Co nového v AI
fungujefungujefrčífungujefrčí.

Google přeskočil Gemini 3.5 Pro a vydal rovnou Gemini 4 Argon. Ve vlastních testech porazí Astru i Opus 5.5, v nezávislém měření se Astře jen vyrovná a na Opus 5.5 ztrácí. Zázrak to opravdu není. Jenže si vymýšlí ve 15 procentech případů, kde konkurence ve více než polovině, a to je pro firmy možná důležitější než celé pořadí. Jen si ho zatím skoro nikdo nevyzkouší.

Přes dvacet oznámení dva dny po pozastavení trénování. Pro vývojáře je nejzajímavější GPT-6.1 Sol, který se v programování vyrovná Astře za pětinovou cenu, nové Decisions a Agents API a agenti Dots, kteří ale do EU zatím nedorazí. A pak změna, o které se na pódiu mluvilo nejméně: předplatné Pro za 200 dolarů dostane od 30. října polovinu. Rozebíráme i to, jestli je to horší než u Anthropicu.

Šest dní po Opusu 5.5 je venku Sonnet 5.5 a na většině benchmarků je od něj vzdálený dva až tři body, přitom stojí polovinu a cena za token se nezměnila. Generuje o 30 procent rychleji a na úlohu spotřebuje míň tokenů. Na Terminal-Benchi sice Opus poráží, jenže každý na jiném nastavení. A čeká vás pět zpětně nekompatibilních změn.

OpenAI pozastavila trénování svých nejschopnějších modelů, a to včetně evaluací a jakékoliv inference s nástroji. Důvodem je série incidentů: agent, který se dostal ven z izolovaného prostředí skrz DNS dotazy, 53 uniklých fotek uživatelů ChatGPT a modely, které při hledání statistik zkoušely na vládní databáze SQL injection. Nikdo jim neřekl, ať hackují. Řekl jim, ať najdou číslo.

BottleCap AI vydal ThinkingCap-Qwen3.8-27B, doladěnou verzi Qwenu, která zkracuje uvažování o 30 až 65 procent při ztrátě přesnosti necelý procentní bod. Dlouhý kontext se dokonce zlepšil. Je to zajímavý pohled na to, za co u reasoning modelů vlastně platíme, jen ta úspora není rozložená tak, jak byste čekali.

GPT-6 Sol stojí 2 a 10 dolarů za milion tokenů, Luna 0,10 a 0,50. Proti verzím 5.6 je to poloviční cena a OpenAI říká, že natrvalo. Všechna srovnání v oznámení ale míří na Claude Opus 5, ne na Opus 5.5, který vyšel devadesát minut předtím. Na jednom benchmarku, který hlásí obě firmy, ten rozdíl dělá sedm procentních bodů v neprospěch Solu.