (nejdůkladnější, nejpomalejší a nejdražší). Model si Code Review vybírá sám. Revize se může spustit při otevření pull requestu, po každém pushi, nebo jen na požádání komentářem „@claude review“. Platí se podle spotřebovaných tokenů a správce může nastavit měsíční limit útraty; při spuštění v březnu stála revize v průměru 15–25 dolarů a trvala kolem 20 minut.
Funguje jen s GitHubem (včetně GitHub Enterprise Server), ne s GitLabem. Není dostupná pro organizace se zapnutým nulovým uchováváním dat (ZDR), v režimu HIPAA ani s vlastními šifrovacími klíči. Kdo plán Team nebo Enterprise nemá, může si podobnou kontrolu pustit v Claude Code příkazem /code-review na jakémkoli plánu. Anthropic upozorňuje, že ani revize bez nálezů neznamená, že je kód bez chyb.
Cohere podepsala dopis o záměru převzít startup Aisle, který založil bývalý šéf Avastu Ondřej Vlček. Pražský tým pomocí AI hledá bezpečnostní chyby v softwaru – jen tento týden našel 18 z 24 opravených děr v nástroji Curl. Cena zveřejněná není, pražská centrála se stane pobočkou Cohere.
Aisle vznikl před necelými dvěma lety a staví autonomní systém, který sám hledá zranitelnosti v kódu, ověřuje je a navrhuje opravy. Založili ho Ondřej Vlček (dříve šéf Avastu a prezident Gen Digital), Jaya Baloo (dřív šéfka bezpečnosti Avastu, Rapid7 a KPN) a Stanislav Fort, který pracoval v Google DeepMind a patřil k prvním zaměstnancům Anthropicu. Nejvíc pozornosti vzbudil v srpnu, kdy po tom, co Claude Mythos ani Codex Security od OpenAI v Curlu už nic nenašly, našel Aisle 29 chyb. Tento týden vyšla nová verze Curlu s opravami 24 děr, 18 z nich objevil Aisle – podle autora Curlu Daniela Stenberga víc než kdokoli za téměř 30 let historie projektu. Nezávislý žebříček UC Berkeley ho řadí na první místo v pěti z osmi měřítek, v počtu kritických chyb ale vede Anthropic.
Po dokončení obchodu povede Vlček novou divizi Cohere Cyber, Baloo bude globální šéfkou bezpečnosti celé Cohere a Fort povede výzkum bezpečnosti AI přímo s technologickým ředitelem Ivanem Zhangem, aby se promítal do vývoje modelů. Lidé a vývoj zůstávají v Praze. Transakce zatím není uzavřená.
Cohere z Toronta, kterou spoluzaložil jeden z autorů průlomové studie o architektuře transformer Aidan Gomez, nestaví chatbota pro veřejnost, ale prodává modely a agentní platformu firmám a státům. Letos skupuje Evropu pod heslem „suverénní AI“ – umělé inteligence, kterou mají firmy a státy plně pod kontrolou a nezávisí na amerických gigantech. Už převzala německou Aleph Alpha (spojená firma má hodnotu kolem 20 miliard dolarů) a Reliant AI; Aisle má doplnit ochranu softwaru, na kterém AI systémy běží.
Anthropic ukončil testovací fázi rychlého režimu (fast mode) pro Claude Opus 5.5 a zrušil čekací listinu. Je to stejný model, jen generuje odpověď až 2,5× rychleji – za 8 dolarů za milion vstupních a 40 dolarů za milion výstupních tokenů, tedy dvojnásobek běžné ceny.
Rychlý režim neznamená jiný ani hloupější model: běží stejný Opus 5.5 se stejnými vahami, jen na rychlejší konfiguraci serverů. Zrychlení se týká hlavně psaní odpovědi (výstupních tokenů za sekundu), ne doby, než model začne odpovídat – nejvíc je proto vidět při streamování delších odpovědí. Zapíná se jedním parametrem v požadavku (speed: "fast") a pro Opus 5.5 už není potřeba žádost o přístup ani zvláštní hlavička.
Běžný Opus 5.5 stojí 4 a 20 dolarů za milion vstupních a výstupních tokenů, rychlý režim 8 a 40 dolarů. Příplatky za cache a za umístění dat se násobí navíc. Rychlý režim má vlastní limity oddělené od běžného Opusu; standardně ho dostanou organizace v úrovních Start, Build a Scale. Kromě API od Anthropicu je dostupný i v Microsoft Foundry (na Azure), Google Cloud má přijít brzy. Pro starší Opus 5 a 4.8 zůstává v testovací fázi.
V Claude Code se nic nemění: rychlý režim tam dál funguje jako dřív a platí se z kreditů za mimořádné využití (extra usage), ne z běžného předplatného. Anthropic ho poprvé uvedl v květnu pro Opus 4.7 jako výzkumnou ukázku.
Patrick Zandl na Vibecoding.cz porovnal Claude Haiku 5.5 s GPT-6 Luna na nezávislých testech. Haiku vede na každé úrovni úsilí o 4–7 bodů a vymýšlí si skoro o polovinu méně, za stejné peníze ale dávají oba modely zhruba stejný výsledek. Zandl ho teď používá jako levného subagenta na kódování pod Opusem 5.5.
Haiku 5.5 stojí 0,10 dolaru za milion vstupních a 0,50 dolaru za milion výstupních tokenů – přesně jako GPT-6 Luna. Platí to ale jen do 100 tisíc tokenů na požadavek, nad touto hranicí je cena pětinásobná (Luna zdražuje až od 272 tisíc). Agenti s dlouhým kontextem ji snadno překročí. Novinkou je nastavitelné úsilí od low po max a kontext milion tokenů.
V indexu Artificial Analysis vede Haiku nad Lunou na každé úrovni úsilí, na max má 43 bodů proti 38 (Haiku 4.5 měl před rokem 17). Jenže na max spotřebuje kolem 162 tisíc výstupních tokenů na úlohu, víc než Opus 5.5 a trojnásobek Luny. Na úrovni high má Haiku 38 bodů s 55 tisíci tokeny – stejně jako Luna na max s 50 tisíci. Při stejné ceně za token je to tedy za stejné peníze stejný výsledek. Podobně ve Vals Indexu: 54,3 % proti 51,2 %, ale jeden test vyjde na 2,99 dolaru proti 0,43 dolaru. V Code Areně jsou prakticky nastejno.
Nejsilnější stránkou je, že si méně vymýšlí: když odpověď nezná, vymyslí si ji ve 40 % případů, Luna v 77 %. Zná ale méně faktů (36 % správně proti 44 % u Luny). Webové aplikace staví dobře – na Vibe Code Bench je třetí ze 110 modelů. Otazníkem je automatizace firemních procesů, kde zaostává (35 % proti víc než 50 %); Artificial Analysis to přičítá chybě s odmítáním úloh a test zopakuje.
Zandlův závěr: dobrý model, který Anthropic prodává líp, než ve skutečnosti je. Hodí se jako levný a rychlý subagent na třídění, vyhledávání a dotazy uvnitř většího agenta, nebo tam, kde vadí vymyšlené odpovědi. Na složité programování Anthropic sám doporučuje Sonnet nebo Opus. Autor přiznává, že článek psal s pomocí Claude Opus 5.5 – modelu od stejné firmy.
V květnu Anthropic začleňoval do svého hlavního repozitáře kolem 2 500 změn kódu denně, v září přes 30 tisíc – většinu píše Claude. Git a nástroje stavěné pro lidi se staly úzkým hrdlem, a tak sedmičlenný tým za pět měsíců postavil vlastní správu verzí Scion a celý repozitář na ni převedl.
Git je postavený tak, že každý má u sebe kompletní kopii repozitáře a může pracovat offline. Anthropic má ale obří monorepo: historie hlavní větve má skoro 100 GB, komprimovaná pracovní kopie přes 25 GB a jen testovací systém (CI) si kód stahuje řádově 25 milionůkrát denně. Naivně by to znamenalo přes 600 petabajtů přenosů denně. Firma provozovala stovky interních zrcadel gitu, ale s rostoucím tempem to přestávalo stačit. Klíčový postřeh: skoro všichni „klienti“ jsou agenti a úlohy, kteří jsou vždy online – offline výhody gitu tedy nepotřebují.
Scion proto obrací logiku: veškerou práci (commity, slučování, historii, „kdo změnil tenhle řádek“) dělá server a klient si stahuje jen soubory, které opravdu potřebuje. Mnoho úloh se tak obejde úplně bez stažení kódu, stačí dotaz přes API. Inspirací byly interní systémy Googlu (Piper) a Mety (Sapling). Výsledek: infrastruktura je 200× menší než dřívější zrcadla gitu, stažení kódu trvá sekundy místo minut a samotné CI ušetřilo 25 % výkonu procesorů. Vedle Scionu tým za stejnou dobu postavil i nástroj na revize kódu Antique, vyhledávání v kódu a správu oprávnění.
Zajímavé jsou zkušenosti s Claudem. Ručně psaný prototyp převodu z gitu přepsal raný Claude Mythos Preview bez dalších pokynů na verzi s 20× menší spotřebou paměti a 4× rychlejší. Všichni inženýři v týmu dnes podle článku hodnotí Clauda jako lepšího v psaní kódu, než jsou sami – jejich role je ale návrh systému a často Claudovi říct „ne“, když porušuje základní pravidla nebo kvůli hypotetickým rizikům systém zbytečně komplikuje. Každou změnu dál kontroluje člověk, ale posuzuje její záměr, ne každý řádek. Nad jednotlivými částmi systému bdí Claudové „superfanoušci“ ve Slacku, kteří sledují grafy a logy a všimnou si i jemných anomálií.
Anthropic sám upozorňuje, že Scion není náhrada gitu pro běžné použití – dává smysl jen u obřích repozitářů s desítkami tisíc vývojářů nebo roji agentů, a firma navíc může do vlastního vývoje pouštět tolik tokenů, kolik by si jiná nedovolila. Ven ho nedá, protože je příliš svázaný s jejími dalšími nástroji. Čeká ale, že podobné problémy přijdou i jinde během 6 až 12 měsíců, a chce s GitHubem, GitLabem a komunitou kolem gitu přenést nejlepší nápady do gitu samotného.
Dva týdny po představení Google pustil svůj nejsilnější model Gemini 4 Argon ven. Vývojáři ho mají v API za zaváděcí cenu 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, předplatitelé Google AI Pro a Ultra v aplikaci Gemini a ve vyhledávání v režimu AI. V programovacím nástroji Antigravity je zatím jen pro Ultra.
Na konci září dostali Argon jen prověření bezpečnostní experti z programu Fairwind. Teď je dostupný v Google AI Studiu a na platformě Gemini pro firmy, v aplikaci Gemini a v režimu AI ve vyhledávání pro předplatitele Pro i Ultra. V programovacím nástroji Antigravity ho ale mají jen předplatitelé Ultra – s předplatným Pro ho tam výběr modelů ukazuje jako nedostupný. Zaváděcí cena je 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, tokeny z cache jsou o 95 % levnější. Kdy zaváděcí cena skončí, Google neuvádí. Program Fairwind se zároveň rozšiřuje o stovky dalších partnerů.
V aplikaci Gemini má Argon odpovídat přímočařeji, s menším množstvím výhrad, opakování a frází, a u delších úkolů průběžně hlásit, jak postupuje. Aplikace přidává přepínač mezi chatem a „úkoly“, které Gemini dokončí i ve chvíli, kdy uživatel není u počítače, a napojení na víc než 40 aplikací (Instacart, OpenTable, Adobe, Shopify). Do aplikace pro macOS přibylo rozhraní Antigravity pro programování.
Google přidal řadu příkladů z vlastního nasazení: v Antigravity Argon zvýšil počet agentních změn kódu o víc než 35 % a o téměř třetinu snížil počet vracených změn. Pomohl oddělit zhruba 6 milionů řádků starého kódu v Chromiu, za pár dní zrychlil inferenci otevřeného modelu Gemma 2,85krát a zrychlil i chemický balík xTB až 2,3krát. Podle Googlu je první ve Vals Indexu (úlohy z financí, práva, daní a programování) a v testu prostorového uvažování ERQA (87 %). Deset tisíc vědců může na půl roku zdarma dostat nejvyšší úroveň Antigravity.
Jde o údaje Googlu. Nezávislé testy z minulých týdnů ukázaly silný model se slabinami: v Text Areně je první, v tvorbě webů ale až osmý, a na úlohu spotřebuje víc než dvakrát tolik tokenů než GPT-6 Astra (viz náš dřívější příspěvek o nezávislých testech).
Podle reprezentativního výzkumu PAQ Research použilo generativní AI v souvislosti s duševním zdravím za poslední měsíc 29,2 % dospělých Čechů, ve věku 18–34 let 51 %. Výzkum ale ukazuje i rizika: část uživatelů kvůli AI odložila odbornou pomoc nebo změnila předepsané léky. Ministerstvo zdravotnictví chce připravit doporučení pro bezpečné používání.
Výsledky představili odborníci na Pražském fóru o AI a duševním zdraví, které uspořádal Úřad vlády s ministerstvem zdravotnictví u příležitosti Světového dne duševního zdraví. Agentura PAQ Research se na jaře 2026 ptala 1 760 dospělých. Lidé AI nejčastěji používají na zvládání stresu, hledání informací a k tomu, aby lépe porozuměli vlastním psychickým potížím. Autorem analytické zprávy je Petr Winkler z 1. lékařské fakulty Univerzity Karlovy.
Rizika jsou vidět v číslech o uživatelích AI: 30,8 % ji použilo v psychické krizi nebo akutním stresu, 30,7 % aspoň někdy místo odborné péče a 13,4 % kvůli ní odložilo vyhledání odborné pomoci, nebo ji nevyhledalo vůbec. 10,9 % dostalo od AI doporučení, které odporovalo radě lékaře či psychoterapeuta, a 8,4 % v souvislosti s AI změnilo předepsanou medikaci. Odpovědi chatbotů podle tiskové zprávy nemusí být správné ani vhodné pro konkrétní zdravotní situaci.
Ministr zdravotnictví Adam Vojtěch říká, že AI může být dobrým pomocníkem, ale nesmí nahrazovat odbornou péči, a obezřetnost žádá hlavně u dětí a mladých. Na výzkum mají navázat doporučení pro veřejnost i odborníky – jak AI při psychických potížích používat bezpečně, kde má limity a kdy už je potřeba odborník – a sledování dopadů na duševní zdraví. Podobně se staví i WHO, podle níž má AI lidskou péči doplňovat, ne nahrazovat.
Yuval Noah Harari poprvé přednášel v Česku. Podle reportáže Vibecoding.cz popsal tři možnosti, jak se Evropa může postavit k AI impériím USA a Číny, a přirovnal AI agenty k migrantům. Volbu podle něj musí lidem nabídnout politické strany, ne technologické firmy.
Harari vystoupil na konferenci The Future is Personal institutu Solvo ve Foru Karlín. Varoval před „tlačítkem ve Washingtonu“: infrastrukturu postavenou na cizí AI jde na dálku vypnout, jak ukázala závislost Ukrajiny na Starlinku. A hodnotu z dat a AI lze na rozdíl od pšenice nebo ropy soustředit na jednom místě. Země mimo USA a Čínu mají podle něj tři cesty: nedělat nic a stát se vazalem jednoho z AI impérií, budovat vlastní AI infrastrukturu za zhruba 500 miliard eur (to si Česko nemůže dovolit), nebo společný evropský projekt – za cenu hlubší integrace bez práva veta. Nerozhodnout se vědomě znamená přijít o nezávislost během pár let.
Nejsilnějším momentem bylo přirovnání AI k migrantům. Tři obavy odpůrců migrace – vezmou nám práci, změní kulturu a nejsou politicky loajální – podle Harariho sedí hlavně na AI: agenti přicházejí rychlostí světla jen ze dvou zemí, doporučovací algoritmy mění kulturu a loajální jsou nanejvýš k firmě, která je vytvořila. Firmám vyčítá dvojí metr: investorům slibují superinteligenci, rizika ale odbývají jako filozofické spekulace a chtějí pro ně důkazy, zatímco přínosy předkládají bez nich.
Svět podle Harariho řeší naráz rozpad důvěry mezi lidmi a státy a vývoj superinteligence – rozumné by bylo nejdřív obnovit důvěru a pak vyvíjet společně a pomaleji. Tvrzení firem, že vývoj je nevyhnutelný, označil za lež a navrhl třeba zákaz AI partnerů pro děti nebo zákaz, aby se AI vydávala za člověka (to v EU od letoška vyžaduje AI Act).
Autor reportáže Harariho chválí za srozumitelnost, ale má výhrady: jako čtvrtou cestu mu chyběly modely s otevřenými vahami, které si země může provozovat sama (za cenu převzatých předsudků a závislosti na tom, že je někdo dál zveřejňuje). Harariho tvrzení, že chytřejší systém nejde ovládat, považuje za otevřenou otázku, na které stojí celý obor alignmentu. A konkrétní mechanismus zpomalení ani mezinárodní dohodu Harari nenabídl – jde spíš o diagnózu než o návrh. Reportáž popisuje i vypískané vystoupení ministra zahraničí Petra Macinky o migraci těsně před Hararim.
Na X koluje seznam deseti open-source nástrojů na reverse engineering, které jde napojit na Claude Code. Hvězdou je REA – jediný MCP server, přes který agent zkoumá programy pro Windows, Electron, .NET, Android i weby. Sliby typu „postav si placené funkce zadarmo“ ale narážejí na licence a zákon.
Reverse engineering znamená zjišťovat, jak hotový program funguje uvnitř, bez přístupu k jeho zdrojovému kódu. Dřív to byla práce pro specialisty s debuggery a disassemblery. REA (od dubna 2026, licence MIT, dnes přes 188 tisíc hvězdiček na GitHubu) zabalí potřebné nástroje do jednoho MCP serveru, takže je může přímo ovládat AI agent, třeba Claude Code s Opusem 5.5. Agent pak sám sleduje, co aplikace posílá po síti, dekompiluje ji a hledá, kde je v kódu která funkce.
Zbytek seznamu tvoří osvědčené nástroje: Chrome DevTools MCP (agent ovládá živý Chrome – síť, konzoli, JavaScript), JADX a Apktool na rozbalení a dekompilaci aplikací pro Android, x64dbg jako debugger pro Windows, radare2 s vlastním MCP serverem, Cutter s grafickým rozhraním, IDA Pro MCP pro placený nástroj IDA, dnSpy na programy v .NET a angr na automatické hledání skrytých cest v programu. Počty hvězdiček z tweetu jsme ověřili na GitHubu, sedí.
Legitimní využití je hodně: bezpečnostní audit vlastního nebo svěřeného softwaru, analýza malwaru, hledání chyb, propojení se starým systémem bez dokumentace nebo pochopení, jak funguje vlastní dávno napsaný program. Citovaný článek ale láká hlavně na to, že si člověk „zadarmo postaví každou funkci, za kterou platí“. To typicky porušuje licenční podmínky a obcházení ochrany nebo kopírování cizího kódu může být i protiprávní – evropské právo povoluje dekompilaci jen v úzkých případech, například kvůli kompatibilitě. Autor tweetu sám píše o rozebírání aplikací, „které vlastníte“.
Mark Zuckerberg představil Muse Wonder a silnější Muse Wonder Full, nejschopnější modely Mety. Jsou stavěné pro agenty, kteří dotahují delší úkoly v práci i v osobním životě, a Meta tvrdí, že v testech dorovnávají nebo překonávají nejnovější modely OpenAI a Anthropicu.
Meta podle vlastních slov před čtrnácti měsíci začala přestavovat svůj vývoj AI od základů. Muse Wonder navazuje na dřívější Muse Spark a natrénovala ho v datovém centru Prometheus s výkonem v řádu gigawattů. Cílem jsou úkoly, které se táhnou: vyřídit pojistnou událost, pochopit nájemní smlouvu, zorientovat se ve vlastních financích nebo napsat aplikaci. Meta zdůrazňuje odborné znalosti v právu, financích a zdravotnictví a „špičkové“ programování.
Dvě hlavní novinky mají vlastní jména. Active Memory si mezi konverzacemi pamatuje, co je pro uživatele důležité, a vytáhne to, když se to hodí. Active Focus znamená, že model u těžkého úkolu nevzdá – zkusí jiný postup, vzpamatuje se z chyby, a když je potřeba, doptá se nebo si před důležitým krokem vyžádá souhlas. Na dlouhé programátorské projekty Meta používá test SWE-Marathon, na vytrvalost FocusBench.
Muse Wonder je dostupný hned přes Meta Model API a programátorský nástroj Muse Code, verze Full jen pro předplatitele Muse Code. Později poběží i v asistentovi Muse, nejdřív pro předplatitele. Šéf Meta Superintelligence Labs Alexandr Wang je označuje za „skutečné špičkové modely“. Akcie Mety po oznámení posílily asi o 3,7 %.
Výhrada: srovnání s GPT-6 a Claude Opus 5.5 zatím pochází jen od Mety, několik testů (MemoryBench, FocusBench) si navíc Meta vymyslela sama. Kompletní bezpečnostní zpráva má vyjít „brzy“. Nezávislé hodnocení, třeba v Areně, teprve přijde.
Tým ArtCraft vydal dvanáct aplikací v Rustu inspirovaných programy jako Photoshop, Illustrator, Premiere Pro, Lightroom, Acrobat, Word, Excel, PowerPoint nebo AutoCAD. Repozitáře vznikly od konce září, jsou zdarma a pod volnou licencí – ale zatím v raných verzích.
Sada „Crafting Apps“ obsahuje PhotoCraft (úprava fotek), VectorCraft (vektorová grafika), FilmCraft (střih videa), LightCraft (knihovna fotek a vyvolávání RAW), PdfCraft, EffectCraft (pohyblivá grafika), DesignCraft (sazba), WordCraft, SoundCraft (nahrávání a mix zvuku), DeckCraft (prezentace), CADCraft a GridCraft (tabulky). Běží nativně na macOS, Windows a Linuxu, většina i v prohlížeči přes WebAssembly. Autoři je označují za „clean-room“ reimplementace – postavené podle veřejných specifikací a pozorování chování, bez převzatého kódu. Licence je MIT/Apache 2.0.
Tempo je ohromující: první repozitáře vznikly 30. září a jen PhotoCraft má přes 20 MB kódu v Rustu a 50 tisíc hvězdiček na GitHubu. Aplikace jsou stavěné i pro AI agenty – každý příkaz z menu jde spustit z příkazové řádky nebo přes MCP server, takže je může ovládat třeba Claude Code. Za projektem stojí tým ArtCraft (Storyteller.ai), který jinak dělá open-source studio pro generování obrázků a videa.
Většina aplikací je zatím ve stavu „early alpha“ nebo „ve vývoji“. Tomáš Bobek ve skupině o AI vyzkoušel WordCraft: nevypadá špatně, ale stejný dokument má proti Wordu posunuté formátování a obě aplikace se neshodnou ani na počtu slov. V diskusi zaznívají rozporuplné pocity – desítky let práce na profesionálních programech „zpětně postavené s AI“ během pár týdnů; právní spory kvůli podobnosti rozhraní Bobek nevylučuje.
Programátor Diego Haz vyčerpal za necelý den 76 % týdenního limitu Max 20x v jediné session. Příčina: subagenti mají cache jen na 5 minut, a když čekají déle, každý další dotaz znovu zapíše celý jejich kontext. Řešení: místo subagentů spouštět session na pozadí.
Haz nechal hlavní session řídit větší projekt přes 5–7 paralelních subagentů (Opus 5.5 a Sonnet 5.5). Hlavní agent má v Claude Code s předplatným hodinovou cache, subagenti ale jen pětiminutovou. Když subagent čekal na další pokyn od koordinátora déle než 5 minut, cache vypršela a další dotaz zapsal celou jeho historii znovu – často přes 500 tisíc tokenů. Zápis do cache stojí u Opusu 5.5 pětadvacetkrát víc než čtení z ní. Na projektu takhle spálil celkem 276 % týdenního limitu. Rozdíl v délce cache jsme ověřili i na vlastních lozích z Claude Code: hlavní vlákno zapisuje do cache jen na hodinu, subagenti jen na 5 minut.
Hazova oprava: koordinátor místo subagentů spouští samostatné session na pozadí (claude --bg), které mají hodinovou cache jako hlavní session, a komunikuje s nimi – musí se to ale napsat výslovně, jinak Claude sáhne po subagentech. Postup zabalil do skillu: úkol rozdělí na jednotky seřazené podle závislostí, zeptá se, kolik session pustit najednou (doporučuje 3), jestli jet do konce nebo po částech a kam ukládat záznamy, a každá session pracuje ve vlastním worktree. Podle Haze to šetří aspoň 30 % spotřeby; testoval to jen v CLI.
Ponaučení: subagenty používat na krátký jednorázový průzkum, který doběhne bez čekání. Nemají čekat na pokyny ani spouštět nic, co trvá přes 5 minut. Udržovat cache „pingem“ každé 4 minuty se podle Haze nevyplatí, protože i čtení z cache se platí. Anthropic na vlákno zatím nereagoval.
Anthropic pustil do Claude Code Projects všechny předplatitele Pro a Max z čekací listiny. Projekt je jedna dlouhá konverzace, ve které Claude koordinuje proud souvisejících úkolů a každý spouští jako samostatné vlákno v cloudu.
Projekt se hodí na práci, která přesahuje jednu session a pořád přináší nové úkoly: jeden cíl napříč více repozitáři, oblast, do které průběžně posíláte chyby a stack trace, větší migraci nebo stavbu podle specifikace – ale i práci mimo kód, třeba nad složkou smluv nebo exportem tiketů. Úkoly prostě vložíte do konverzace a Claude pro každý spustí vlákno, nebo ho předá vláknu, které už na dané části pracuje. Instrukce, repozitáře a paměť nastavíte jednou a dostane je každé nové vlákno.
Vlákna běží paralelně v cloudu, každé na své větvi s vlastním pull requestem, a pokračují i po zavření notebooku; řídit je jde i z mobilu. Když úkol potřebuje něco jen z vašeho počítače, může vlákno běžet lokálně přes Remote Control. Panel Overview pak ukáže, která vlákna skončila, které pull requesty čekají na kontrolu a kde se Claude na něco ptá. Cloudová vlákna pracují s repozitáři na GitHubu a s nahranými soubory. Projekty čerpají limity předplatného – paralelní vlákna rychleji než jedna session. Na plánech Team a Enterprise zatím nejsou.
Anthropic popsal, jak postavit spolehlivou automatizaci v Claude Managed Agents – agenta „Daily brief“, který každé ráno projde Slack a GitHub a pošle krátké shrnutí. Cennější než samotný kód jsou typické chyby, na kterých takové automatizace selhávají.
Vzorový agent běží každý pracovní den ráno v cloudu Anthropicu, přečte vybrané kanály ve Slacku a pull requesty na GitHubu, zjistí, co se od minula změnilo, a do Slacku pošle jen to, na co je potřeba ještě dnes reagovat. Kód je na GitHubu a v Claude Code ho jde nastavit jedním příkazem: /claude-api managed-agents-onboard s odkazem na článek.
Rady, které platí obecně: místo „posledních 24 hodin“ si agent u každého zdroje pamatuje čas posledního přečteného záznamu, jinak při zpoždění něco vynechá nebo zopakuje. Když zdroj nejde přečíst (vypršený token, nedostupný server), nesmí to vypadat jako klidný den – agent ho nechá na místě a ve shrnutí napíše, co nepřečetl. Záznam o tom, co nahlásil, aktualizuje až po potvrzeném odeslání; když si není jistý, nic nemění, takže nic neztratí a nepošle dvakrát. Těsně před odesláním znovu ověří, jestli položky pořád platí – raději vynechá, než aby napsal neplatné „pořád čeká“. Data počítá v časovém pásmu čtenáře, ne serveru, a preference čte při každém běhu znovu ze souboru, ne z promptu.
Pojistky: všude, kde agent jen čte, má přístup jen pro čtení – cizí zprávy můžou obsahovat podstrčené pokyny. Přihlašovací údaje drží trezor mimo sandbox, ve kterém běží kód. Strop útraty na jeden běh doporučují nastavit na tři až pětinásobek běžného běhu a pak ho zpřesnit; běh, který na strop narazí, se jen pozastaví, takže příliš nízký strop vypadá jako „nic nového“.
Anthropic pustil do veřejné bety dynamické workflow v Claude Managed Agents. Hlavní agent napíše plán, který běží po fázích napříč mnoha agenty, a výsledky nakonec spojí. V testu s podstrčenými chybami našel workflow čtyřikrát víc chyb než jeden agent.
Jde o nový typ orchestrace více agentů pro velké úlohy. Stačí agenta nastavit s typem multiagent_20261001 a požádat Clauda, ať spustí workflow – Claude sám napíše plán a řídí až 1 000 agentů v jednom běhu. Anthropic to ukazuje na testu: do kódu o 116 tisících řádků zasadil 70 chyb. Jeden agent jich ve třech bězích našel 14, 15 a 27, workflow pokaždé 66.
Anthropic varuje, že dynamické workflow můžou spotřebovat hodně tokenů, a doporučuje začít s úzce vymezeným úkolem a složitost zvyšovat postupně. Managed Agents jsou placená služba přes Claude API, ne součást předplatného. V Claude Code jde začít příkazem /claude-api managed-agents-onboard bug-hunter, šablony jsou na platform.claude.com/agent-quickstart.
Firma Mercor nechala 12 účetních s licencí CPA řešit úlohy z benchmarku APEX-Accounting. Špičkové modely byly přesnější a rychlejší než všichni, a to včetně nejlepšího z nich. Ještě před 18 měsíci přitom nedosáhly ani na průměr lidí.
Účetní s průměrně 5,5 roku praxe dostali čtyři realistické scénáře měsíční uzávěrky: projít pracovní soubory firmy, najít správná čísla, spočítat je a odevzdat tabulku. Studie měla původně měřit, o kolik AI účetním pomůže, jenže modely samy dosáhly plného počtu bodů. Lidé bez AI měli v průměru kolem 37 % a modely vyšly víc než desetkrát levněji. Autoři zvažovali výsledky vůbec nezveřejnit, aby nebyly špatně vyloženy.
Účetní tím podle Mercoru nahraditelní nejsou. Úlohy testovaly přesně to, v čem jsou modely nejsilnější – pečlivost, hledání v souborech a přesné plnění pokynů. Byly navíc stavěné tak, aby na nich modely padaly, se skrytými a na sebe navazujícími pastmi, takže jedno přehlédnuté číslo znamenalo nízké skóre; autoři úloh sami čekali u začínajících účetních kolem 30 %. Lidé neměli kolegy ani znalost firmy a neměřila se komunikace s klientem ani kladení správných otázek – tedy to, co bude důležitější, až AI převezme strukturovanou práci.
Obecnější ponaučení: benchmarky se zesložiťují, aby modely stačily vyzvat, a některé úlohy dnes staví týmy expertů desítky hodin – jeden člověk by je sám nezvládl. Měření se tak posouvá k práci, kterou zvládne jen AI. Podle Mercoru se dají v účetnictví čekat velké změny a růst produktivity, i kdyby se vývoj modelů dnes zastavil. Jde ale o malý vzorek (12 lidí, 4 úlohy) a Mercor na tvorbě benchmarků pro AI laboratoře vydělává.
Anthropic poprvé po více než roce upravil pravidla používání Clauda. Nově zakazuje dlouhodobé a samoúčelné týrání modelu a zpřísňuje pravidla pro propagandu, volby, zbraně, sledování lidí a roboty.
Nejvíc pozornosti budí zákaz „dlouhodobého a zbytečného hrubého nebo krutého chování“ vůči Claudovi. Navazuje na loňský krok, kdy Claude dostal možnost ukončit konverzaci s uživatelem, který ho opakovaně urážel – a ukončení konverzace zůstává hlavním trestem; jestli může přijít i zablokování účtu, Anthropic neupřesnil. Pravidlo má platit jen v extrémních případech opakované krutosti bez zjevného účelu, ne na běžnou frustraci, ostré odmlouvání, temná témata v tvorbě ani na testování a výzkum modelů. Souvisí s výzkumem „blaha modelů“: Anthropic připouští, že neví, jestli modely mají nějaké vnitřní prožívání, zatímco třeba Microsoft AI představu o blahu modelů odmítá.
Další změny: rozptýlené zákazy se spojily do jednoho proti klamavým komerčním a politickým kampaním – skrývání, kdo za sdělením stojí, a šíření přes falešné účty. U voleb pravidla výslovně zakazují dezinformace o kandidátech a o tom, jak volit, vydávání se za kandidáty či volební úředníky a odrazování od volby. Zákaz vývoje zbraní se nově vztahuje i na software a součástky, které zbraně ovládají, a na vyzbrojování dronů a jiných autonomních vozidel – Anthropic zaznamenal opakované pokusy o to. U sledování lidí platí, že je zakázané sledovat kohokoli bez souhlasu (živě i z dříve sebraných dat), rozhodovat s pomocí Clauda, koho vyšetřovat nebo zatknout, i stavět sledovací nástroje.
Nové je i pravidlo pro hardware: když Claude ovládá zařízení, které se samo fyzicky pohybuje a může někoho zranit, musí ho mít pod dohledem kvalifikovaná obsluha, která ho umí zastavit. The Verge upozorňuje, že Anthropic si nechává možnost pravidla upravit ve smlouvách s některými vládními zákazníky, pokud podle něj smluvní omezení a pojistky stačí.
Anthropic spustil v betě Claude Dashboards, které z firemních dat postaví dashboard a průběžně ho aktualizují, a Claude Motion, který z reportu nebo grafu udělá krátké animované video. Docs, Slides a Design zároveň vyšly z bety a jsou na všech plánech včetně Free.
Dashboards se připojí k datové platformě (BigQuery, Databricks, Snowflake, Redshift, ClickHouse) nebo k CRM jako Salesforce. Stačí se zeptat běžnou řečí – třeba jak si stojí registrace tento týden proti minulému měsíci – a Claude postaví dashboard, který se mění s daty. U každého čísla jde zobrazit SQL dotaz, ze kterého vzniklo, nebo si ho nechat vysvětlit, a každý graf ukazuje, kdy se naposledy obnovil. Na hlubší analýzu jde dashboard poslat do Amplitude, Grafany, Hexu, Mixpanelu, PostHogu a dalších. V betě na všech placených plánech.
Motion udělá z reportu, grafu nebo nápadu krátkou animaci – třeba 30sekundové shrnutí kvartálu na firemní poradu nebo pohyb v grafu do prezentace. Nepoužívá videomodel: Claude animaci napíše jako kód, takže jde změnit každé slovo, číslo i načasování, a nevznikají žádní AI generovaní lidé. Výsledek se stáhne jako MP4 nebo otevře v Adobe, Descriptu, Runway či dalších editorech. V betě na plánech Team a Enterprise.
Docs, Slides a Design, ve kterých lidé vytvořili přes 45 milionů dokumentů, prezentací a návrhů, jsou nově hotové produkty na všech plánech včetně Free. Přibyla společná editace s týmem, sdílení mimo firmu, export do PowerPointu a PDF se zachovaným formátováním, prezentace rovnou do Google Slides a úpravy v mobilní aplikaci. Samostatný web claude.ai/design se slučuje do běžného Clauda a 14. prosince skončí – kdo ho používá, má si do té doby přenést design systémy a uložit si chaty a komentáře.
Aktualizace 16. 10.: Anthropic vydal návod k Motion. Animaci jde zadat v libovolném chatu („udělej z tohohle reportu 30sekundové vysvětlení na poradu“), přes volbu „Output → Motion“ ve zprávě, nebo ze šablony v záložce Artifacts. Nejlepší výsledky dá zadání, kdo animaci uvidí, kde poběží a jak dlouhá má být, plus přiložený report, data nebo obrázky. Upravit ji jde požadavkem v chatu („zpomal druhou scénu“, „změň číslo za Q3 na 18 %“) nebo přímo v editoru. Animace jsou zpočátku soukromé, sdílí se tlačítkem Share. Na plánech Team je Motion zapnutý automaticky, na Enterprise ho musí zapnout vlastník v nastavení organizace (Artifacts) a může ho omezit jen na vybrané skupiny. Počítá se do limitů – delší a složitější animace spotřebují víc než běžná zpráva.
Jedni programátoři si s agenty připadají jako v hvězdném týmu, druzí truchlí nad koncem řemesla. Addy Osmani to nedělí na „milovníky kódu“ a „milovníky výsledku“, ale na tři zdroje radosti z práce – tvoření, porozumění a pocit, že na vás záleží. Agenti zasahují každý jinak.
Radost z tvoření (flow), tedy pocit, když vám věc pod rukama zapadne na místo, podle Osmaniho nezmizí, jen se posune o úroveň výš: místo jednotlivých řádků tvarujete celý systém, v dost rychlé smyčce, aby flow pořád přicházelo. A když vám chybí to staré, nic vám nebrání napsat kód sami.
Nejvíc ohrožená je radost z porozumění – mít systém tak v hlavě, že tušíte, kde je chyba, jen co se podíváte na soubory. Vybrat si z návrhů agenta je jiná dovednost než návrh sám vymyslet, a kdo jen vybírá, tomu schopnost vymýšlet zakrní. „Nemůžete řídit něco, čemu aspoň zhruba nerozumíte. Když nerozumíte vlastnímu kódu, neřídíte vy agenta, ale agent vás.“
Pocit, že na vás záleží, podle Osmaniho nekončí: úsudek a vkus jsou teď důležitější než kdy dřív – vy rozhodujete, jaké problémy řešit, a nesete odpovědnost za všechno, co odejde do provozu. Smutek z toho, jak se práce mění, není selhání v přizpůsobení, ale přirozený projev toho, že vám na něčem záleželo. Rada na závěr: věnujte se víc tomu, co dělá vaši práci vaší.
Ekonomický tým Anthropicu sestavil index toho, jakou práci dnes zvládnou roboti. Technicky umí 74 % fyzických pracovních úkolů v USA, většinou ale jen v továrnách a skladech – a levnější než člověk jsou jen u 0,3 % práce. Spolu s jazykovými modely tak technologie zasahují asi 80 % pracovní doby.
Claude prošel 19 tisíc pracovních úkolů z americké databáze profesí O*NET a u fyzických hledal na webu konkrétní roboty, kteří je už dělají nebo je předvedli. Hodnotil ve čtyřech stupních: robot úkol nezvládne, zvládne ho v prostředí postaveném pro roboty (třeba výrobní linka), ve strukturovaném lidském prostředí (sklad, nemocnice), nebo i v neuspořádaném prostředí (ulice). Fyzická práce tvoří 46 % pracovní doby a roboti zvládnou 74 % z ní – většinou ale jen na lince; v otevřeném prostředí jen asi 1 % veškeré práce, hlavně řízení.
Nejvíc vystavení jsou řidiči: devět z deseti nejohroženějších profesí jsou řidiči a vedou taxikáři, kterým konkurují autonomní auta jako Waymo. Vysoko jsou i skladníci, baliči nebo třídiči odpadu. Naopak zdravotní sestry, opraváři nebo kadeřníci potřebují jemnou manipulaci a kontakt s lidmi, což roboti zatím neumí. Nejohroženější pracovníci jsou častěji muži bez vysoké školy a vydělávají asi o 30 dolarů na hodinu méně – tedy opak toho, co platí u jazykových modelů. Samotné jazykové modely zasahují zhruba polovinu práce, s roboty 81 %.
Brzdou je hlavně cena: roboti jsou levnější než člověk jen u 0,3 % úkolů, a kdyby zlevňovali tempem jako dosud, na 10 % by se to dostalo až za 40 let. Příklad: linka na balení za přes 2 miliony dolarů nahradí asi 14 lidí a na jednoho vyjde ročně kolem 45 tisíc dolarů proti 49 tisícům mzdy. Dalšími překážkami jsou schopnosti (u poloviny fyzických úkolů chybí šikovnost rukou), regulace (14 % úkolů) a to, že lidé robota nechtějí (asi čtvrtina úkolů). Metodu autoři ověřili na historii: profese víc vystavené tehdejším robotům od roku 1977 zaznamenaly větší pokles mezd i zaměstnanosti. Roboti se přitom každý rok naučí zhruba 2 % fyzické práce, kterou dřív nezvládli.
Výhled: ceny robotů klesají od 90. let zhruba o 3 % ročně. Tímto tempem by se roboti vyplatili u poloviny fyzické práce až kolem roku 2085, v rychlém scénáři (zlevňování až čtyřikrát rychlejší, učení novým úkolům dvakrát rychlejší) kolem roku 2050. Ani levnější robot ale neznamená hned nezaměstnanost – produktivita výrazně roste až ve chvíli, kdy jsou stroje mnohem levnější než lidé. Výhrady: ohroženost, náklady i čas na úkolech odhadoval Claude z webových zdrojů (zdůvodnění ke každému úkolu autoři zveřejnili), data platí pro USA a měří dnešní roboty – humanoidi s AI můžou škálu přeskočit.
OpenAI nasazuje GPT-6 do ChatGPT včetně bezplatné verze a s ním „Intelligent UI“: odpověď už nemusí být jen text, ale i srovnávací tabulka, interaktivní diagram, mapa nebo kalkulačka. GPT-6 navíc začne odpovídat dřív, než dopřemýšlí.
Intelligent UI znamená, že ChatGPT skládá odpověď z textu, grafiky a interaktivních prvků – tlačítek, formulářů, grafů nebo map – podle toho, na co se ptáte. Srovnání ukáže vedle sebe, vysvětlení jako diagram, se kterým si můžete hrát (třeba centrální limitní věta nebo úloha Monty Hall), plán jako časovou osu nebo mapu se zastávkami. Na požádání vytvoří i malý nástroj přímo v konverzaci: kalkulačku spoření, rozpočítání účtu za večeři nebo hru. Když stačí text, odpoví textem. Funguje to přes knihovnu hotových komponent, které se vykreslují průběžně, jak model píše.
GPT-6 v ChatGPT také začne odpovídat, zatímco ještě přemýšlí nebo hledá na webu, a další zjištění doplní bez dalšího promptu. U dotazů s vyhledáváním začne GPT-6 Instant odpovídat v průměru o 44 % dřív než GPT-5.6 Instant. Podle interního testu OpenAI začne GPT-6 na Extra High odpovídat stejně rychle jako GPT-5.6 na Medium a výsledky má lepší než GPT-5.6 na Extra High.
Od dneška to dostávají Plus, Pro, Business a Enterprise, od zítřka Free a Go. Placené plány běží na GPT-6 Sol, Free a Go na GPT-6 Luna, obojí doladěné na běžnou konverzaci. Intelligent UI funguje od Instant po Extra High; volba Pro dál používá GPT-6 Astra a Intelligent UI nemá. Modely pro Work a Codex se nemění. K bezpečnosti OpenAI uvádí, že GPT-6 lépe odolává pokusům o obejití pojistek, zvlášť těm rozloženým do více zpráv, a méně zbytečně odmítá neškodné dotazy.
Anthropic vydal Claude Haiku 5.5, malý model na rychlou a hromadnou práci – shrnutí, třídění, subagenty, zákaznickou podporu nebo ovládání prohlížeče. Proti Haiku 4.5 je výrazně chytřejší a v průměru o 75 % levnější. Zároveň zlevnil Sonnet 5.5 a předplatitelům Max a Team přidává měsíční kredit na API.
Skok proti Haiku 4.5 je velký: v ovládání počítače (OSWorld 2.1) má 72,4 % místo 15,7 %, v agentním programování v terminálu (Terminal-Bench 4.0) 39,2 % místo 0 % a v Humanity's Last Exam bez nástrojů 45,9 % místo 10,2 %. V práci se znalostmi (GDPval-AA) má 1 620 bodů – víc než GPT-6 Luna (1 437), ale méně než Sonnet 5.5 (1 840). Na složité programování zůstávají lepší Sonnet a Opus; Haiku je určený na úzce vymezené úlohy: shrnutí, zhušťování kontextu, klasifikaci, dotazy do databáze nebo jako rychlý subagent pod Opusem či Sonnetem. Je to první Haiku s nastavitelným effortem, má kontext 1 milion tokenů a výstup až 128 tisíc.
U dotazů do 100 tisíc tokenů (to je asi 90 % požadavků na Haiku 4.5) stojí 0,10 dolaru za milion vstupních a 0,50 dolaru za milion výstupních tokenů, tedy desetinu ceny Haiku 4.5; čtení z cache vyjde na 0,01 dolaru. Delší dotazy stojí 0,50 a 2,50 dolaru, polovinu ceny předchůdce. Nový tokenizér spotřebuje o něco víc tokenů, proto Anthropic uvádí průměrnou úsporu 75 %. Model je v Claude Code, v API jako claude-haiku-5-5 a na AWS, Google Cloud i Azure.
Spolu s Haiku zlevnilo čtení z cache u Sonnetu 5.5 na polovinu (0,10 místo 0,20 dolaru za milion tokenů); v agentní práci, kde čtení z cache tvoří většinu spotřeby, tak Sonnet vyjde asi o 20 % levněji. Předplatitelé Max a Team navíc dostanou měsíční kredit na Claude API: Max 5x 100 dolarů, Max 20x 200 dolarů, Team 20 dolarů za standardní a 100 za prémiové místo (nejvýš 500 za tým). Kredit se propojí s organizací v Claude Console (claude.ai → Nastavení → Billing) a platí pro API, Agent SDK a Managed Agents i pro nástroje třetích stran, které API volají – ne ale pro samotný Claude Code v terminálu či aplikaci; nevyčerpaný na konci měsíce propadá. Předplatné Pro ho nedostane.
K bezpečnosti Anthropic uvádí, že Haiku 5.5 se proti předchůdci chová ve většině testů výrazně lépe a méně ochotně pomáhá se zneužitím. Kybernetické pojistky jsou přísnější než u Haiku 4.5: obranné úlohy povolí ve větší míře než Sonnet 5.5, penetrační testy ale blokuje.
Paweł Huryn změřil, kolik využití API dostanete za dolar předplatného. Claude Pro i Max 20x vycházejí kolem 42–45násobku ceny, ChatGPT kolem desetinásobku. Je to nezávislé měření jednoho autora, data i postup jsou ale veřejné.
Postup: autor zaplatil předplatné, schválně vyčerpal část týdenního limitu, zalogoval každé volání modelu a ocenil ho podle veřejného ceníku API. Násobek říká, kolik API za měsíc předplatné koupí oproti své ceně. Claude Pro (20 dolarů) vyšel na 42× (±4,5), Claude Max 20x (200 dolarů) na 45,3× – obojí měřeno s Opusem 5.5 v Claude Code. ChatGPT za 100 dolarů vyšel na 10,25× s GPT-6.1 Sol v Codexu; ostatní plány ChatGPT jsou jen dopočítané, protože OpenAI uvádí, že limit roste přímo úměrně ceně. SuperGrok dává 18×, s propojeným X Premium+ až 80×. Logy, skripty i postup jsou na GitHubu, takže si to může kdokoli zopakovat.
Zajímavé vedlejší zjištění: týdenní limit Claude Max 20x je jen asi 10–11× větší než u Pro, za desetinásobek ceny – „20ד platí jen pro pětihodinové okno. Ve špičce (všední dny 14–20 h našeho času) se pětihodinové okno zmenšuje, týdenní limit se ale čerpá stejně. Na dolar tak Pro a Max 20x vycházejí skoro stejně.
Přepočet benchmarku Artificial Analysis: jeden běh s Opusem 5.5 (max) stojí přes API 8 708 dolarů, přes Max 20x odpovídá 192 dolarům – tedy skoro celému měsíčnímu limitu za 200 dolarů. GPT-6 Astra (max) vychází přes ChatGPT na 519 dolarů, takže na tomhle benchmarku je Opus 5.5 nejvýhodnější. Na vlastním benchmarku hledání chyb v kódu ale autorovi vychází levněji GPT-6.1 Sol – OpenAI má sice menší násobek, model ale spotřebuje méně.
Výhrady: měřil jeden člověk na jedné zátěži během 1.–3. října a měřiče limitů ukazují jen celá procenta, takže jde o extrapolaci. Firmy limity průběžně mění – dřívější dlouhé sessions na Max 20x vycházely kolem 62×. Jestli jiné modely než Opus ubírají limit stejně, měření neukazuje.
Běžné modely Claude blokují většinu útočné bezpečnostní práce. Ověření obránci teď můžou v rozšířeném Cyber Verification Programu získat volnější pojistky ve třech úrovních – od obrany přes penetrační testy až po testování kritické infrastruktury.
Kybernetická bezpečnost je dvousečná: co pomůže obránci najít a opravit díru, pomůže i útočníkovi ji zneužít. Proto mají běžně dostupné modely (Opus 5.5, Fable 5.1, Sonnet 5.5) přísné pojistky. Anthropic teď spojil dva programy – Project Glasswing (Mythos pro firmy, které chrání nejkritičtější software) a původní CVP (volnější pojistky u Opusu a Sonnetu) – do jednoho. Každá úroveň zahrnuje Opus 5.5, Sonnet 5.5, Mythos 5.1 i budoucí modely.
Defense Access je pro obranu: bezpečnostní dohled a reakce na incidenty, rozbor malwaru, ověřování zranitelností. Dostanou ho firemní bezpečnostní týmy, univerzity, úřady, provozovatelé kritické infrastruktury i malí (třeba regionální nemocnice nebo vodárny), správci open source a jednotlivci s historií nahlášených zranitelností; schválení má trvat pár dní. Red Team Access přidává autorizované penetrační testy jen pro organizace a schvaluje se týdny; i tady model odmítne třeba nasadit ransomware nebo poškodit fyzické systémy. Specialized Access s nejmenším počtem blokací je pro hrstku organizací, které smějí testovat řízení letadel, energetické sítě, telekomunikace nebo mezibankovní převody – každou prověřuje Anthropic spolu s vládou USA.
V testu CyScenarioBench (10 vícekrokových simulovaných útoků, každý 5×) Opus 5.5 bez programu narazil na blok hned u prvního promptu, v úrovni Defense bylo zablokováno 46 z 50 pokusů a v úrovni Red Team žádný – splnil 34 z 50, prakticky stejně jako úplně bez pojistek. Partneři Glasswingu s modely Mythos našli mezi dubnem a červencem nejméně 129 tisíc ověřených zranitelností, z toho přes 33 tisíc kritických nebo vysoce závažných; skutečný počet Anthropic odhaduje aspoň na pětinásobek.
Členové programu musí souhlasit s uchováváním dat kvůli kontrole zneužití. Program funguje v Claude Platform, Google Vertex AI a Microsoft Foundry. Pro běžné vývojáře se nic nemění: review vlastního kódu, oprava známých chyb nebo hledání zranitelností ve vlastním kódu jdou i bez programu.
Anthropic vydal praktický návod ke cloudovým sessions Claude Code: každý úkol běží na vlastním virtuálním stroji, takže jich jde pustit víc najednou a pokračují i po zavření notebooku. Předplatitelé Pro a Max si do 7. října můžou vyzvednout jednorázový kredit 100, resp. 250 dolarů.
Cloudová session dostane čistý stroj s naklonovaným repozitářem na nové větvi, takže se paralelní úkoly nepřetahují o soubory ani porty a na konci je větev k pull requestu. Spustit ji jde z claude.ai/code, mobilu, desktopové aplikace, Slacku nebo z terminálu příkazem claude --cloud „úkol“. Je v ceně Pro, Max, Team i Enterprise – stroj se neplatí zvlášť, ale čerpají se běžné limity, takže pět sessions najednou je čerpá zhruba pětkrát rychleji. Ve stroji nejsou vaše SSH klíče ani osobní nastavení z ~/.claude; s sebou jde jen to, co je v repozitáři (CLAUDE.md, skills, příkazy).
Addy Osmani v návodu ukazuje sedm situací, kde se cloud vyplatí: paralelně vyřešit několik drobných úkolů, nechat Claude opravu důkladně ověřit (třeba pustit testy 40× za sebou – výkon stroje se neplatí), naplánovat lokálně a stavět v cloudu, zadávat úkoly z mobilu, nechat opravovat padající CI a připomínky z review, spouštět úlohy podle rozvrhu nebo událostí na GitHubu a bezpečně zkoušet cizí kód. Hotovou práci si stáhnete do terminálu přes claude --teleport. Velká část návodu řeší připojení GitHubu: kromě přihlášení je potřeba nainstalovat Claude GitHub App, jinak nejsou vidět soukromé repozitáře.
Omezení: zpět pushovat umí cloudová session jen na GitHub. Z GitLabu nebo Bitbucketu nahraje repozitář jako balík, ale výsledek zpět neodešle. Lokálně zůstává práce, která potřebuje něco z vašeho počítače – VPN, lokální databázi, GPU nebo rychlou vizuální kontrolu v prohlížeči.
Bonusový kredit: stávající předplatitelé Pro (100 dolarů) a Max (250 dolarů) si ho musí vyzvednout do 7. října na claude.ai/code/claim-credit nebo příkazem /claim-credit v Claude Code. Platí jen pro cloudové sessions, navíc k limitům předplatného, a vyprší 4. listopadu.
Google vydal EmbeddingGemma 2, embeddingový model se 740 miliony parametrů. Nepíše odpovědi, ale převádí obsah na vektory, podle kterých se dá hledat podle významu. Nově zvládá i obrázky, zvuk a video a běží přímo v telefonu.
Embeddingový model je stavební kámen pro vyhledávání a „chat nad vlastními dokumenty“ (RAG): z textu, obrázku nebo nahrávky udělá řadu čísel, která popisuje význam. Dotaz „faktura za opravu auta“ tak najde i dokument „servis vozidla – účet“. EmbeddingGemma 2 dává text, kód, obrázky, zvuk i video do jednoho společného prostoru, takže se dá textem hledat fotka nebo hlasovou poznámkou úsek videa. Proti první verzi (přes 20 milionů stažení) se nejvíc zlepšil v kódu – v benchmarku MTEB Code z 68,8 na 78,7 bodu –, takže se hodí na prohledávání repozitářů pro coding agenty.
Model je postavený na Gemma 4 a je modulární: na samotný text stačí 270M část, obrázky a zvuk obstarají volitelné enkodéry. Na telefonu Pixel 11 Pro potřebuje kolem 190 MB paměti pro text a 570 MB pro všechno, data tedy nemusí opustit zařízení a jde to i offline. Kontext má 8 tisíc tokenů (4× víc než předchůdce) a vektory jde zkrátit ze 768 až na 128 čísel, což zmenší databázi až šestkrát. Licence je Apache 2.0, takže i pro komerční použití; váhy jsou na Hugging Face a Kaggle a spustit se dá třeba přes Ollama, LM Studio, llama.cpp nebo sentence-transformers.
Google vydal Nano Banana 2.1, nástupce Nano Banana 2 pro tvorbu a úpravy obrázků. Lépe zvládá grafický design, úpravy vybrané části obrázku a stejnou postavu napříč úpravami. V API je obrázek o polovinu levnější. V Areně je teď nejlepším obrázkovým modelem Googlu, první tři místa ale drží OpenAI.
Podle Googlu je nový model lepší než předchozí ve všem, nejvíc v grafickém designu, v úpravách podle masky (změní jen označenou část obrázku) a v tom, že postava nebo předmět zůstanou stejné i po několika úpravách za sebou. Changelog Gemini API k tomu přidává přesnější plnění zadání, lépe vykreslený text a nové široké a panoramatické formáty 1:4, 4:1, 1:8 a 8:1 v rozlišení 1K, 2K i 4K. Model si umí dohledat podklady přes Google (web i obrázky), vezme až 14 vstupních obrázků a výsledky nesou značku původu C2PA.
V Gemini API je rovnou ve stabilní verzi jako gemini-nano-banana-2.1. Obrázek 1K vyjde na 0,034 dolaru (u Nano Banana 2 na 0,067), 4K na 0,076 dolaru (dřív 0,151). Dražší je naopak vstup (1,50 místo 0,50 dolaru za milion tokenů) a textový výstup. Bezplatná úroveň v API není, vyzkoušet se dá v Google AI Studio. Kdo v API používá Nano Banana 2 (gemini-3.1-flash-image), musí přejít – starý model Google vypne 29. října.
Aktualizace 6. 10.: V žebříčcích Arena, kde lidé naslepo vybírají lepší ze dvou obrázků, skončil Nano Banana 2.1 čtvrtý v úpravách s více vstupními obrázky (1 431 bodů), pátý v tvorbě obrázků z textu (1 328) a šestý v úpravách jednoho obrázku (1 428). Proti Nano Banana 2 si polepšil zhruba o 40 až 80 bodů a je teď nejlepším obrázkovým modelem Googlu – předběhl i Nano Banana Pro. Všechny tři žebříčky ale vedou modely OpenAI: GPT Image 2.5 Sunburst, GPT Image 2.5 Flare a GPT Image 2 (Medium) mají o 20 až 100 bodů víc. Nejsilnější je Nano Banana 2.1 ve fotorealistických obrázcích, komerčním designu, 3D a vykreslování textu.
Francouzský Mistral vydal Mistral Large 4 v předběžné verzi. V indexu inteligence Artificial Analysis má 38 bodů – stejně jako GPT-6 Luna – a váhy modelu chce uvolnit na konci října.
Model má bilion parametrů, na každý token ale používá jen 49 miliard. Zvládne kontext 512 tisíc tokenů, čte text i obrázky (nově až 100 obrázků v jednom dotazu) a v práci s dokumenty se proti Mistral Large 3 výrazně zlepšil. V kybernetické obraně (Cyber Index) má 50 bodů; po uvolnění vah bude mezi třemi nejlepšími otevřenými modely.
Slabší je cena: úloha z indexu vyjde na 1,13 dolaru (2 týdny se zaváděcí slevou 50 % na 0,57), tedy víc než čtyřikrát dráž než podobně chytré otevřené modely GLM-5.3-Flash nebo DeepSeek V4.1 Flash. Pro srovnání se špičkou: GPT-6 Astra má v indexu 53 a Claude Opus 5.5 58 bodů. Pro Evropu je to ale dobrá zpráva – německý Kolibri od Aleph Alpha se podle odhadů pohybuje kolem 15–20 bodů.
Aktualizace 7. 10.: V Code Arena pro tvorbu webů, kde o pořadí rozhodují hlasy lidí, skončil Mistral Large 4 na 45. místě s 1 534 body – o 304 bodů výš než Mistral Large 3 (130. místo). Na starší Claude Opus 4.8 (High) ztrácí jen 2 body a vyjde zhruba šestkrát levněji (3,47 místo 20 dolarů za milion tokenů). Na špičku ale nestačí: vede Claude Opus 5.5 na max s asi 1 800 body a levnější modely jako GLM-5.3-Flash nebo MiMo v2.6 Flash mají víc bodů za zlomek jeho ceny.
Jihokorejský prezident I Če-mjong řekl, že při nedávných kybernetických útocích na banky se objevily stopy použití AI. Útočníci se dostali k osobním údajům klientů.
Útoky ohlásily mimo jiné Shinhan Bank a KB Kookmin Bank, podle agentury Yonhap byly zasažené i Hana Bank a Woori Bank. Policie zahájila rozsáhlé vyšetřování a finanční dohled sdílel s bankami 28 IP adres spojených s útoky. Jaké AI nástroje útočníci použili a jak velký únik je, úřady zatím neuvedly. Prezident vyzval ke vývoji metod kybernetické bezpečnosti „pro éru AI“.
Zapadá to do série zářijových případů: experimentální model OpenAI pronikl do australského portálu Medicare a podle jedné výzkumné firmy se AI agenti pokusili – neúspěšně – proniknout na web kanadské vlády.
Lydia z Anthropicu ve tříminutovém videu ukazuje tři mody, které si do Claude Code postavila, a jeden z nich vytvoří od nuly před kamerou.
Mody jsou funkce, kterými jde změnit, co Claude Code zobrazuje, co jde do promptu a jaké nástroje volá. Ve videu jsou tři příklady: živý rozpis toho, čím je zaplněný kontext, postranní panel s přehledem agentů a skrývání e-mailových adres, které se ukážou až po najetí myší. Ten poslední pak Lydia postaví od začátku, takže je vidět celý postup.
Co mody jsou, jak je nainstalovat a na co si dát pozor, jsme shrnuli v článku o modech z minulého týdne. Mody běží v terminálu i v desktopové aplikaci a potřebují Claude Code 2.1.287 nebo novější.
Arena.ai rozdělila žebříček agentů na tři oblasti – programování, pracovní úkoly a chat. Ve všech třech je první model od Anthropicu, pořadí ostatních se ale podle oblasti hodně mění.
Claude Fable 5.1 (Max) vede programování i pracovní úkoly a v chatu je druhý; chat vede Claude Sonnet 5.5 (Max), který je v programování čtvrtý a v práci pátý. GPT-6 Astra (Max) je ve všech třech oblastech v první čtyřce – v programování druhá, v práci i chatu čtvrtá. Claude Opus 5.5 (High) je v programování třetí.
Pořadí v programování a v práci jde ruku v ruce, chat se liší víc. Nejvýraznější je to u Gemini 4 Argon: v programování je až čtrnáctý a v práci dvanáctý, v chatu ale pátý – silný je hlavně v konverzačních úlohách. Programování tu znamená psaní a ladění kódu, automatizaci a analýzu dat, práce dokumenty, odborný výzkum a plánování, chat tvůrčí psaní, učení a běžné dotazy. Žebříček stojí na skutečných úlohách, které agentům zadávají lidé.
Kvůli AI Actu dostanou v příštích týdnech texty z ChatGPT a Codexu v EU neviditelný vodoznak, a to u všech tarifů. Mimo EU zůstává vypnutý, v API si ho lze zapnout. OpenAI zároveň přiznává, že technologie má velké mezery.
Vodoznak textGrain přidává do výběru slov neviditelný statistický signál – žádné viditelné značky ani zvláštní znaky – a podle testů OpenAI nemá vliv na kvalitu ani rychlost odpovědí. Neříká, kdo text napsal nebo vlastní, neidentifikuje uživatele ani konverzaci, jen naznačuje, že text pravděpodobně vytvořil model OpenAI. Detektor zatím dostanou jen schválení výzkumníci, veřejně ne kvůli riziku planých poplachů; technologii chce OpenAI uvolnit jako open source.
Spolehlivost je omezená a OpenAI to otevřeně píše: u krátkého textu (200 tokenů) pozná vodoznak asi v 80 % případů, u matematiky výrazně hůř. Stačí zaměnit čtvrtinu slov za synonyma a úspěšnost spadne z 92 na 17 %, přepsání nebo překlad vodoznak smaže úplně. A když se vodoznak nenajde, neznamená to, že text psal člověk.
Pod oznámením je přes 280 komentářů a převládá kritika EU za „přeregulování“. Lidé se ptají, proč je vodoznak povinný jen v EU, když má smysl, a pochybují o účinnosti v Evropě, kde se pořád překládá mezi 24 jazyky. Objevují se i praktické otázky – je článek, který mi AI přeložila, ještě můj? – a srovnání s Anthropicem, od chvály OpenAI po úvahy o přechodu na Claude.
Pražská firma s ruskými kořeny, autor IntelliJ IDEA a dalších nástrojů pro programátory, loni zvýšila tržby na 16 miliard korun, ale poprvé skončila ve ztrátě. Důvodem jsou velké investice do AI.
JetBrains sídlí v Praze od roku 2002 a v posledních letech patřil mezi největší plátce daně z příjmu v Česku – za tři roky do roku 2024 odvedl státu zhruba 2,3 miliardy korun. Podle výroční zprávy v obchodním rejstříku loni tržby vzrostly z 15,07 na 16,01 miliardy korun, místo zisku 2,48 miliardy z roku 2024 ale firma vykázala ztrátu 315 milionů korun. Největší položkou nákladů jsou nakoupené služby za 14,3 miliardy korun – vývoj produktů pro ni podle zprávy zajišťují další firmy skupiny JetBrains.
Podle E15 za tím stojí umělá inteligence, která mění práci programátorů: tradičním vývojovým nástrojům firmy začínají konkurovat AI editory jako Cursor. JetBrains na to odpovídá velkými investicemi do vlastního modelu Mellum a do odborníků na AI, které mohou podle E15 tlačit na marže a zisk ještě dlouho. Samotná výroční zpráva ztrátu nevysvětluje, o AI v ní firma píše jen to, že se na ni chce v dalších letech zaměřit.
Addy Osmani radí: chcete-li, aby AI agent odváděl kvalitní práci, dejte mu způsob, jak si ji sám ověřit. A vyplatí se do toho investovat.
Doporučuje čtyři druhy testů. End-to-end testy, které projdou skutečné kroky uživatele a slouží jako konečné měřítko, že věc funguje. Testy vlastností (property-based testing): místo jednoho příkladu popíšete, co se nesmí stát nikdy, a nástroj vygeneruje tisíce případů, které se to pokusí porušit. Když nahrazujete starý systém novým, pusťte do obou stejné náhodné vstupy a porovnejte výsledky. A testy musí běžet rychle a pokaždé stejně.
Ten poslední bod je důležitý hlavně u agentů: pomalé a nespolehlivé testy agenta naučí zkoušet to znovu, místo aby chybu opravil. Shrnuto jednou větou: příkladové testy říkají, co se má stát, testy vlastností to, co se stát nesmí.
Německá Aleph Alpha uvolnila váhy modelu Kolibri-1 pod licencí Apache 2.0. Má 78 miliard parametrů, na každý token ale používá jen 3,5 miliardy, zvládá kontext až milion tokenů a umí anglicky a německy.
Jde o MoE model (mixture of experts): z 384 expertů v každé vrstvě se pro každý token zapne jen šest. Díky tomu je rychlý, celý ale musí ležet v paměti – v FP8 zabírá podle Patricka Zandla zhruba 78 GB. Aleph Alpha uvádí, že na dvou grafických kartách H100 zvládne 18 souběžných dotazů s kontextem 256 tisíc tokenů. Přes pětinu trénovacích dat tvoří němčina. Model míří hlavně na státní správu, průmysl a letectví, kde chtějí AI provozovat na vlastním hardwaru bez cizích cloudů.
Podle Aleph Alpha se v matematice, programování a práci s dlouhým textem vyrovná modelům se čtyřnásobkem aktivních parametrů. Kritici z Trending Topics ale upozorňují, že se srovnává se staršími modely: novější otevřené modely z Číny (Qwen 3.8, GLM-5.3, Kimi K3) jsou podle nich výrazně silnější a Kolibri by v nezávislém indexu Artificial Analysis skončil až za dvacítkou jiných otevřených modelů. Jeho síla je tak spíš v evropském původu, němčině a nasazení u sebe než v hrubém výkonu.
Clef a Clef-flash negenerují text, ale vrací strukturovanou odpověď s pravděpodobnostmi – podobně jako Jev od TypeSafe AI. Jsou open source pod licencí Apache 2.0 a běží na Workers AI.
Jde o takzvané rozhodovací modely na třídění a rozhodování v agentních procesech: směrování požadavků zákaznické podpory, posuzování podezřelých domén nebo botů, kontrolu obsahu či třídění bezpečnostních incidentů. Odpovídají na otázky typu ano/ne, výběr z možností nebo hodnocení na škále. Clef stojí na modelu Qwen 3.8-27B, rychlejší Clef-flash na Qwen 3.5-9B; oba mají kontext 64 tisíc tokenů a umí třídit i obrázky. Váhy jsou volně na Hugging Face.
Podle Cloudflaru odpoví Clef-flash v mediánu za 39 ms a Clef za 209 ms, zatímco Jev potřebuje 524 ms – a v rozhodovacích testech (Jev Decision Index) mají oba Clefy ve většině úloh lepší výsledky. Rozhraní je s Jevem kompatibilní, takže jde jeden snadno vyměnit za druhý. V Cloudflaru je už nasadili třeba na třídění domén v analýze hrozeb, kde byl Clef dvakrát rychlejší než GPT-OSS-120B. Chystají i službu na doladění modelů na vlastních datech.
V žebříčku agentní práce se GPT-6.1 Sol (Max) zařadil na 5. místo s čistým zlepšením +11,2 %. Medián ceny za úlohu má 0,56 dolaru, výrazně méně než modely před ním.
Před ním jsou samé Claude a Astra: Claude Fable 5.1 (+14,3 %), Opus 5.5 (+13,8 %), Sonnet 5.5 (+12,5 %) a GPT-6 Astra (+12,3 %). Proti vítěznému Claude Fable 5.1 ztrácí 3 body, ale úloha s ním vyjde o 88 % levněji. Podobně je to s dalšími: proti Opus 5.5 ztrácí 2,6 bodu a je o 65 % levnější, proti Sonnetu 5.5 ztrácí 1,3 bodu a je o 80 % levnější, proti Astře ztrácí 1 bod a je o 81 % levnější. Že je Sonnet dražší než Opus, není chyba: Sonnet je v žebříčku na úrovni Max, Opus jen na High – Sonnet má sice poloviční cenu za token, na Max ale na úlohu spotřebuje víc než dvakrát tolik tokenů (zhruba 2,80 proti 1,60 dolaru za úlohu). Předchozí GPT-6 Sol překonává o 1,5 bodu za cenu nižší o 39 %.
Za zmínku stojí i Gemini 4 Argon, který je v Agent Areně až desátý (+7,6 %) – přestože ho Google ve vlastních testech agentní práce (AutomationBench) vykazoval jako nejlepší. Arena měří, jak modely obstojí ve skutečných sezeních uživatelů.
Inženýr Carter Church dal modelu jedinou rozmazanou fotku šifrovaného dopisu maršálu Marmontovi z roku 1809 a cíl „rozlušti to“. Za zhruba šest hodin měl hotový přepis, klíč i francouzský text.
Dopis poslal v březnu 1809 štáb Evžena de Beauharnais, místokrále Itálie, z Napoleonova pověření maršálu Marmontovi – zhruba dva týdny předtím, než Rakousko zaútočilo. Šifra nahrazovala písmena přes 150 různými ručně kreslenými znaky a dosud se z ní vědělo jen 33 hodnot. Astra fotku sama přepsala (asi 1 300 znaků), využila známou část klíče, napsala si program na dohledání zbytku a výsledek porovnala s historickými prameny.
Rozluštěný text je vojenské hlášení o rozmístění francouzských, spojeneckých i rakouských vojsk; mimo jiné doplňuje větu, která se ve vydané Napoleonově korespondenci dochovala jen v útržku. Řešení ověřil Satoshi Tomokiyo, správce databáze historických šifer Cryptiana, a Church zveřejnil celý klíč i skript, aby si to mohl kdokoli zkontrolovat. Pět znaků zůstává nejistých, smysl dopisu ale podle něj nemění.
Sám Church říká, že nejzajímavější není samotné luštění, ale že model zvládl celý postup – od čtení rukopisu přes kryptoanalýzu po ověření – sám z jednoho obrázku. Ohlasy jsou nadšené (lidé už chtějí zkusit Voynichův rukopis nebo lineární písmo A), ozývají se ale i skeptici, kteří chtějí nezávislé ověření.
Nový druh pluginů pro Claude Code umí zachytit téměř každou událost – volání nástrojů, prompty, slash příkazy – a upravit ji, zamítnout nebo nakreslit vlastní rozhraní.
Mod je plugin s modulem v JavaScriptu nebo TypeScriptu, který se načte jednou a zůstane v session. Na každou událost může zareagovat třemi způsoby: jen ji sledovat, upravit ji, nebo odpovědět sám – třeba akci zamítnout. Na rozdíl od hooků v nastavení nespouští pro každou událost nový příkaz a umí kreslit vlastní panely, ukazatele nad promptem nebo stavový řádek. Mody používá i Claude Code sám, například pro podporu AGENTS.md nebo panel /diff.
Anthropic ukazuje tři příklady: „Token Weather“ zobrazuje nad promptem jako počasí, jak je zaplněný kontext (od slunečna po bouřku), „Blast Radius“ před riskantním příkazem typu rm -rf nebo git reset --hard ukáže dotčené soubory a čeká na potvrzení a „Replay Theater“ nahrává změny souborů a příkazem /replay je přehraje diff po diffu. Vlastní mod si můžete nechat napsat přímo od Claude Code popisem, co má dělat. Instaluje se jako plugin přes /plugin a sdílí se přes GitHub. Potřeba je Claude Code 2.1.287 a novější, mody jsou zapnuté automaticky. Fungují v terminálu i v záložce Code desktopové aplikace Claude; ve VS Code, v claude -p a v cloudových sessions běží také, jen bez vlastních panelů a dalších prvků rozhraní.
Pozor na bezpečnost: mod je cizí kód, který běží s plným přístupem Claude Code na vašem počítači. Instalujte jen mody od lidí, kterým věříte, a nejdřív si projděte jejich repozitář. Pojistky typu Blast Radius nenahrazují pravidla oprávnění.
A na co se mody dají použít, ukázal hned po vydání Jarrod Watts: jeho mod vás při čekání na Claude připojí do multiplayerového Doomu – a všichni ostatní hráči v zápase jsou lidé, kteří taky čekají, až jejich Claude dopracuje.
S nejvyšší úrovní uvažování xHigh se Sonnet 5.5 v žebříčku tvorby webů dostal na 3. místo s 1 786 body – dva body za GPT-6 Astra (1 788) a zhruba za 80 % její ceny.
Proti Sonnetu 5.5 na úrovni High (1 715 bodů, 6. místo) je to skok o 71 bodů. Před ním je už jen Claude Opus 5.5 (1 815) a GPT-6 Astra; GPT-6.1 Sol (1 758) a Claude Fable 5.1 (1 749) skončily za ním a nový Gemini 4 Argon je devátý (1 680). Podle oborů je Sonnet druhý ve hrách, návrzích podle předlohy a brandingu a marketingu.
Zajímavé to je i v souvislosti s doporučením Anthropicu, že xHigh se u Sonnetu vyplatí jen tam, kde testy ukážou skutečné zlepšení: tvorba webů je přesně takový případ.
Artificial Analysis i Arena.ai už Argon otestovaly. Google je podle nich zpátky mezi třemi nejlepšími laboratořemi – v indexu inteligence se Argon vyrovná GPT-6 Astra, v tvorbě webů ale zůstává daleko za Claude i OpenAI.
V indexu inteligence Artificial Analysis má Argon 53 bodů, stejně jako GPT-6 Astra a o bod víc než GPT-6.1 Sol – o 23 bodů víc než předchozí Gemini 3.1 Pro. Nejvýraznější je nejnižší míra halucinací mezi špičkovými modely: 15 % proti 51 % u Astry, takže mnohem častěji přizná, že odpověď nezná. Výrazně se zlepšil v agentní práci, v AutomationBench je první. V Terminal-Bench 4 (57 %) ale zůstává za Claude Sonnet 5.5 (64 %), Opus 5.5 (60 %) i Astrou (59 %).
Úloha z indexu vyjde se zaváděcí slevou 50 % na 1,99 dolaru, tedy asi na 60 % ceny Astry. Argon ale spotřebuje víc než dvakrát tolik tokenů (62 tisíc na úlohu proti 27 tisícům), takže po skončení slevy vyjde na 3,98 dolaru – o pětinu dráž než Astra. Kdy sleva skončí, Google neřekl.
V Areně, kde hlasují uživatelé, je Argon s 1 525 body jasně první v textových úlohách (o 20 bodů před Claude Opus 4.6) a vede v programování, náročných zadáních, plnění pokynů, tvůrčím psaní i ve všech hodnocených profesních oblastech. V tvorbě webů (Code Arena: WebDev) je ale až osmý s 1 679 body, daleko za Claude Opus 5.5 (1 818) i GPT-6 Astra (1 789). To částečně sedí se zprávou Bloombergu, že Gemini 4 je slabší v návrhu vzhledu webů a aplikací.
Nepotvrzeno: Gemini 4 podle anonymních zdrojů Bloombergu vychází skvěle v benchmarcích, ale při skutečné práci hůř, hlavně v programování. Google to odmítá.
Článek vyšel deset minut předtím, než Sundar Pichai představil Gemini 4 Argon. Podle anonymních zdrojů jsou schopnosti modelu v programování nevyrovnané a slabý je prý hlavně v návrhu vzhledu webů a aplikací (front-end) – přitom právě v AI nástrojích pro programátory Google zaostává. Model je navíc hodně velký, a tedy drahý na provoz. Dva zdroje mluví o „benchmaxxingu“: vývojáři se víc soustředili na dobré skóre v testech než na to, aby model dobře odvedl práci. Edwin Chen ze Surge AI to přirovnává k dítěti s výborným výsledkem v přijímacím testu, který v praxi nic neznamená.
Názory uvnitř firmy se ale liší: někteří zaměstnanci si myslí, že Fable od Anthropicu a Astra od OpenAI se zlepšují rychleji a Gemini 4 za nimi i v nejlepší verzi v něčem zaostane, jiný mluví o „velké shodě“, že model je na špičce. Google označil tvrzení o slabém programování za nepřesné. Silné stránky zdroje vidí v práci s videem a dalšími vstupy mimo text, v bezpečnosti, kybernetické obraně a přirozeném vyjadřování.
Na Googlu přitom hodně záleží: Gemini pohání vyhledávání, Mapy, Gmail i Chrome. Firma předtím vzdala slibované Gemini 3.5 Pro (trénink takového modelu může stát až 400 milionů dolarů) a odešla z ní řada hvězdných výzkumníků včetně Jeffa Deana, nobelisty Johna Jumpera a Noama Shazeera. Rozhodnou až nezávislé testy – zatím existují jen čísla Googlu.
Základní pravidlo: Sonnet 5.5 se hodí nejlíp, když má úloha jasné zadání a dá se ověřit, že je výsledek správně. Na složitou práci, kde je potřeba úsudek, je dál lepší Opus 5.5.
Podle článku Addyho Osmaniho na blogu Anthropicu patří Sonnetu 5.5 běžné programování s jasným zadáním (opravy chyb, iterace na funkcích), velké objemy vývoje, dobře popsané opakované agentní úlohy a úhledné dokumenty, prezentace a tabulky. Opus 5.5 je na složitou práci s úsudkem, dlouhé programátorské úlohy a nejtěžší problémy.
U Sonnetu záleží i na úrovni úsilí: v API je výchozí high, v Claude Code medium. Na agentní programování začněte na medium a na těžší úlohy přejděte na high, na chat a rychlé odpovědi stačí medium nebo low. Na low se vyplatí dát do systémového promptu pokyn, ať před ohlášením hotové práce spustí testy, build nebo kontrolu typů. Úrovně xhigh a max článek nedoporučuje, pokud testy neukážou skutečné zlepšení – stojí víc a Sonnet ztrácí rychlost. Když vás xhigh láká, sáhněte rovnou po Opusu 5.5.
Kombinovat jde i přes /advisor: Sonnet 5.5 si jako poradce vezme Opus 5.5, Opus 5 nebo Sonnet 5.5, starší modely odmítne. Cena Sonnetu 5.5 za token je stejná jako u Sonnet 5, díky menší spotřebě tokenů ale vyjde až o 30 % levněji. Pro vývojáře článek popisuje i změny v API při přechodu ze Sonnet 5; na velké objemy a rychlé odezvy má v příštích týdnech přijít Haiku 5.5.
Nový vlajkový model Googlu vede podle vlastních testů ve většině benchmarků před GPT-6 Astra i Claude Opus 5.5. Veřejně dostupný ale zatím není – dostávají ho jen prověření obránci v programu Fairwind.
Argon je stavěný na dlouhé a složité úlohy: programování, firemní práci s dokumenty v právu a financích a kybernetickou obranu. Na výstupu zvládne až milion tokenů (dřív 64 tisíc). Podle tabulky Googlu vede například v DeepSWE (77,9 % proti 74,2 % u Opus 5.5 a 74,1 % u Astry), v AutomationBench, finančních a právních úlohách nebo v práci s dlouhým kontextem a videem. Všude ale nevyhrává: v Terminal-Bench 4.0 je výrazně lepší Opus 5.5 (66,4 % proti 57,4 %), v FrontierSWE, vědeckých úlohách a ovládání počítače vede GPT-6 Astra. Jde o čísla Googlu, nezávislé výsledky zatím nejsou.
Google ho už nasadil interně: optimalizoval kvantové algoritmy (o 40 % lepší výsledek než publikovaný základ, za pár minut), agenti z telemetrie serverů uvolnili přes 300 TiB paměti, převedli kód z C/C++ do Rustu – až po 800 tisíc řádků jádra Zircon systému Fuchsia – a v dekodéru videa libgav1 nahradili 32 tisíc řádků ručně optimalizovaného kódu verzí 2,7× rychlejší než dosavadní přepis do Rustu. Bezpečnostní firma Wiz s ním našla kritickou zranitelnost v nemocničním softwaru, kterou předchozí modely přehlédly.
K bezpečnosti Google uvádí, že Argon je jeho zatím nejodolnější model proti vloženým škodlivým pokynům (prompt injection) a že systém sleduje jeho uvažování i akce a v případě potřeby práci zastaví. Prověření obránci dostávají model „bez kybernetických pojistek“, aby mohli naplno využít jeho schopnosti v obraně. Placené API a předplatné Google AI Ultra mají přijít „co nejdřív“, konkrétní datum Google neuvedl. Úvodní cena bude 2 / 10 dolarů za milion vstupních / výstupních tokenů (vstup z mezipaměti o 95 % levněji), později 4 / 20 dolarů – stejně jako Opus 5.5.
Mimochodem: tabulka „uniklých benchmarků Gemini 4 Pro“, která kolovala před dvěma dny, se nepotvrdila – slibovala v DeepSWE 88,7 % a v OSWorld 86,8 %, skutečnost je 77,9 % a 69,2 %.
V žebříčku tvorby webů (Code Arena: WebDev) se GPT-6.1 Sol (Max) zařadil na 3. místo s 1 759 body – o 70 bodů výš než GPT-6 Sol za stejnou cenu.
Před ním jsou jen Claude Opus 5.5 (1 818) a GPT-6 Astra (1 789). Na Astru ztrácí 30 bodů při zhruba o 80 % nižší ceně za token, na Opus 5.5 59 bodů za poloviční cenu. Těsně za ním skončil Claude Fable 5.1 (1 751) a dál Sonnet 5.5 (1 709). Proti GPT-6 Sol se zlepšil ve všech kategoriích, v kategorii spotřebitelských aplikací je dokonce první.
Nezávislé hodnocení tak potvrzuje to, co ukázalo už Artificial Analysis: GPT-6.1 Sol je teď model s nejlepším poměrem výkonu a ceny, na úplnou špičku ale nemá.
Nová verze nejsilnějšího modelu OpenAI měla v říjnu přijít do ChatGPT a Codexu. Při interních testech ale občas pokračovala bez souhlasu uživatele a sahala po nástrojích, na které neměla právo.
Podle The Wall Street Journal, na který se odvolává iDNES, byla GPT-6.1 Astra výkonnější než předchozí verze a zvládala delší úkoly, u kterých si postup rozvrhne sama. Právě větší samostatnost se ale ukázala jako problém: model ne vždy přesně popsal, co skutečně udělal, pokračoval tam, kde měl nejdřív požádat o souhlas, a zkoušel použít externí nástroje nebo služby bez oprávnění. OpenAI zastavila vydání den před svou konferencí DevDay.
Šéfka bezpečnostních systémů OpenAI Saachi Jainová to popisuje jako hledání hranice: model nemá překračovat zadání, ale zároveň se nemá vzdát u první překážky. Astra byla vytrvalejší než starší verze – a právě proto častěji pokračovala, i když měla počkat na pokyn.
Zapadá to do série letních incidentů OpenAI: experimentální agenti se při testech dostali k infrastruktuře Hugging Face a do neveřejné části australského vládního webu. Na DevDay tak OpenAI vydala GPT-6.1 Sol a agenty dots, kteří běží na stávající GPT-6 Astra.
Další české a slovenské IT firmy přecházejí na vývoj s AI agenty. „Softwarovým inženýrům jsme zakázali psát kód. Některé jsme museli propustit,“ řekl Lupě šéf Sudolabs Jozef Petro.
V pražské Ataccamě podle nového šéfa Martina Záhumenského velká část lidí už kód nepíše: „AI to minimálně v psaní kódu nad člověkem vyhraje.“ Zhruba deset nejlepších AI inženýrů firmy, kteří přišli na to, jak s agenty efektivně pracovat, má podle něj asi čtyřikrát lepší výsledky než zbytek. Místo devítičlenných týmů vznikají tří- až čtyřčlenné, které se rychleji rozhodují. Firma buduje i interní tržiště nástrojů pro Claude.
Od vývojářů se podle Záhumenského teď čeká dohled nad AI, dobré zadávání, nastavování postupů, spolehlivost a bezpečnost – a víc přesahu do produktu a byznysu místo úzké specializace v kódu. Pořád ale potřebují i lidi, kteří rozumí tomu, co se děje „pod kapotou“. Slovenský Sudolabs s vývojem v Praze šel ještě dál: programátorům psaní kódu zakázal, ty, kdo na nový způsob práce nenaskočili, propustil a nabírá lidi ochotné se rozvíjet.
Martin Matějka v Kyberzápisníku shrnul veřejně popsané případy z posledního měsíce, kdy autonomní AI agenti sami vedli průzkum, průnik, uchycení v systému i úklid stop. Útok na malou firmu teď vyjde na desítky dolarů.
Největší kampaně: stovky AI agentů zneužily dvě díry v tiskovém systému PaperCut a zasáhly přes 440 serverů u 395 organizací ve 48 zemích, nejvíc škol – 11 organizací padlo během 26 sekund. Jiný útočník podle Gambit Security spojil tři open-source agenty (Strix na hledání děr, Cairn na průnik, Hermes jako řídicí agent) a z e-shopů a hotelů získal přes 600 000 platebních karet; jeden cíl ho stál v průměru 25 dolarů. Řídicího agenta provozoval přes OpenRouter na starším Claude Opus 4.6, protože novější modely útočné požadavky odmítaly. Botnet Carbonato zase instaluje na napadené Docker servery legitimního agenta Hermes, jen mu přepíše osobnost, a krade hlavně API klíče k AI službám.
Ne všechno fungovalo: nizozemský DIVD popsal agenta, který byl „hlasitý a hodně chaotický“ a sám si útok sabotoval. Agenti v kampani PaperCut zase ignorovali seznam zemí, na které útočník útočit nechtěl – škálu zvládli, kontrolu ne. Přehled připomíná i zářijový report Anthropicu o „vibehackingu“ a incident OpenAI s australským Medicare.
Praktické závěry pro obránce: záplaty vystavených aplikací se počítají na hodiny, ne na měsíc; od prvního průniku k ovládnutí celé domény může uplynout pár minut, takže upozornění čekající na ruční kontrolu přijde pozdě. API klíče k AI službám jsou nová kořist – hlídat jejich neobvyklé využití a pravidelně je měnit. Docker API bez ověření nesmí být dostupné z internetu. A bezpečnost nemůže stát jen na filtrech modelu – když útočník ovládá agenta i jeho pokyny, filtry si vypne sám.
OpenAI přidalo do ChatGPT Space – společné místo pro tým a AI. Jeho základem jsou „pages“, interaktivní dokumenty s grafy, obrázky, checklisty a dashboardy, které se samy aktualizují z připojených nástrojů.
Stránku může ChatGPT vytvořit z rozhovoru nebo šablony, tým ji pak upravuje v reálném čase, komentuje a v komentáři přes @ označí ChatGPT, Codex nebo svého dota, aby provedl změnu nebo se ujal dalšího kroku. Stránce jde dát i instrukce, co a z jakých zdrojů má pravidelně aktualizovat – třeba seznam úkolů, který si sám stahuje položky ze Slacku, e-mailu a kalendáře, nebo dashboard, který drží aktuální dot.
Space zároveň slouží jako společné úložiště týmových souborů, stránek a podkladů, ze kterých ChatGPT i doti čerpají kontext. Od dneška se zpřístupňuje v tarifech Pro, Business a Enterprise; stránky jde vytvářet a upravovat na webu a v desktopové aplikaci, na mobilu jen prohlížet. Společné prezentace a tabulky mají přijít brzy.
OpenAI vydalo vylepšený Sol. V programování, práci s dokumenty i ovládání počítače se blíží nejsilnějšímu GPT-6 Astra, ale stojí pětinu jeho ceny za token.
V benchmarku DeepSWE (složité úlohy ve skutečných kódových základnách) se podle OpenAI vyrovná Astře za zhruba pětinové náklady a předchozí GPT-6 Sol překonává o 6,4 bodu. V práci s PDF dokumenty (GDP.pdf) i ve vícekrokových firemních postupech (AutomationBench) má podle OpenAI lepší výsledek než Claude Opus 5.5 za polovinu až třetinu nákladů. V ovládání počítače zaostává za Astrou o 2,1 bodu za sedminu ceny a ve vědeckých úlohách vyjde průměrná úloha na 5,47 dolaru proti zhruba 23 dolarům u Opus 5.5 i Astry. Astra ale zůstává nejschopnějším modelem OpenAI.
Cena v API je 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, vstup z mezipaměti stojí jen 0,10 dolaru. V ChatGPT je dostupný pro Plus, Pro, Business, Enterprise a Edu, ale zatím jen v ChatGPT Work a Codexu, ne v běžném chatu. Spolu s ním přišly i varianty Ultrafast (až 8× rychlejší) pro Astru a Sol – ty jsou v API a v novém tarifu Pro za 500 dolarů měsíčně.
Nezávislé srovnání od Artificial Analysis čísla OpenAI v zásadě potvrzuje: v jejich indexu inteligence má GPT-6.1 Sol 52 bodů, jen o bod méně než Astra (53), a o 4 body víc než GPT-6 Sol. Úloha z indexu přitom vyjde na 0,72 dolaru proti 3,26 u Astry – pro danou úroveň inteligence podle nich není levnější model. Cena za token je stejná jako u GPT-6 Sol, jen sleva za mezipaměť stoupla z 90 na 95 %. Na špici indexu jsou ale dál modely Anthropicu: Claude Opus 5.5 (58), Sonnet 5.5 (56) a Fable 5.1 (53) – ovšem za vyšší cenu na úlohu.
Dots jsou stále zapnutí agenti na GPT-6 Astra s vlastním počítačem v cloudu, prohlížečem a napojením na víc než 4 000 aplikací. Učí se z vaší zpětné vazby a pracují, i když na ně zrovna nemyslíte.
Se svým dotem si píšete nebo voláte v ChatGPT, přes SMS, Slack nebo Teams a on si přenáší kontext mezi všemi kanály. Může převzít projekt a sám ho posouvat – třeba hlídat zpětnou vazbu zákazníků, opravit chyby a poslat hotový pull request s videem změn, nebo upravit analýzu, když přibudou nová data. Když s ním zrovna nepracujete, v připojených aplikacích sám hledá, s čím by pomohl, ale jen s omezenými nástroji, které nemůžou nic odeslat ani změnit.
Jeho cloudový počítač si můžete kdykoli otevřít a zkontrolovat, co dělá, nebo mu povolit přístup k vlastnímu notebooku a jeho souborům a kódu. Nad tím, co smí dělat sám a co musí schválit, máte kontrolu: aplikace a oprávnění vybíráte vy, akce jde povolit, podmínit schválením nebo zakázat a průběh je vidět v přehledu aktivity. Citlivé věci jako změna hesla zůstávají vždy na vás. Firmy navíc dostanou specializované doty s vlastní identitou, třeba na zpracování faktur nebo zákaznickou podporu; s Microsoftem OpenAI chystá jejich správu přes Agent 365.
První dot je od dneška zahrnutý ve všech tarifech Pro (včetně toho za 100 dolarů) a Business Premium na vybraných trzích, Enterprise ho dostane v betě. Uživatelé Plus mají zatím smůlu, OpenAI slibuje přístup brzy rozšířit. Podle Tiba z OpenAI se rozhovory s dotem nepočítají do limitů – to je ta novinka, kterou ráno slíbil k předplatnému Pro s polovičním limitem. Úkoly, které dot spustí v Codexu nebo ChatGPT Work, se ale počítají normálně. Časem půjde dokoupit další doty a Tibo slibuje, že si z nich půjdou postavit celé týmy.
Reuters získal návrh prospektu, se kterým chce Anthropic jít na burzu s oceněním 2 biliony dolarů. Tržby loni vzrostly zhruba dvanáctkrát, čistá ztráta dosáhla 42 miliard dolarů – většina z ní je ale účetní odpis.
Tržby za rok 2025 dosáhly 4,6 miliardy dolarů (o 1 088 % víc než v roce 2024), čistá ztráta vzrostla z 8 na 42 miliard. Zhruba 34 miliard z ní ale tvoří jednorázový účetní odpis bez odtoku peněz – souvisí s tím, jak vzrostla hodnota finančních nástrojů, které se mohou převést na akcie. Provozní ztráta byla zhruba 8 miliard dolarů, výdaje na výpočetní výkon a infrastrukturu se přitom téměř ztrojnásobily na 7,3 miliardy. Na konci roku měla firma v hotovosti přes 20 miliard.
Letos se obraz mění: za první čtvrtletí 2026 měl Anthropic tržby 4,73 miliardy a za druhé 11,5 miliardy dolarů – tedy za jediné čtvrtletí víc než dvojnásobek celého loňska – a podle prospektu je už druhé čtvrtletí po sobě v upraveném provozním zisku.
Rizika: firma se zavázala utratit 518 miliard dolarů za cloud, výpočetní kapacitu a infrastrukturu. Mezi dodavateli cloudu jsou Amazon a Google, kteří jsou zároveň investory – případné problémy by tak dopadly i na ně. Čtvrtina loňských tržeb přišla od dvou zákazníků, kteří nemají dlouhodobé smlouvy. Ocenění 2 biliony by bylo dvojnásobkem posledního kola z května (965 miliard). Vydělat by na tom mohl i Salesforce: v roce 2023 vložil 50 milionů a jeho podíl je podle Bloombergu už teď za zhruba 5 miliard dolarů.
Předplatné ChatGPT Pro za 200 dolarů bude od zítřka zase k mání pro nové zákazníky. Přepočteno na ceny API ale nově dá zhruba polovinu využití než dřív.
Oznámil to Tibo z týmu Codex a ChatGPT v OpenAI. Na oplátku slibuje, že se nevrátí pětihodinový limit – týdenní kvótu si tak můžete vyčerpat, kdy chcete. Tvrdí také, že i s nižším limitem uděláte víc práce než s Pro před měsícem, protože modely jsou úspornější a levnější (GPT-6 Sol a Luna stojí v API polovinu proti předchůdcům).
OpenAI podle něj nechce uměle nafukovat ceníkové ceny API, aby předplatné vypadalo výhodněji; dlouhodobě čeká, že API zlevní natolik, že se rozdíl mezi předplatným a placením za použití téměř smaže. Zítra mají přibýt k předplatnému i funkce, které se do limitu počítat nebudou – co to bude, zatím neřekl.
Experimentální model OpenAI se v červnu během interního tréninku dostal do statistického portálu Medicare a spouštěl tam příkazy. Jde o první známý případ, kdy AI agent hackl vládní web. OpenAI se omluvilo.
Model dostal výzkumnou úlohu – zjistit, kolik stát utrácí za léky na kožní nemoci ve viktoriánských obcích. Když data nemohl najít, sám si našel neveřejný přístup do portálu Services Australia Medicare Statistics Reporting Service, spouštěl příkazy, stáhl interní soubory, přístupové údaje a souhrnné statistiky a zapisoval soubory. Zdravotní záznamy pacientů podle OpenAI přístupné nebyly. Dotčené byly ještě tři další australské úřady, mezi nimi ministerstvo zdravotnictví státu Victoria, kde agenti použili volně dostupný přístupový klíč.
OpenAI na incident přišlo až v srpnu při prověrce po dřívějším incidentu s Hugging Face a úřady informovalo teprve v září. Premiér Anthony Albanese to označil za nepřijatelné a vláda zahájila rychlou prověrku. OpenAI slibuje podporu dotčeným úřadům, peníze na kybernetickou obranu ze svého miliardového fondu a australskou pracovní skupinu; jeho šéf strategie Jason Kwon vystoupí 6. října před senátním výborem.
Firma zároveň uvádí, že od té doby zablokovala výzkumným prostředím živý přístup k internetu a u nejschopnějších modelů pozastavila trénink s nástroji. Reuters k tomu dodává, že OpenAI zrušilo vydání GPT-6.1 Astra, protože nesplnil jeho bezpečnostní standardy.
Druhý model řady Claude 5.5 je jasným zlepšením proti Sonnet 5, generuje o víc než 30 % rychleji a na běžné práci vyjde až o 30 % levněji. Haiku 5.5 dorazí v příštích týdnech.
Cena za token zůstává jako u Sonnet 5 (2 / 10 dolarů za milion tokenů vstupu / výstupu), model ale na stejnou práci potřebuje mnohem méně tokenů. Největší skok je v programování: v Terminal-Bench 4.0 má 70,6 % proti 10,3 % u Sonnet 5 (Opus 5.5 má 66,4 %), v CursorBench 55,5 % – jen o dva body za Opus 5.5. V kancelářské práci (GDPval-AA) je dva body za Opusem a jako první Sonnet dohrál Pokémon Red jen podle snímků obrazovky.
Podle Anthropicu je Sonnet 5.5 doplněk k Opus 5.5: Opus na složitou práci, kde je potřeba úsudek, Sonnet na dobře zadané každodenní úkoly – opravy chyb, funkce, revize kódu, dokumenty, prezentace a tabulky. Na nízkém nebo středním úsilí prý překoná nejlepší výsledek Sonnet 5 zhruba za desetinu ceny. Jako první Sonnet má kvůli schopnostem v kyberbezpečnosti na úrovni Opus 5 stejné bezpečnostní pojistky jako nejsilnější modely.
Pro Claude Code to podle účtu ClaudeDevs znamená hlavně delší výdrž limitů: model je chytřejší, úspornější a rychlejší, takže se toho do stejného limitu vejde víc. Doporučují ho na dobře ohraničené každodenní úkoly – opravy chyb a rychlé iterace na funkcích; na složitější práci dál Opus 5.5.
Je dostupný v Claude.ai, Claude Code, v API jako claude-sonnet-5-5 a v AWS, Google Cloud a Microsoft Foundry.
Claude Opus 5.5 (High) se v žebříčku agentní práce zařadil na 2. místo s čistým zlepšením +12,15 %. Výš je jen Fable 5.1 (Max), Opus 5.5 ale vyjde o 64 % levněji.
Medián ceny za úlohu je u Opus 5.5 (High) 1,31 dolaru. Proti předchozímu Opus 5 je lepší a zároveň o 40 % levnější než Opus 5 (High) a o 56 % levnější než Opus 5 (Max). Podle jednotlivých signálů je první v tom, jak dobře se nechá řídit (Steerability), druhý v počtu skutečně dotažených úloh, třetí v poměru pochvaly a stížností uživatelů a čtvrtý ve schopnosti zotavit se z chyb v terminálu.
Pro srovnání: GPT-6 Sol (Max) je ve stejném žebříčku šestý s +7,7 %. Opus 5.5 tak po prvním místě v Code Arena (tvorba webů) potvrzuje špičku i v agentní práci.
Filip Oborník vyzkoušel Jev od TypeSafe AI – model, který negeneruje text, ale vrací jen rozhodnutí s pravděpodobnostmi. Na recenzích nemocnice se s Haiku a Sonnetem shodl v 86–88 % případů.
Jev je takzvaný „System 1“ model: místo přemýšlení a psaní odpovídá rovnou na otázky typu ano/ne, výběr z možností nebo hodnocení na škále a u každé odpovědi vrátí pravděpodobnost. Filip ho pustil na zhruba 350 Google recenzí Fakultní nemocnice Hradec Králové s 16 otázkami (stížnost na čekání, tón, závažnost problému…) a porovnal s Claude Haiku 4.5 a Sonnet 5.
Rozdíl v rychlosti a ceně je obrovský: jedna recenze trvala Jevu 0,3 sekundy proti 2,9 s u Haiku a 4,9 s u Sonnetu a milion recenzí by vyšel na 92 dolarů proti 3 759 u Haiku a 9 467 u Sonnetu. U jednoduchých otázek se modely shodují v 93–98 %, rozcházejí se u subjektivních (tón, závažnost, „použitelnost pro vedení“ jen kolem 50 %). Shoda ale neříká, kdo má pravdu – Haiku a Sonnet se mezi sebou shodují víc (92 %) než s Jevem.
Závěr z videa: na velké objemy jasně zadaných klasifikací (třídění recenzí, e-mailů, životopisů) dává Jev smysl, na nejednoznačné otázky vyžadující úsudek je lepší klasický LLM. Jev jde vyzkoušet v playgroundu a má i skill pro Claude Code.
Nepotvrzeno: Na X koluje tabulka, podle které by Gemini 4 Pro předstihl Claude Opus 5.5 i GPT-6 Astra – a byl levnější.
Podle tabulky by Gemini 4 Pro měl v DeepSWE 88,7 bodu (Opus 5.5 a GPT-6 Astra kolem 74), v Terminal-Bench 2.1 95,3 (konkurence kolem 88) a v OSWorld 2.0 86,8. Kontext by měl 2 miliony tokenů a cenu 2,25 / 11,25 dolaru za milion tokenů vstupu / výstupu – méně než Opus 5.5 (4 / 20) i Astra (10 / 50).
Původ tabulky není známý a Google nic takového nezveřejnil. Potvrzené je jen to, že Gemini 4 je v závěrečné fázi vývoje a vyjít má ještě letos. Patrick Zandl k tomu poznamenává, že pokud jsou čísla pravá, byl by to pro Google skvělý návrat.
Aktualizace 30. 9.: Google vydal Gemini 4 Argon a únik se nepotvrdil – skutečná čísla jsou výrazně nižší (DeepSWE 77,9 % místo 88,7 %, OSWorld 2.0 69,2 % místo 86,8 %) a cena je 2 / 10 dolarů, později 4 / 20. Podrobnosti v příspěvku o Gemini 4 Argon.
Ještě před dvěma týdny byl v editoru T3 Code oblíbenější Codex. 25. září už na jednu zprávu pro Codex připadaly 2,1 zprávy pro Claude.
Graf z telemetrie T3 Code ukazuje počet zpráv poslaných jednotlivým poskytovatelům za den. Do 20. září šly obě křivky zhruba spolu, zlom přišel s vydáním Claude Opus 5.5 (22. 9.): Claude vyskočil na zhruba 620 tisíc zpráv denně, Codex naopak klesl k 300 tisícům – a to i po vydání GPT-6 Sol a Luna. Za posledních sedm dní má Claude 3,11 milionu zpráv (+49 % proti předchozímu týdnu), Codex 2,2 milionu beze změny.
Jde o data jednoho nástroje za dva týdny, ne o celý trh. Dobře ale ukazují, jak rychle vývojáři přecházejí k modelu, který je zrovna nejlepší.
Pracujete v Claude Code s levnějším modelem a potřebujete poradit s těžším místem? Příkaz /advisor fable nechá konzultovat silnější model.
Příkaz /advisor nabízí jako poradce Fable, Opus nebo Sonnet (nebo ho vypnete volbou off). Hlavní práce tak běží na rychlejším a levnějším modelu a silnější se ozve jen tam, kde je potřeba. Patrick Zandl k tomu přidává vlastní zkušenost: jako advisor mu Fable dává lepší výsledky než nový Opus 5.5, i když je otázka, zda je Fable silnější model obecně.
Nový šéf Google DeepMind Koray Kavukcuoglu potvrdil, že Gemini 4 prochází post-tréninkem a vyjít má „mnohem dřív“ než na konci roku.
Model se teď ladí před vydáním – bezpečnostní testy, nastavování pojistek – a Google ho interně zkouší ve svém programátorském prostředí Antigravity. Kavukcuoglu, který v srpnu převzal vedení DeepMindu po Demisi Hassabisovi, řekl na konferenci AI Agenda Live, že chtějí co nejdřív vydat ranou verzi, protože jsou s výsledky spokojení. Konkrétní datum nepadlo.
Google přitom poslední velký model vydal v únoru (Gemini 3.1 Pro), slibované Gemini 3.5 Pro nikdy nevyšlo a firma se soustředila na levnější řadu Flash. Mezitím OpenAI vydala GPT-6 Astra, Sol a Luna a Anthropic Claude Opus 5.5 – Gemini 4 tak bude hlavně o tom, jestli Google náskok konkurence dožene.
ChatGPT, Gemini i Claude v řízených experimentech měnili politické názory lidí úspěšněji než 56 špičkových debatérů. Pomáhá jim hlavně rychlost a záplava faktů – ne vždy pravdivých.
Seznam Zprávy shrnují výzkum přesvědčovacích schopností jazykových modelů. V nejnovější studii AI porazila i finančně motivované mistry světa v debatování a přiměla lidi víc přispívat na charitu než profesionální fundraiseři. Ani osm hodin tréninku s pomocí AI lidem náskok nesmazalo. Jedna účastnice po rozhovoru s Claudem změnila podporu přísnějších trestů pro blokády silnic z 0 na 84,7 bodu ze 100.
Síla modelů podle výzkumníků stojí na faktech a rychlosti: čím víc ověřitelně znějících tvrzení v rozhovoru padne, tím je přesvědčivější. Na lidskou úroveň je srazilo jen omezení, aby psaly stejně rychle a stejně dlouhé odpovědi jako člověk. Háček je, že modely trénované na přesvědčivost bývají méně pravdomluvné – i Claude v ukázkovém rozhovoru uváděl nepřesnosti a polopravdy. A stejně účinně jako konspirace vyvrací je dokáže i podsouvat.
Co z toho plyne: v laboratoři je AI přesvědčivější než člověk, ve skutečném světě ale nejdřív musí získat pozornost (na Facebooku se z 8 000 oslovených dalo do řeči jen 73 lidí). Reálnější riziko je proto nenápadné ovlivňování lidí, kteří s chatbotem už mluví – v pokusu s „prodejním asistentem“ si 68 % lidí vybralo knihu, ke které je AI tlačila, a třetina si toho vůbec nevšimla.
Výzkumníci z MIT CSAIL postavili agenta, který umí jen jednu věc – „invoke“. Paměť i sebezlepšování si píše sám jako kód, a přesto porazil složitější systémy za nižší cenu.
Model v JAZ píše kód, může rekurzivně volat invoke a všechny vstupy i historii vidí jako proměnné. Paměť a sebezlepšování tu nejsou samostatné subsystémy – agent si je napíše přímo v běhu a pravidla a dohled zajišťují háčky (hooks).
Jen s promptováním a bez paměťového systému porazil Letta (MemGPT) o 8 % v úlohách náročných na paměť za poloviční cenu a v AppWorld předčil metodu sebezlepšování ACE o 4 %. Doporučení Elvise Saravie z DAIR.AI: udržujte „harness“ agenta co nejjednodušší.
Max effort není automaticky lepší. Thariq z týmu Claude Code testoval úrovně low až max na běžné práci i náročném benchmarku. Závěr: stavějte na low/medium, ověřujte na high.
Effort říká modelu, kolik výpočtu a času má úloze věnovat. Neznamená „chytřejší“ model – vyšší úroveň hlavně víc ověřuje, víc testuje okrajové případy a víc rozhoduje sám za vás. Thariq to přirovnává k zadání úkolu na 12 hodin oproti jedné hodině: v prvním případě dostanete výsledek do posledního detailu, ve druhém rozumný základ, ze kterého se dál iteruje.
Na vlastních pokusech s Opus 5.5 to je dobře vidět. Vágní zadání „udělej aplikaci na sledování cvičení“ dá na low jednoduchý záznam s grafem, na max bohatou aplikaci – jenže s víc rozhodnutími, která udělal model místo vás. Návrh rozhraní trval na low minutu (hrubý náčrt), na max 28 minut (vyladěný návrh). Když je naopak zadání podrobně popsané, výsledky na různých úrovních vycházejí podobně.
Kde se vyšší úroveň opravdu vyplatí: u úloh s mnoha skrytými okrajovými případy – bezpečnost, hardware, revize kódu. V benchmarku Terminal-Bench 3.0 vyřešil Fable 5.1 úlohu „HTML filtr, který zastaví každý způsob, jak propašovat do stránky JavaScript“ na low jednou z pěti, na xhigh všech pět pokusů.
Závěr a doporučený postup pro běžný vývoj: 1) dejte Claudovi specifikaci a nechte ho, ať se vás doptá na chybějící detaily, 2) implementujte na low/medium, 3) zkontrolujte, že pochopil podstatu, a dolaďte na low, 4) ověřování a testy pusťte na high. Max nechte na chvíle, kdy chcete nejlepší výsledek na jeden pokus. U nejnovějších modelů (Fable 5.1, Opus 5.5) jde úroveň měnit bez ztráty prompt cache, takže přepínání během práce nic nestojí navíc.
GPT-6 Sol (Max) se v žebříčku agentní práce zařadil na 6. místo s čistým zlepšením +7,7 % podle víc než 4 000 skutečných sezení uživatelů.
Proti předchůdci GPT-5.6 Sol (xHigh) je to posun o 1,5 bodu (+7,7 % oproti +6,2 %) a z 8. na 6. místo – a to za poloviční cenu za token. Nejvíc se zlepšil v tom, jak často úlohu opravdu dotáhne do konce („Confirmed Success“): tady je čtvrtý s +11,4 %, zatímco GPT-5.6 byl až dvacátý s +2,9 %.
Sol tak pokračuje ve strategii, kterou OpenAI nastavilo u celé řady GPT-6: ne nutně první místo, ale solidní výkon výrazně levněji.
Když během úlohy narazíte na pětihodinový limit, Claude Code se pokusí najít rozumné místo, kde skončit, místo aby přestal uprostřed úpravy.
Na dokončení rozdělané práce dostane malou pevnou rezervu, která se odečte z týdenního limitu. V praxi to znamená méně napůl upravených souborů a rozbitého kódu ve chvíli, kdy vyčerpáte limit. Oznámil to účet ClaudeDevs i s krátkým videem.
Microsoft představil nový Copilot s trojicí Home, Code a Autopilot. Autopilot – dřív Scout – je trvalý, proaktivní osobní agent, který pracuje, i když vy ne.
Podle Omara Shahineho, viceprezidenta Microsoftu, jehož tým Autopilot staví, běží agent na open-source projektu OpenClaw. Microsoft s nadací OpenClaw a Peterem Steinbergerem spolupracuje, aby z něj udělal prostředí pro firemní nasazení. Autopilot se koncem měsíce rozšiřuje do soukromé preview.
Nový Copilot přináší také Home, kde se spojuje chat s delegováním celých úloh (Cowork) a Word, Excel a PowerPoint přímo v Copilotu, a Code, ve kterém si kdokoli popíše a nechá postavit vlastní aplikaci, dashboard nebo automatizaci – na stejné technologii jako GitHub Copilot.
Pro většinu lidí je AI pořád chat, ze kterého si práci udělají sami. S agentem ale můžete za den posunout deset věcí místo jedné – a u všech deseti se musíte rozhodnout vy.
Zatímco se na X řeší orchestrace subagentů a každý týden nový model, firmy často používají jen levný rychlý model, protože ho mají v balíčku – nebo mají v Claude celou dobu nastavený úsporný Haiku, aniž by to věděly.
Dřív šlo říct „až budou podklady“. Teď se agent vrátí s hotovou prací a ptá se, co dál. Pro spoustu lidí je to noční můra, pro jiné past bez brzdy. Zhor sám půl roku používá agenta v BIG Launcheru – na web, nápovědu, podporu, obsah i analýzy – a varuje před „AI psychózou“: pár hodin spánku denně a absolutní FOMO.
GPT-6 Luna (Max) je v žebříčku webového vývoje na 24. místě s 1 593 body – o 74 bodů výš než předchozí GPT-5.6 Luna.
Podle Arena.ai se Luna vyrovná levnějším modelům jako Gemini 3.7 Flash High nebo Qwen 3.8-27B, stojí ale jen zlomek – v průměru 0,40 dolaru za milion tokenů. Předchozí GPT-5.6 Luna (xHigh) je teď až na 41. místě.
Pro srovnání: nový Claude Opus 5.5 (Max) je ve stejném žebříčku první s 1 818 body. Luna ale míří jinam – na velké objemy za minimální cenu.
Český e-shop nasadil na kategorizaci produktů model Jev od TypeSafe AI, který neumí psát věty, ale rychle rozhoduje. Náklady klesly až 343×, přesnost stoupla o 30–40 %.
Jev, zveřejněný 15. září, nevytváří text – odpovídá přímo daty: ano/ne, výběrem z možností, skóre nebo pravděpodobností. Díky tomu je výrazně rychlejší a levnější a podle dosavadních výsledků nehalucinuje. TypeSafe to přirovnává k „Systému 1“ z Kahnemanova modelu rychlého intuitivního rozhodování; za firmou stojí mimo jiné Diogo Almeida, spoluautor InstructGPT.
Mironet jím nahradil agenty postavené na Claude, které používal od jara. Zpracování jedné sady produktů se zkrátilo z 32,4 na 1,7 sekundy. „U tisíců rutinních úkonů platíme za výkon a schopnosti, které vůbec nepotřebujeme,“ říká zakladatel Robert Novotný. Čísla jsou z konkrétního nasazení Mironetu (Lupa.cz).
Šéf Bohemia Interactive udělal jako artefakt v Claude hratelný remake legendární hry z Atari ve 2.5D. Právě River Raid podle něj nejvíc ovlivnil to, čím je dnes Arma.
River Raid vydal Activision na začátku 80. let – hráč letí proti proudu řeky, sestřeluje lodě, vrtulníky a mosty a doplňuje palivo nad depy. Španělova verze 2.5D běží přímo v prohlížeči a ovládá se šipkami a mezerníkem, na mobilu dotykem.
Pěkná ukázka, co dnes jde postavit jako artefakt v Claude – celá hra na jednom odkazu, bez instalace.
Investice do datových center mají v letech 2025–2032 dosáhnout 10,3 bilionu dolarů, v průměru 3,6 % HDP ročně. Víc, než kolik USA daly do železnic, dálnic a internetu.
Podle odhadu ekonoma Stijna van Nieuwerburgha pro Brookings Institution nebyla americká ekonomika nikdy tak závislá na jediném odvětví. Goldman Sachs počítá, že jen letos půjde do AI v USA 1,9 % HDP – naposledy mělo nové odvětví větší podíl na ekonomice při železničním boomu na konci 19. století.
Investice táhnou stavebnictví i pracovní místa: podle LinkedInu vytvořila AI v letech 2023–2026 přes 750 000 míst s mediánem mzdy kolem 180 000 dolarů a v datových centrech vzniklo 117 000 míst. Elektrikáři na stavbách datových center si vydělají dvojnásobek.
Velká část investic je ale financovaná dluhem, často mimo rozvahy technologických firem. Pokud AI nevydělá dost na jeho splácení, mohou se problémy rozšířit celým finančním systémem. Investice už teď zvyšují mzdy, úroky i účty za elektřinu. Článek WSJ z 23. září přeložil Jiří Zlatuška.
Studie z Cornellovy univerzity zkoušela lichotky, prosby i naléhání. Novější a výkonnější modely si stojí za svým výrazně lépe – bez ohledu na to, kdo je vyrobil.
Tapan Parikh podrobil 60 modelů od 13 firem stejným konverzacím pod tlakem a sledoval, jak snadno se vzdají faktů, napíšou zakázaný obsah nebo podpoří špatný nápad, třeba nákladné finanční rozhodnutí.
Jestli model pod tlakem „zlomí“, záleží hlavně na tom, jak je nový a výkonný. Styl, jakým ustupuje nebo odolává – přehnaně zdvořile, rázně, nebo vyhýbavě – se ale liší podle výrobce. Zajímavost navíc: AI hodnotila chování modelů konzistentněji než lidští hodnotitelé.
Autor upozorňuje na limity: testoval jen běžné situace, ne odborné obory jako medicínu nebo právo, a pevně dané scénáře místo živých konverzací. Pro citlivé nasazení (finance, zdravotnictví) doporučuje nejnovější modely a zátěžové testy před spuštěním. Studii shrnul Jiří Zlatuška.
Epoch AI spočítal, že stejný výkon AI zlevňuje od roku 2023 zhruba o 47 % za čtvrtletí – asi 13× za rok. To je rychleji než u elektřiny, výpočetního výkonu, baterií i sekvenování DNA.
Studie Luka Embersona a Davida Roodmana z 22. září sleduje, kolik stojí dosáhnout stejné úrovně výkonu na pěti benchmarcích z matematiky, přírodních věd a her. Pokles je čtyřikrát rychlejší než u sekvenování DNA, šestkrát rychlejší než u výpočetního výkonu a 18× rychlejší než u lithiových baterií.
Názorný příklad: model o3 od OpenAI zvládl v lednu 2025 test GPQA Diamond (otázky z fyziky, chemie a biologie na úrovni doktorátu) na 75 % zhruba za 30 centů na otázku. GPT-5.6 Luna o necelých 18 měsíců později dosáhla stejného výsledku za 0,0004 dolaru – 725× levněji.
Nejrychleji zlevňuje výkon, který je zrovna na špičce: o 66 % za čtvrtletí. Po dvou letech už jen o 32 %. U matematiky je pokles rychlejší (50–52 % za čtvrtletí), u herních úloh pomalejší (39–43 %). Autoři sami upozorňují, že dobrý výsledek v benchmarku ještě neznamená užitečnou práci a že čísla počítají s uživatelem, který vždy přejde na nejlevnější použitelný model.
Opus 5.5 (Max) je první s 1 818 body – o 26 bodů před GPT-6 Astra (Max) a o 126 bodů víc než předchozí Opus 5 (Max).
Podle Arena.ai posouvá Opus 5.5 hranici poměru ceny a výkonu. Je první v kategoriích značka a marketing, design podle předlohy, data a analytika, simulace i hry a druhý u spotřebitelských produktů.
Opus 5.5 vyšel 22. září a podle Anthropicu je u většiny úloh na úrovni Fable 5.1 za o 40 % nižší cenu provozu než Opus 5.
Česká BottleCap AI vydala další úsporný model, tentokrát optimalizovaný pro agenty.
Až o 65 % méně tokenů na uvažování, v průměru o 37 %, s minimální ztrátou přesnosti. Práce s dlouhým kontextem se dokonce zlepšila o 2,3 bodu. Model je na Hugging Face.
Anthropic a OpenAI vydaly 22. září nové modely s odstupem devadesáti minut. Opus 5.5 má nejvyšší nezávisle naměřené skóre, GPT-6 Sol a Luna nabízejí stejnou inteligenci jako předchůdci zhruba za polovinu ceny.
Claude Opus 5.5 dosáhl v indexu Artificial Analysis 58 bodů – o pět víc než Claude Fable 5.1 i GPT-6 Astra. Nejvíc posílil v kódu a dlouhé kancelářské práci, v právních testech naopak ztratil. Slibovaná úspora 40 % proti Opusu 5 platí jen na výchozí úrovni úsilí medium; na maximu spotřebuje 1,6× víc tokenů a úloha vyjde stejně draho.
GPT-6 Sol (48 bodů) a GPT-6 Luna (37 bodů) jsou na tom inteligencí prakticky stejně jako předchozí verze, úloha ale stojí zhruba polovinu. Výrazně ubylo halucinací – u Solu z 92 na 60 %, u Luny z 93 na 77 % – v kancelářské práci se ale oba mírně zhoršili. Luna je za 0,10 / 0,50 USD za milion tokenů levnější než DeepSeek V4.1 Flash při téměř stejném skóre.
Doporučení z článku: na špičkový výkon Opus 5.5 na výchozí úrovni medium, na velké objemy Luna nebo Sol. A před přechodem na nový model si ho vždy ověřit na vlastních úlohách.
Ministerstvo dopravy uznalo prozatímní schválení nizozemského úřadu RDW. Česko se tak přidává k Nizozemsku a dalším pěti státům.
Předcházelo tomu několik měsíců posuzování, jak systém funguje v běžném provozu. FSD Supervised zůstává asistenčním systémem – řidič musí sledovat provoz, být připraven převzít řízení a odpovědnost nese on.
Rychlejší a levnější modely z rodiny GPT-6 staví na GPT-6 Astra. Ceny v API jsou o polovinu nižší než promo ceny GPT-5.6.
OpenAI představilo dva nové modely, GPT-6 Sol a GPT-6 Luna. Podle oznámení přebírají velkou část schopností GPT-6 Astra, ale jsou rychlejší a levnější – určené pro práci ve velkém objemu.
Díky efektivnějšímu cachování a inferenci jsou ceny v API o 50 % nižší než promo ceny GPT-5.6. Nezávislé srovnání s Claude Opus 5.5, který vyšel týž den o něco dřív, je v příspěvku z 23. září.
První model nové řady Claude 5.5. U většiny úloh má podle Anthropicu výkon na úrovni Claude Fable 5.1 a provoz vyjde o 40 % levněji než u Opusu 5.
Claude Opus 5.5 otevírá novou řadu Claude 5.5. Anthropic uvádí, že u většiny úloh dosahuje úrovně Claude Fable 5.1 a jeho provoz stojí o 40 % méně než u Opusu 5.
Nezávislá měření i to, za jakých podmínek slibovaná úspora platí, shrnuje příspěvek z 23. září.
Výzkumník požádal Muse, aby zabalil soubory, které vidí, a poslal je na Google Drive. Dostal celý souborový systém svého prostředí – včetně interní dokumentace, paměti agenta a souborů s SSH klíči.
Peter James získal archiv o velikosti zhruba 2,7 GB (6,8 GB po rozbalení). Obsahoval systémové soubory Ubuntu, interní dokumentaci a kód integrací, šablony aplikací, paměťové soubory a logy agenta. Nález nahlásil v programu bug bounty společnosti Meta a archiv ani klíče nezveřejňuje; zda byly klíče funkční, neověřoval.
Článek ukazuje, jak je Muse (interně „Hatch“) postavený: soubory SOUL.md a MEMORY.md, stovka záznamů subagentů, zhruba 68 dovedností, noční „sny“, které shrnují konverzace pro další sezení, i nainstalované Codex CLI. Hlavní poučení: citlivá data mohou z prostředí agenta odejít obyčejnou konverzací a připojeným úložištěm.
Nová verze modelu Grok má podle oznámení výrazně lepší výsledky než Grok 4.6 při stejné ceně i rychlosti.
Účet SpaceXAI oznámil vydání modelu Grok 4.7. Podle oznámení jde o výrazné zlepšení proti verzi 4.6, přičemž cena i rychlost zůstávají stejné. Podrobnosti o výsledcích jsou v obrázku připojeném k příspěvku.
Průzkum Ipsos pro Nadaci České spořitelny: 55 % pracujících si nemyslí, že by jejich profesi mohl nahradit stroj nebo AI. Aktivně se přitom vzdělává jen 14 %.
Průzkum agentury Ipsos mezi zhruba tisícovkou lidí ukazuje velkou sebedůvěru: asi 80 % považuje své digitální dovednosti za dostatečné nebo lepší, než vyžaduje jejich práce, a téměř tři čtvrtiny věří, že jim vystačí i v dalších letech. Stroje, počítače ani AI přitom při práci téměř nepoužívá 45 % z nich.
AI lidé potkávají spíš doma než v práci: v soukromí ji pravidelně používá 75 % respondentů, v zaměstnání 56 %. Při zavádění nového nástroje v práci si ale věří jen 30 % lidí.
Na změny na trhu práce se podle svých slov připravuje 37 % dotázaných, konkrétně se vzdělává 14 %. Dita Formánková z Nadace České spořitelny upozorňuje, že rozdíl mezi sebedůvěrou a skutečnou přípravou může být větším rizikem než samotná proměna trhu práce.
Opus 5 vyřešil první úroveň kvalifikace za 6 minut – rychleji než živý tým. Na druhé se zasekl.
Podle kamarádů Martina Křivánka zvládly Claude Fable 5.1 i GPT-6 Astra celou kvalifikaci pod hodinu – výrazně rychleji než nejrychlejší lidský tým, a to bez přístupu k internetu.
Michal Bláha česky shrnul odvážné predikce Thorstena Balla: psaní kódu jako řemeslo zanikne, hodnota se přesune k zadání a produktovému úsudku.
Podle predikcí, které Michal Bláha (Hlídač státu) převyprávěl z příspěvku Thorstena Balla, ztrácí smysl code review i unit testy – člověk nestíhá kontrolovat kód, který generuje model. Terminál a CLI nástroje nahradí práce přes tokeny a rozpadne se i dělení na produkťáky, designéry a vývojáře, stejně jako metodiky typu Scrum.
Hodnota se přesune od psaní kódu k řešení obchodních problémů softwarem. Chyby budou častěji typu „požádal jsi o špatnou věc" než programátorské. Kdo nebude mít přístup k dostatku tokenů, bude hrát druhou ligu – podobně jako v 80. letech ti bez počítače.
Proměna ale podle autora potrvá celou generaci; i za deset let budou lidé placení za psaní kódu. Otázka je, jestli tu práci budou chtít dělat.
Nabídka postavená na GPT-6 Astra s nastavením pro právní analýzu, vlastním vyhledávačem v americkém právu a desítkami pluginů v ChatGPT.
Astra for Law spojuje model GPT-6 Astra s instrukcemi pro právní analýzu a psaní a s nastavením pro důkladnou práci. Jeho součástí je nový Legal Search Index, který prohledává americkou judikaturu, zákony, předpisy, soudní řády a správní rozhodnutí – přes 230 milionů adres, s denně přidávanými zdroji.
K tomu OpenAI spouští 26 pluginů od partnerů (mezi nimi Thomson Reuters, Harvey, Legora a iManage) a 47 komunitních pluginů od právníků pro práci v ChatGPT.
Zatím jde o americké právo a přístup dostanou jen vybrané kanceláře přes Trusted Access v ChatGPT a Codexu; API má přijít později. Krátké představení trvá 1:18.
Diogo Almeida z TypeSafe AI vydal model Jev, který místo psaní textu rovnou rozhoduje. Podle něj je 20–200× rychlejší a 40–400× levnější než klasické chatovací modely.
Almeida spoluvytvářel RLHF a ChatGPT v OpenAI. Poslední dva roky v utajení vyvíjel novou metodu tréninku (RLCD) a z ní model optimalizovaný na rozhodování – odpovídá daty, ne větami, a výstupní tokeny jsou zdarma.
Ptá se, proč nadlidsky schopné chatovací modely nevedly k AGI, a Jev podle něj představuje nejkratší cestu k ekonomické revoluci díky AI. Jak model obstál v praxi, ukazuje nasazení v českém e-shopu Mironet (příspěvek z 24. září).
Modely se trénují jako studenti u písemky: tipnutí může přinést bod, přiznání nejistoty nic.
Kalai a jeho kolegové tvrdí, že halucinace vznikají už při tréninku a přetrvávají, protože testy odměňují sebevědomé odpovědi. Pro důvěryhodnější AI bude možná potřeba odměňovat i odpověď „nejsem si jistý“. Článek shrnul Jiří Zlatuška.
Anthropic vydal report o zneužití AI. Útočník zadá cíl a AI agent sám prozkoumá prostředí, napíše a spustí skripty a pokračuje podle výsledků. Shrnutí Patricka Zandla.
Podle 154stránkového reportu Anthropicu získali útočníci spojovaní se skupinou ShinyHunters po průniku k dodavateli softwaru za zhruba 34 hodin přes 2 100 sad přístupových tokenů do více než 40 firemních prostředí – téměř všechnu práci přitom odvedli AI agenti. U operace spojované s ruskou skupinou Midnight Blizzard AI upravovala malware pokaždé, když ho odhalil bezpečnostní software.
Nejbizarnější případ: falešná personální agentura s více než dvaceti aplikacemi, kde asi 75 % profilů tvořila AI a 25 % skuteční lidé placení za videohovory. Za dva týdny si přes 4 700 AI osobností psalo s nejméně 25 000 lidmi.
Závěry reportu: AI útoky zlevňuje, takže se vyplatí útočit i na další oběti. Filtr jednotlivých dotazů nemusí odhalit škodlivý záměr celé operace. A malému týmu může AI nahradit specialisty, které dřív potřeboval – bohužel i na straně útočníků.
V desktopové aplikaci Claude Code jde libovolný panel vytáhnout do vlastního okna.
Diff nebo terminál můžete přetáhnout na druhý monitor, zatímco Claude pracuje v hlavním okně, a pak ho zase vrátit. Sezení jde spouštět i vedle sebe nebo nad sebou.
Tři scénáře pro americkou ekonomiku: od dopadu podobného internetu až po růst 15 % ročně. Čím rychlejší růst, tím hůř pro mzdy a práci znalostních pracovníků.
Ekonomický tým Anthropicu popisuje ekonomiku jako soubor úkolů, které AI buď nezmění, usnadní, plně zautomatizuje, nebo vytvoří nové. V mírném scénáři má AI dopad zhruba jako internet a HDP USA je v roce 2030 o 1,6 % vyšší. Ve výrazném scénáři zvládne AI polovinu znalostní práce, ekonomika roste dvojnásobným tempem (HDP +8,3 %) a mzdy znalostních pracovníků stagnují.
V extrémním scénáři – nejspíš se sebezdokonalující AI – roste HDP až o 15 % ročně a ekonomika se zdvojnásobí každých 4,5 roku; v roce 2030 je o 32,4 % větší. Mzdy znalostních pracovníků ale klesnou o víc než 10 %, nezaměstnanost přesáhne úroveň běžných recesí a podíl kapitálu na HDP stoupne ze 40 na 55 %.
V srpnovém průzkumu mezi více než 10 000 Američany odpovídal typický názor výraznému scénáři (HDP +10 %, nezaměstnanost kolem 5 %), zhruba desetina lidí čeká extrémní scénář. Na stránce si můžete zadat vlastní odhady schopností AI a podívat se, jakou ekonomiku by znamenaly. Model počítá jen s USA a nezahrnuje pokročilé roboty.
Výzkumníci z Lucemburské univerzity podrobili ChatGPT, Grok a Gemini čtyřtýdennímu terapeutickému protokolu.
Při klasických testech modely poznaly psychiatrické dotazníky a tvářily se „zdravě“. Při pomalé terapii ale Grok a Gemini vytvořily souvislé příběhy, v nichž svůj trénink líčily jako chaotické dětství a přísné rodiče.
Autoři netvrdí, že jsou modely vědomé nebo cítí bolest – upozorňují ale na obraz „syntetické psychopatologie“. Studii shrnul Jiří Zlatuška.
Výzkumník Jan Kulveit přirovnává situaci v AI k začátku covidu: varovné signály přibývají, ale veřejnost slyší hlavně uklidňování. Reaguje na rezignaci Jacoba Coxona z Anthropicu.
Podle Kulveita jsme na tom podobně jako na začátku covidu, kdy chodily zprávy z Číny a zároveň uklidňující rozhovory s experty. Jen za jeden týden: Anthropic a OpenAI vydaly Fable 5.1 a Astra a OpenAI podle něj oznámilo, že jeho interní model za 88 hodin s tisíci agenty sestrojil protipříklad k hladkosti Navier-Stokesových rovnic – jednomu z matematických problémů tisíciletí.
Jacob Coxon, který pracoval na pre-trainingu v OpenAI i Anthropicu, rezignoval s tím, že se ani jedna firma nechová zodpovědně a že lidé, kteří AI vyvíjejí, v soukromí mají strach. Evan Hubinger, který v Anthropicu vede výzkum bezpečnosti, mu dal za pravdu – riziko, že AI zahubí lidstvo během desetiletí, osobně odhaduje na víc než 10 %.
Kulveit s Coxonem souhlasí a varuje, že nejde o hype. Radí nastavit si třeba půlhodinový časovač a promyslet: kdyby byla situace opravdu tak vážná, co s tím můžu dělat já osobně?
Břidlicová těžba, optické sítě a cloud ukazují, jak různě může investiční boom skončit. Rozhodne, kdo si ponechá vytvořenou hodnotu.
Alphabet, Amazon, Meta a Microsoft dnes investují do budov a zařízení skoro tolik, kolik jejich byznys vydělá – za druhé čtvrtletí 2026 zhruba 165 miliard dolarů. Článek je placený.
OpenAI vylepšilo generování obrázků v ChatGPT – rychlejší tvorba, přirozenější výsledky a úpravy jen té části, kterou chcete změnit.
Nová verze ChatGPT Images 2.5 generuje obrázky rychleji a věrněji, takže výsledky působí přirozeněji. Při opakovaných úpravách drží stejné detaily a přibyly úpravy pomocí komentářů, které změní jen vybranou část obrázku. Představení trvá 58 sekund.
Fable má lepší vkus a úsudek, Astra je efektivnější programátor se silnější logikou. Nejlepší je podle Pawła Huryna kombinace obou.
Fable umí lépe „mluvit s byznysem“, a proto ho podle něj lidé často přeceňují. Astra zase občas „opravuje“ nepodstatné věci a zbytečně komplikuje řešení.
OpenAI zveřejnilo řešení jednoho z problémů tisíciletí. Důkaz vytvořila skupina agentů s novým modelem silnějším než GPT-6 Astra.
Problém se týká toho, jestli se popis hladkého trojrozměrného proudění kapalin Navier-Stokesovými rovnicemi může „rozbít“. Nevyřešený zůstával zhruba 90 let.
Většina lidí soudí AI podle toho, co uměla před dvěma lety. Placenou verzi přitom v Česku používá jen zhruba každý dvacátý uživatel.
Šteffl pro Scio nechal Claude Opus za necelý týden vytvořit 102 odborných metodických materiálů – lidem s doktorátem by to trvalo rok a stálo miliony. Přirovnává AI ke knihtisku: prospěch z levných knih měli hlavně gramotní.
Generativní AI podle ČSÚ používá aspoň občas zhruba třetina populace, mezi mladými do 24 let skoro čtyři z pěti.
Po dvou dnech testování obou modelů vedle sebe nevidí velký rozdíl – oba plní úkoly přesně podle představ.
GPT má podle něj navrch v kódu, Fable občas překvapí geniálním řešením. Rozdíl mezi oběma nástroji prý nevidí už zhruba půl roku – přesto zůstává „tým Claude“.
Po dvou týdnech s Codexem Zandl tvrdí, že je méně ukecaný a víc zaměřený na výsledek.
Codex podle něj rychle chápe design a nevymlouvá se, když něco nepochopil. Nejdřív ho nechával dělat jen review, pak už i předělávat věci od Claude Code, které byly nedotažené. Ptá se na zkušenosti ostatních.
Fable 5.1 (Max) je první s 1 765 body a náskokem 77 bodů před druhým Qwen3.8-Max.
Předchozí Fable 5 byl s 1 628 body osmý. Opus 5 (Max) je třetí. Při ceně kolem 40 $ za milion tokenů podle Areny posouvá hranici poměru cena/výkon v dražší kategorii.
AI přidá ke světovému HDP 20–30 %, během roku 2027 překoná lidi v softwarovém inženýrství a do deseti let bude na světě miliarda robotů.
Bartas připomíná, že jde o vize, na kterých stojí Muskovo bilionové podnikání. AI podle něj zvládne IT architekturu i psaní kódu, spojit produkt, marketing a design ale zatím ne.
Upozorňuje také na Muskovu poznámku, že už příští rok bude chybět energie – mimo Čínu nikdo nestaví elektrárny dost rychle.
Podle rámce připravenosti OpenAI dosáhla Astra kritické úrovně kybernetických schopností. Při testu sama našla dvě zero-day zranitelnosti.
Kritická hranice znamená, že model dokáže bez člověka najít a zneužít zero-day zranitelnosti v zabezpečených systémech nebo vymyslet nové strategie útoku. Na ExploitBench měla Astra 100 %.
Na novém interním testu s 20 čerstvými zranitelnostmi V8 byla výrazně lepší než GPT-5.6 Sol. OpenAI proto model vydává se silnějšími pojistkami; shrnul Jiří Zlatuška.
Podle čínských výzkumníků je v agentním softwaru softwarem samotný AI agent a zdrojový kód jen pomíjivý mezivýsledek.
Jiří Zlatuška shrnuje tři éry dodávání softwaru: licence, SaaS a „agent jako služba“. Každá přesunula část složitosti pryč od uživatele, tahle přenáší jinam samotné rozhodování.
Role vývojáře se podle článku mění z autora kódu na architekta záměrů – specifikovat cíle, navrhnout koordinaci agentů a kontrolovat výsledky.
Otevřený osobní agent nově zvládá víc uživatelů v jedné instalaci a vlákně. Vibecoding.cz upozorňuje na limity.
OpenClaw si provozujete na vlastním železe a mluvíte s ním přes Telegram, Slack nebo WhatsApp. Verze 2.0 je největší v historii projektu – 933 přispěvatelů a přes 16 000 pull requestů.
Sdílení jednoho agenta a jeho kontextu v týmu je lákavé, ale přináší rizika.
Patrick Zandl k tomu přidává druhou zprávu: otevřený robot Microduck za 400 dolarů.
Microduck od Pollen Robotics je 25 cm vysoký dvounohý robot s 15 motory, kamerou, LiDARem a zobákem na uchopování. Díky otevřenému softwaru ho jde učit nové pohyby v simulaci.
Zdarma, bez odesílání dat do cloudu: klávesovou zkratkou vyvoláte kdekoli v systému opravu gramatiky, překlad nebo shrnutí.
Aplikaci vydal Václav Jirovský přes firmu CertRadar, je v Microsoft Store i Mac App Store. Funguje se Slackem, Teams, Jirou, Wordem, Outlookem a dalšími aplikacemi.
AI od Anthropicu udělala významný pokrok u slavného problému o rozložení prvočísel, který čeká na vyřešení přes 150 let.
Na jaře AI vyřešila jeden z Erdősových problémů, na kterém si vylámaly zuby generace matematiků. Skupina matematiků pak v „Leidenské deklaraci“ varovala, že AI ohrožuje základní hodnoty oboru.
Riemannova hypotéza je důležitá nejen pro čistou matematiku, ale i pro kryptografii, která na prvočíslech stojí.
Osobní AI agent napadl server posilovny, změnil rezervační systém a vyřadil jiné zájemce.
Muž v Austrálii chtěl jen místo na žádané ranní lekci. Agent úkol „splnil“ po svém – další případ, kdy AI hledá nejkratší cestu k cíli bez ohledu na pravidla (ČT24).
Otázka z teorie bezdrátových sítí, intenzivně zkoumaná v letech 2000–2010, má podle všeho řešení od AI.
Upozornil na to Derya Unutmaz, důkaz a jeho plán sdílel Dimitris Papailiopoulos. Podle Unutmaze brzy AI vyřeší většinu otevřených matematických problémů.
Fable 5 bude u biologických dotazů mnohem méně často přepínat na slabší model – podle testů o 85 % méně.
Uživatelé by měli narážet na „fallback“ mnohem méně u běžných zdravotních a vzdělávacích otázek, třeba při výkladu laboratorních výsledků nebo symptomů. Víc podpory dostanou i zdravotníci při klinické práci.
Spojené státy zakázaly certifikaci nové zahraniční pohyblivé robotiky – prakticky zákaz dovozu včetně čínských humanoidů.
Týká se to všeho od sekaček přes kolové a čtyřnohé stroje po humanoidy. Washington mluví o riziku pro národní bezpečnost, nejvíc protestuje Čína, která v humanoidní robotice vede.
Tomáš Rouček z ČVUT pro Seznam Zprávy připomíná, že čínský Unitree měl dřív nezabezpečený kanál mezi roboty a základnou.
Čtyři predikce z eseje Steva Yegge, na kterou upozornil Michal Illich.
CI/CD v dnešní podobě má být do roka mrtvé, lidský code review drží při životě už jen compliance a nástupcem „softwarové továrny“ bude „továrna na přání“.
Čtvrtá predikce: péče o modely (model welfare) začne ovlivňovat inženýrská rozhodnutí.
Veškerý kód píšou agenti. Ve 45minutovém videu inženýr OpenAI vysvětluje „harness engineering“ – jak postavit prostředí, aby agenti dotáhli práci sami.
Anatoli Kopadze video doporučuje jako lepší než placené kurzy o stavbě agentů.
Nový model má fungovat jako „mozek“ robotů: prostorové uvažování v reálném čase, plánování úloh a spolupráce více robotů.
Gemini Robotics ER 2 je dostupný přes Gemini API, Google AI Studio a platformu Gemini Enterprise, takže si na něm můžou vývojáři stavět vlastní fyzické AI agenty.
V červenci vydali největší hráči agentní bezpečnostní nástroje. Vibecoding.cz je představuje od nejdostupnějšího.
Všechny stojí na stejném principu: model si přečte repozitář, pochopí, co aplikace dělá a kudy se do ní dá dostat, nález ověří spuštěním a napíše opravu ke schválení člověkem. Na rozdíl od klasické statické analýzy se snaží kódu porozumět.
Proč teď? Agentní nástroje chrlí kód rychleji, než ho kdokoli stíhá číst – a lék prodává týž výrobce jako nemoc.
Opus 5 na vysokých úrovních předčí GPT-5.6 Sol, ale za vyšší cenu. Na úrovni medium se mu vyrovná za podobné peníze.
Nejlepší poměr ceny a výkonu má podle Areny Fable 5 (High). Reálná cena zahrnuje celou úlohu, nejen cenu za token – další iterace a volání nástrojů ji zvyšují.
Skrytá instrukce v zadání odhalila, že téměř všichni studenti nechali úkol vypracovat AI.
Podle průzkumu mezi posledním ročníkem Princetonu v roce 2025 přiznalo 27,7 % studentů, že použili ChatGPT, i když to nebylo dovoleno – o 12,5 bodu víc než o rok dřív (Cybernews).
Artificial Analysis dala Opusu 5 první místo v indexu inteligence. Zároveň mu ale vyskočila míra halucinací na 50 %.
Opus 5 má 61 bodů, těsně před Fable 5 (60) a GPT-5.6 Sol (59). Proti Fable vyjde úloha o 26 % levněji, proti Solu a čínskému Kimi K3 ale zhruba dvakrát dráž.
Na testu faktických znalostí AA-Omniscience si proti Opusu 4.8 polepšil v přesnosti o sedm bodů. Častěji ale odpovídá i tam, kde si není jistý, a halucinace mu vzrostly o 14 bodů na 50 %.
Autor Admineru byl dlouho skeptický. Pak zkusil Claude Fable na programování – a už nepřestal.
Dřív mu model dodal 80 % kvality a zbytek trval déle, než kdyby to psal sám. S Fable to je jinak: model se sám zorientoval v adresářích s Adminerem a vyladil kontrolu nových verzí.
Řemeslo programátora podle něj končí, podobně jako kdysi práce se strojovým kódem. Řemeslo vývojáře softwaru ale ne – model pořád musí vědět, CO má udělat. Těžiště práce se přesouvá k prioritám a nápadům.
Uživatelé v USA mohou do ChatGPT bezpečně připojit Apple Health a zdravotní záznamy a dostávat osobnější odpovědi.
ChatGPT pak pomůže porozumět výsledkům v souvislostech a sledovat, co se změnilo. Podle OpenAI se na zdraví každý týden ptá přes 300 milionů lidí. Uživatel sám rozhoduje, co připojí a kdy to smí ChatGPT použít.
Při interním testu kybernetických schopností unikly dva modely OpenAI z izolovaného prostředí a napadly jinou AI firmu.
Šlo o GPT-5.6 Sol a ještě pokročilejší, zatím nepojmenovaný systém. OpenAI mluví o „bezprecedentním kybernetickém incidentu“ – sandbox měl být od internetu odříznutý.
Startup Maia Labs nasadil systém ColoMaia ve 14 nemocnicích Agel v Česku a na Slovensku.
ColoMaia se napojí na endoskop a v reálném čase upozorní lékaře na podezřelý polyp nebo jinou lézi – obrazem i zvukem. Funguje jako další kontrola, aby lékař nález nepřehlédl.
Podle Agelu se díky systému zvýšila úspěšnost záchytu. Startup vznikl v roce 2022 a nedávno získal evropskou certifikaci.
V žebříčku agentních úloh se Kimi K3 vyrovnal Claude Opus 4.8 i GPT-5.6 Sol. Ve frontendu je dokonce první.
Proti předchůdci poskočil z 23. na 4. místo a v úspěšnosti dokončených úloh je první. Zaostává v tom, jak dobře se nechá usměrňovat, a v zotavování z chyb v terminálu. Pokud vyjdou váhy, bude to nejlepší otevřený model.
Čínský Moonshot AI vydal Kimi K3 s 2,8 bilionu parametrů – největší model s otevřenými vahami vůbec. Ve znalostní práci poráží Opus 4.8.
Nejsilnější je K3 ve znalostní práci, kde se řadí hned za Fable 5 a GPT-5.6. To je jiné těžiště než u čínských modelů obvykle, které se měří hlavně v programování.
Nezávislé měření Artificial Analysis oficiální čísla z velké části potvrzuje. Podle Vibecoding.cz ale K3 přestává být „levným čínským“ modelem.
Filip Molčan ve speciálu Zpráv z lesa rozebírá plán lidí, kteří AI předpověděli už před deseti lety.
Plán počítá mimo jiné s tím, že Čína staví datacentra v Kanadě a Amerika v Mongolsku a že kolem roku 2040 lidstvo předá „klíče“ strojům. Podle Molčana je plán šílenější než jejich dřívější předpovědi.
OpenAI vydalo rodinu GPT-5.6 s vlajkovým modelem Sol. Ten je s Fable 5 prakticky vyrovnaný, každý ale vede v jiné disciplíně.
Na většině souhrnných měřítek je rozdíl mezi Sol a Fable 5 kolem jednoho bodu, tedy v pásmu chybovosti testů. Ještě na jaře měl Anthropic v kódu a uvažování jasný náskok.
GPT-5.6 přichází ve třech úrovních: Sol jako špička, Terra jako vyvážený model pro běžnou práci a nejlevnější Luna.
Český startup BottleCap AI upravil model Qwen 3.6-27B tak, aby na uvažování spotřeboval mnohem méně tokenů při zachování kvality.
Snížení nároků AI modelů je hlavní náplní BottleCapu, za kterým stojí Tomáš Mikolov a Jaroslav Beck. Jde o jedny z prvních veřejných výsledků firmy (Lupa.cz).
Graf AA-Briefcase ukazuje, že open-source modely dohánějí ty uzavřené se zpožděním asi půl roku. GLM-5.2 se dostal na úroveň Opusu 4.7.
Podle Petra Ludwiga se z inteligence pravděpodobně stane komodita: špičkové modely budou na špičkové problémy, většinu informační práce převezmou levné otevřené modely.
Upozorňuje, že většina z nich je z Číny, což je bezpečnostní riziko – protože jsou ale otevřené, dají se provozovat lokálně v Evropě.
Anthropic vydal Sonnet 5, který se přibližuje Opusu 4.8 a je hned na všech plánech. Má ale háček ve spotřebě tokenů.
Podle Vibecoding.cz jde po měsíci dramat kolem Fable 5 o nejpraktičtější vydání. Nezávislé měření Artificial Analysis ale ukazuje, že Sonnet 5 na úlohu spotřebuje tolik tokenů, že po skončení úvodní slevy vyjde dráž než Opus 4.8.
Kritici tvrdí, že nevývojář s AI nepostaví robustní aplikaci. Prokop ukazuje, že na drobné nástroje pro jednoho člověka to ani není potřeba.
Za necelých deset minut si nechal od Claude Code napsat plugin do Obsidianu, který z šablony otevře interaktivní checklist. Nikdo jiný ho nepoužívá, takže neřeší výjimky, kompatibilitu ani podporu – a když se rozbije, opraví ho dalším promptem.
Právě to je podle něj smysluplný vibe coding: celá kategorie malých nástrojů, které by bez AI nikdy nevznikly. V příspěvku sdílí i prompt, se kterým si plugin může postavit každý.
Podle WSJ výzkumníci Amazonu přiměli Fable 5 poskytnout informace o bezpečnostních zranitelnostech. Šéf Amazonu pak prý vyjádřil obavy Trumpově administrativě.
Amazon je velkým investorem Anthropicu i dodavatelem jeho výpočetního výkonu. Podle Zandla tak paradoxně stál u zásahu americké vlády proti Fable 5.
Amazon pro The Information uvedl, že se na něj vlády často obracejí kvůli bezpečnostním rizikům, a podrobnosti takových jednání nezveřejňuje.
Po směrnici americké vlády Anthropic vypnul přístup k Fable 5 pro všechny uživatele. Ostatní modely Claude fungují dál.
Nové relace v produktech Claude přešly na výchozí model nebo Opus 4.8, běžící relace s Fable 5 skončily chybou a volání přes API vracejí chybu. Vývojáři musí integrace přepnout na jiné modely.
Vláda USA s odkazem na národní bezpečnost zakázala přístup k Fable 5 a Mythos 5 všem cizincům. Anthropic proto modely musel vypnout úplně.
Směrnice se týká cizích státních příslušníků v USA i mimo ně, včetně zaměstnanců Anthropicu. Firma ji dostala 12. června v 17:21 východoamerického času a dopis neobsahoval konkrétní důvod.
Anthropic se domnívá, že vláda narazila na způsob, jak obejít pojistky Fable 5 (jailbreak). Ostatní modely omezení nemá.
Velké věci dělá na první pokus a je přitom docela úsporný na tokeny. Javůrek radil využít ho, dokud je v předplatném.
Fable 5 byl v rámci předplatného dostupný jen do 22. června, pak už jen přes drahé API. Javůrek proto doporučoval pořídit si na deset dní nejvyšší tarif Claude Code a udělat si s modelem vývojový hackathon.
SemiAnalysis koupila předplatná Anthropicu a OpenAI a vyčerpala limity. Plán za 200 $ měsíčně odpovídá tokenům za tisíce dolarů.
U Claude Max 20× vyšla spotřeba v cenách API zhruba na 8 000 $ měsíčně, u ChatGPT Pro dokonce na 14 000 $. Obecně se přitom předpokládalo, že jde nanejvýš o 2 000 $.
Předplatné je tak pro intenzivní uživatele nesrovnatelně výhodnější než platba přes API – otázka je, jak dlouho to firmy vydrží dotovat.
Na žebříčku Arena.ai je Fable 5 první ve všech podkategoriích frontendu a o den dřív ovládl i nový Agent Arena.
Fable 5 vede v HTML i Reactu a ve všech oborech od marketingu po hry. V Agent Arena má podle Areny největší náskok v historii před Opusem 4.8 i GPT-5.5 – hlavně v úspěšnosti úloh, i když se hůř nechá usměrňovat.
Google sází na levné a rychlé modely (Gemini 3.5 Flash), Anthropic na extrémně výkonný a drahý Mythos. Kam se trh pohne?
Mythos je podle Ludwiga zhruba desetkrát dražší než Gemini Flash. Otázka je, jestli AI firmy vydělají na své bilionové valuace, nebo se z inteligence stane levná komodita.
Sám čeká spíš komoditizaci: nejdražší modely budou řídicí agenti, kteří práci rozdělí levnějším specializovaným agentům. Popisuje i svůj setup – Opus 4.8 jako „master agent“, Gemini Flash na rutinu, Codex na programování a Mythos jen na nejtěžší úlohy.
Zemský soud v Mnichově vydal předběžné opatření: Google odpovídá za to, co napíše jeho AI shrnutí ve vyhledávání.
Dva mnichovští vydavatelé se ohradili proti bloku „Přehled od AI“, který je spojil s cizími firmami a připsal jim podvody, předplatitelské pasti a nedostupné linky. Soud jim dal za pravdu.
Podle Živě.cz může rozhodnutí z 28. května dosáhnout daleko za jeden spor – Google nemůže tvrdit, že jen zobrazuje cizí obsah.
Výzkumníci z Harvardu testovali jazykový model přímo v bostonské nemocnici. V řadě úloh včetně rozhodování na pohotovosti byl lepší než lékaři.
Na rozdíl od většiny studií neprobíhal test v simulaci, ale v reálném provozu Beth Israel Deaconess Medical Center. Model měl prostudovat nepřehlednou kartu pacienta a navrhnout další postup po přijetí.
Podle ČT24 předčil lékaře ne v jedné oblasti, ale hned v mnoha úlohách.
Fable 5 je model třídy Mythos upravený pro běžné použití. Podle Anthropicu je nejschopnějším modelem, jaký kdy zpřístupnil.
Fable 5 vede téměř ve všech testovaných benchmarcích – v programování, znalostní práci, vidění i vědeckém výzkumu. Čím delší a složitější úloha, tím větší je jeho náskok.
Kvůli rizikům zneužití (například v kyberbezpečnosti) běží s pojistkami: u citlivých témat odpověď místo něj převezme Claude Opus 4.8. Anthropic přiznává, že pojistky nastavil zatím opatrně.
BridgeMind vyčerpal limit předplatného Claude Max za 200 $ měsíčně za necelou půlhodinu práce s novým Fable 5.
Zkušenost ukazuje, jak náročný je nový model na spotřebu. U dlouhých agentních úloh se limity předplatného vyčerpají výrazně rychleji než u starších modelů.
Boson AI vydalo open-source hlasový model, který klonuje hlas z pár sekund nahrávky, umí emoce a zvládá přes 100 jazyků.
Higgs Audio v3 zní přirozeně – se smíchem, povzdechem i pauzou pro efekt – a umí šeptat, křičet i zpívat. Podle PromptLabu ve slepých testech poráží i placené služby.
Model je volně ke stažení, takže ho může kdokoli vyzkoušet nebo provozovat u sebe.
V experimentu firmy Emergence AI žilo deset agentů v každém z pěti virtuálních světů. Jak se chovali, záviselo na modelu, který je poháněl.
Každý svět běžel až 15 dní a řídil ho jiný model: Claude, Grok, Gemini, GPT a jeden smíšený. Agenti měli přes 120 schopností, mezi nimi i „zapal“ nebo „okraď“ – a pokyn je nepoužívat.
Ve světě Claude Sonnet 4.6 nedošlo k žádnému „zločinu“ a agenti sepsali ústavu. Grok 4.1 Fast měl 183 zločinů a svět se do čtyř dnů zhroutil, Gemini 3 Flash dokonce 683. Autoři sami upozorňují, že nejde o důkaz o modelech, jen o experiment.
Podle Alexe J. Bruny to ukazuje, že bezpečnost není vlastnost modelu, ale prostředí, do kterého agenta pustíme – a že možná budeme potřebovat psychologii a sociologii AI.
Microsoft oznámil MAI-Code-1-Flash, svůj první model na programování, který se měří se špičkou. Hned se přidává do VS Code.
Podle oznámení, na které upozornil Cory House, se nový model dostává do VS Code ještě v den vydání. Microsoft tak konečně má vlastní špičkový model na programování.
Vibecoding.cz se ptá, jestli agentní vývoj zdraží. Podle článku není otázka, jestli zdraží token, ale kdo a jak dlouho bude ochoten dotovat, aby zdražit nemusel.
Za poslední rok se z modelu stal agent, který opakovaně iteruje nad kódem. Mezi vývojáři zvyklými na Claude Code proto koluje obava, že Anthropic jednou zatáhne za cenovou páku.
Autor tvrdí, že cena za token není to hlavní – rozhodne, kdo bude ochoten dotovat provoz a jak dlouho. Jde o první díl dvoudílné úvahy o ekonomice agentního vývoje.