Poskytovatelé nesou odpovědnost za odpovědi AI

Zemský soud v Mnichově: Google je odpovědný za AI Overviews

Zemský soud v Mnichově rozhodl předběžným opatřením, že Google nese přímou odpovědnost za nepravdivá tvrzení ve svých AI Overviews. Souhrny vytvořené umělou inteligencí spojily dvě mnichovská vydavatelství se smyšlenými předplatitelskými pastmi, podvody a „pochybnými obchodními praktikami“, aniž by se to uvádělo v odkazovaných zdrojích. Soud klasifikuje tyto texty jako „vlastní výroky“ společnosti Google, protože systém produkuje „samostatná, nová a podstatná prohlášení“ vlastními slovy Googlu. Tím odpadá starý bonus pro vyhledávače, které pouze odkazují na cizí stránky a proto mají omezenou odpovědnost. Obranu Googlu, že si uživatelé mohou zdroje sami ověřit, soud zamítl: analýza ukazuje, že pouze 1 procento uživatelů vůbec klikne na zdroj. Vyhodnocení NYT zjistilo, že přehledy založené na Gemini 3 jsou z 91 procent správné, ale více než polovina správných odpovědí nebyla vůbec podložena citovanými zdroji. Google nese 80 procent nákladů a může se odvolat. → Techpresso

Synthszr Take: Soudce pochopil to, co právníci Googlu nechtějí přiznat. Klasické vyhledávání zobrazuje cizí odkazy a neručí za jejich obsah. AI Overview produkuje vlastní text, a tím se Google stává autorem, nikoli zprostředkovatelem. To je celý právní trik: kdo píše, ten ručí, a LLM, který splétá zdroje do nových výroků, prostě píše. Sám Google přiznává, že přehledy jsou „občas“ chybné, což při miliardách dotazů denně vede k pěknému počtu smyšlených obvinění z podvodu. Koncem května jsme zde již psali o boomu DuckDuckGo, 30% nárůstu stahování z nespokojenosti s vyhledáváním pomocí AI, a tento rozsudek je právním prodloužením téhož problému s důvěrou. Kdo staví stroj na odpovědi, přebírá odpovědnost za odpovědi, a právě to už nelze přenést na zdrojovou stránku.

Anthropic požaduje zákonný nouzový vypínač pro AI

Společnost Anthropic zveřejnila návrh nařízení, který by vládám poskytl právní pravomoc blokovat nebezpečné modely AI nebo bránit jejich používání. Zdůvodnění přichází s konkrétními čísly: před několika lety modely sotva uměly psát kód, letos Claude Mythos Preview našel tisíce vysoce kritických zranitelností v každém velkém operačním systému a prohlížeči. Pravidla by se měla vztahovat pouze na modely trénované s více než 10²⁵ FLOPs a vyvíjené společnostmi s příjmy z AI přes 500 mil. dolarů nebo s výdaji na výzkum AI přes 1 mld. dolarů. Řeší se čtyři katastrofická rizika: biologické zbraně, kybernetické útoky na kritickou infrastrukturu, ztráta kontroly a automatizovaný výzkum AI, který všechna tři rizika posiluje. Anthropic požaduje transparentnost, nezávislé hodnocení, přísné bezpečnostní programy a občanskoprávní sankce, které by se odvíjely od celosvětového ročního obratu a při opakování by se stupňovaly. Celostátní americká regulace by měla vytlačit státní předpisy pouze tehdy, pokud je alespoň stejně přísná jako příslušný návrh na úrovni státu. Druhá část rámce se zaměřuje na společenskou odolnost: screening syntézy genů, biosurveillance, posílení internetového softwaru a výměna zastaralých systémů v kritické infrastruktuře. → www.anthropic.com

Synthszr Take: Amodeiho esej se čte chytře a částečně takový i je, ale obchodní logika za ním je průhledná. Kdo požaduje licenční režim pro frontier modely, buduje si regulační příkop, ve kterém přežijí jen ti největší poskytovatelé. Načasování je nešikovné: právě v týdnu, kdy Mythos sám blokuje revize kódu a otázky z oblasti life science, zní „bezpečnost“ pro mnoho vývojářů jako produkt, který se prostě nedá používat. Willccbb otevřeně říká, že Mythos je první veřejně dostupný model, který explicitně nesmí používat pro svou práci na výzkumu otevřených modelů. Tím Anthropic spojuje výzkum schopností a sladění s vlastní kontrolou, a právě to žene zákazníky zpět k Opus nebo rovnou ke Googlu, jehož DiffusionGemma tento týden vyšla pod licencí Apache 2.0 s více než 1000 tokeny za sekundu. Regulace, která chrání pouze lídra na trhu, není mantinelem, ale mýtnou bránou. Důvěra vzniká funkčním modelem, nikoli politickým dokumentem, který prořeďuje konkurenci.

OpenAI očekává cenovou válku s Anthropic

OpenAI zvažuje výrazné snížení cen za tokeny, tedy za zúčtovací jednotku, kterou společnosti zabývající se AI používají k fakturaci svých produktů. Podle zdrojů WSJ se tak děje v očekávání podobných kroků ze strany společnosti Anthropic. CEO Sam Altman nedávno označil náklady za „obrovský problém“ a slíbil, že zákazníkům nabídne „více hodnoty za méně výdajů“. Obě firmy již ztrácejí miliardy kvůli enormním nákladům na výpočetní výkon a drastické snížení cen by marže dále narušilo. Obrat společnosti Anthropic prudce vzrostl po virálním úspěchu Claude Code a poprvé překonal valuaci OpenAI. U Uberu je rozpočet na agenty pro rok 2026 již vyčerpán, v Silicon Valley se nyní diskutuje o „tokenmaxxing“, tedy o spotřebě co největšího počtu tokenů bez jasné návratnosti. OpenAI tento týden důvěrně podala žádost o IPO, Altman plánuje vstup na burzu „během příštího roku“. → www.wsj.com

Synthszr Take: Bolavé místo je uvedeno v samotném článku, téměř mimochodem: zaměnitelnost produktů. Pokud si zákazník může dvěma kliknutími vyměnit Codex a Claude Code, pak neexistuje žádný obranný příkop, ale jen cenovka. Přesně to dělá Zuckerberg už dva roky s Llama, komoditizuje model a nechává vysychat příjmové toky ostatních. Nyní se OpenAI a Anthropic komoditizují navzájem, dobrovolně, těsně před vstupem na burzu. V polovině května Anthropic ještě vedl u firemních zákazníků, na začátku června ve valuaci s 965 miliardami, a nyní obě společnosti diskutují o snížení marže, která má tato čísla podpořit. Přiznání Uberu k „tokenmaxxing“ je přitom nejupřímnějším signálem: firmy si uvědomují, že velká spotřeba neznamená velkou hodnotu, a snižují rozpočty. Kdo zde chce umístit IPO, prodává investorům příběh o růstu, jehož palivo právě sám zlevňuje.

Microsoft interně blokuje Claude Mythos

Společnost Anthropic včera vydala Claude Mythos 5, první model nové třídy Mythos, a Microsoft ho okamžitě odebral svým vlastním zaměstnancům. Zatímco zákazníci služeb GitHub Copilot a Foundry model okamžitě obdrželi, Mythos 5 se v interním výběru modelů pro zaměstnance Microsoftu neobjevuje. Důvodem jsou nové požadavky společnosti Anthropic na uchovávání dat: Mythos 5 vyžaduje retenci dat pro provoz nových bezpečnostních klasifikátorů, takže Anthropic si ponechává prompty a výstupy a maže je až po 30 dnech. V případě porušení podmínek použití mohou být jednotlivé prompty uloženy až na dva roky. Všechny ostatní modely Claude zůstávají interně dostupné, protože fungují v režimu Zero Data Retention. Právní oddělení Microsoftu nyní zkoumá, zda může být model vůbec schválen pro důvěrná data zákazníků a společnosti. Mythos 5 přichází jen několik týdnů poté, co Anthropic označil rodinu Mythos za příliš nebezpečnou pro veřejné vydání v úlohách kybernetické bezpečnosti. → www.theverge.com

Synthszr Take: Zde se střetávají dvě hodnoty společnosti Anthropic a obě pocházejí z téhož domu. Bezpečnost vyžaduje, aby model četl prompty a uchovával je 30 dní, jinak klasifikátory nefungují. Právě toto uchovávání činí model nepoužitelným z hlediska ochrany osobních údajů, přinejmenším tam, kde jím procházejí důvěrná data zákazníků. Skutečnost, že právě Microsoft, největší distribuční partner společnosti Anthropic, nejprve model zavede u zákazníků a poté jej zakáže vlastním zaměstnancům, vypovídá o realitě compliance více než jakákoli roadmapa. V každé matici dodavatelů stojí compliance a suverenita jako samostatná dimenze a Zero Data Retention je přesně ten bod, na kterém technicky silný model selže. Kdo nakupuje modely, potřebuje adaptér na každé vrstvě a migrační cestu v registru rizik, aby jediný odstavec o retenci dat neochromil celý pracovní postup. Modelová agnostika není ideologie, je to pojištění přesně proti takovým čtvrtkům.

Xiaomi překonává 1 000 tokenů za sekundu na běžném hardwaru

Tým MiMo společnosti Xiaomi hlásí s MiMo-V2.5-Pro-UltraSpeed více než 1 000 tokenů za sekundu při dekódování na modelu MoE s 1 bilionem parametrů, a to na zcela běžném serveru s 8 GPU. Žádný wafer od Cerebras, žádný speciální čip od Groq. Trik spočívá v souhře modelu a systému: co-design s názvem TileRT. Konkrétně stack kombinuje kvantizaci FP4/MXFP4 pouze pro experty MoE s tréninkem s ohledem na kvantizaci (Quantization-Aware-Training), zatímco moduly, které nejsou experty, zůstávají ve vyšší přesnosti. K tomu se přidává DFlash, blokové maskované spekulativní dekódování (Block-Level-Masked-Speculative-Decoding), které generování dále zrychluje. Tvrzení zatím podléhá nezávislému ověření, ale směr je jasný. → AINews

Synthszr Take: Speciální hardware byl dosud odpovědí na otázku, jak rychle získat 1T modely. Xiaomi ukazuje, že chytrá práce na co-designu dosahuje stejného efektu na standardních GPU, a to mění kalkulaci pro každého, kdo přemýšlí o nákladech na inferenci. Koncem května jsme psali o slevách Xiaomi až 99 procent, a právě zde přichází technické zdůvodnění: kdo ze stejného stroje vytlačí více tokenů, může srazit cenu za token na dno, aniž by ztratil marži. To je Jevonsův paradox v reálném čase, levnější inference vytváří větší poptávku, nikoli menší. Pro české firmy, které si kalkulují své self-hosted pracovní zátěže, to znamená: předpoklad drahého speciálního hardwaru je třeba přehodnotit, protože zisky z efektivity nyní přicházejí ze softwaru. Kdo dnes plánuje svůj inferenční stack podle hardwarových obranných příkopů, plánuje mimo trh.

Gemini 3.5 Live Translate se stává živým tlumočníkem

Společnost Google v úterý vydala Gemini 3.5 Live Translate, zvukový model, který překládá řeč průběžně do více než 70 jazyků, aniž by čekal na konec věty. Výstup zaostává za mluvčím o několik sekund a zachovává důraz, tempo a výšku tónu. V Google Meet se funkce rozšiřuje z pěti jazykových párů s angličtinou na více než 2 000 kombinací v rámci jediné schůzky, přičemž soukromá preview pro zákazníky Workspace se otevře tento měsíc. V aplikaci Překladač je funkce pro spotřebitele zdarma, do placených úrovní Workspace bude integrována. Poskytovatelé AI tlumočení si za stejnou službu účtují 8 až 35 dolarů za hodinu na účastníka, trh s jazykovými řešeními měl v roce 2025 podle společnosti Slator hodnotu 30,85 miliardy dolarů. Vlastní Model Card Googlu ve stejný den přiznává, že hlasy mohou uprostřed sezení změnit pohlaví a rozpoznávání řeči slábne u nerodilých mluvčích s přízvukem. Grab již technologii testuje pro více než 10 milionů měsíčních hlasových hovorů mezi řidiči a cestujícími. → Marcus Schuler

Synthszr Take: Zde se trh o velikosti 30 miliard stává zaměnitelnou funkcí v softwarové službě, kterou si už stejně platíte. Kdo dnes účtuje za hodinu na účastníka, měl by se podívat na ta čísla: 35 dolarů proti nule. To je klasická páka balíčkování, pomocí které Google komoditizuje celé kategorie, a funguje to, protože překlad už není produkt, ale kontaktní bod v průběhu schůzky. Zajímavá je mezera, kterou Google sám dokumentuje: hlasy mění pohlaví, přízvuky matou rozpoznávání a chybí přesně ta data o spolehlivosti, která by kupujícímu řekla, kdy je bezplatná funkce dostatečně dobrá. Pro nekritické hovory o vyzvednutí u Grabu to zjevně stačí, pro právní jednání pravděpodobně ještě ne. Profesionální poskytovatelé tlumočení proto prozatím přežívají v hraničních případech, kde se chyba prodraží. Kdo se v této oblasti pohybuje, měl by nyní přesunout svou hodnotovou nabídku na odpovědnost a přesnost, protože masový trh pod ní právě zmizel.

AI Notetaker: Vše se nyní nahrává

David Haber v hostujícím příspěvku pro a16z tvrdí, že většina pracovních rozhovorů se nyní standardně nahrává, aniž by se o tom kdy vedla větší diskuse. Jeho hlavní myšlenka: AI musíte zaškolit jako nového zaměstnance, tedy prostřednictvím schůzek, kde skutečně vzniká kultura, očekávání a hraniční případy, nikoli prostřednictvím CRM nebo wiki. OpenAI už tak funguje, s agenty, kteří na schůzkách zastupují nepřítomné vedoucí pracovníky, a Bridgewater tento princip zavedl jako politiku již před lety. Granola je nejlepším příkladem: tento nástroj zná a16z lépe než téměř jakýkoli jiný, protože seděl v místnosti. Haber vidí vznik nové kategorie softwaru, která je organizována kolem řeči místo textu, protože nejcennější kontext žije v rozhovorech a LLM činí tato nestrukturovaná hlasová data prohledatelnými. Verbální kultury jako Shopify a OpenAI z toho neúměrně profitují, zatímco psané kultury jako Stripe a Anthropic svůj kontext stejně zaznamenávají. Jeho prognóza: za šest měsíců se výchozí nastavení změní z „nenahrávat“ na „předpokládej, že se nahrává“. → a16z

Synthszr Take: Zajímavý bod nespočívá v obavách o ochranu osobních údajů, ale v argumentu o zaškolování. Když zaškolujete člověka, pošlete ho na schůzky, ne do wiki, a přesně to nyní platí pro každého agenta. Haber má pravdu, že verbální kultury léta nechávaly svůj nejcennější kontext vyprchat, protože to, co se skutečně rozhodlo při revizi produktu, se nikdy nikam nedostalo. To, co jsme si v polovině února poznamenali jako „kontext je král“, zde dostává svou operativní mechaniku: řeč se stává systémem pro záznamy. Nepohodlnou částí je top-down stránka, kterou téměř mimochodem zmiňuje, protože nahrávání je také kontrolním nástrojem pro vedení a „un-shipping“ je dražší než „shipping“. Nejupřímnějším postojem je: přistupujte ke každé schůzce jako k e-mailu, který by mohl skončit u soudu, a vědomě rozhodněte, které prostory se explicitně nenahrávají. Tento mantinel lze stanovit tento týden, ne až po dalším governance workshopu.

Mohou se technologické koncerny naučit milovat levné modely AI?

Boom AI byl postaven na jednoduchém předpokladu: větší modely jsou výkonnější a ty nejvýkonnější vyhrávají. Nyní se tento předpoklad hroutí, protože přichází účtování za tokeny a vysychají investorské dotace. Spoluzakladatel Coinbase Brian Armstrong předpovídá, že během 12 až 18 měsíců bude 80 procent všech pracovních zátěží běžet na o 99 procent levnějších modelech, zatímco pouze 20 procent bude vyžadovat nejnovější generaci. První testy to potvrzují: právnická AI Harvey spolu s inferenční platformou Fireworks AI snížila své náklady třikrát, aniž by ztratila na kvalitě, tím, že zkombinovala Claude Opus s GLM 5.1 od Fireworks a Opus používala jen pro nejnáročnější úkoly. Skutečná dělicí čára přitom nevede mezi proprietárními a otevřenými modely, ale mezi velkými a malými. Kdyby se Armstrongova prognóza naplnila, změnila by se ekonomika celého odvětví a velká část úspor by šla přímo z kapes OpenAI a Anthropic, a to zrovna na jejich cestě k IPO. → Techpresso

Synthszr Take: Děje se zde to samé, co jsme popsali na konci května u explodujících nákladů na tokeny, jen s tím rozdílem, že reflexní řetězec nyní probíhá celý. Dokud investoři dotovali inferenci, nebyl důvod volit jiný než nejsilnější model. To nebyla disciplína, ale pohodlnost na cizí účet. Zjištění Harvey je klíčové: pokud je systém správně postaven, malý model převezme většinu práce a drahý frontier model se spouští jen pro případy, které skutečně vyžadují úsudek. Právě toto rozdělení je kompetencí, která se počítá, totiž vědět, který dotaz snese o 99 procent levnější model a který ne. Jevonsův paradox bolest pro laboratoře trochu tlumí, protože levnější inteligence vyvolává větší poptávku; ale kdo trénuje frontier model za stovky milionů a pak sleduje, jak 80 procent pracovních zátěží odchází jinam, musí si to přepočítat. Disciplína ve výpočetním výkonu je od nynějška konkurenční výhodou a tu lze otestovat v příštím sprintu, ne až po IPO.

Kódování s AI zažívá boom, governance stále zaostává

Téměř každý vývojářský tým dnes používá při programování asistenty s umělou inteligencí, ale jen menšina má stanovena pravidla, jak je používat. Ukazuje to průzkum mezi 831 softwarovými inženýry a DevOps profesionály, který v březnu 2026 provedla společnost UserEvidence pro Black Duck: 97 procent aktivně používá nástroje, ale pouze 30 procent má pro ně plně regulovaný proces dohledu. Vede GitHub Copilot s 83 procenty, následuje Claude Code s 63 procenty, přičemž většina týmů používá několik asistentů souběžně. Přínos je měřitelný: 92 procent hlásí rychlejší vydávání verzí, v průměru o osm hodin týdně na vývojáře. Háček přichází poté. Devět z deseti týmů se v pracovním postupu potýká s problémy s kódem generovaným AI, přičemž tření se projevuje při manuální revizi (52 procent), bezpečnostním testování (51 procent) a přepracování (48 procent). Tam, kde je governance plně zavedena, hlásí 90 procent velký nárůst efektivity, oproti 44 procentům u týmů bez jasných pravidel. → AI Secret

Synthszr Take: Tato čísla přesně potvrzují to, co bylo popsáno v Code Crash: modely už nejsou problém, rozhoduje řetězec nástrojů kolem nich. 97 procent adopce a 30 procent governance, to je nůžky, ve kterých se slibovaná produktivita vytrácí. Zajímavé je rozdělení: týmy s plnou governance dosahují 90% nárůstu efektivity, ty bez ní 44 %. Kdo si tedy myslí, že pravidla brzdí, četl studii obráceně. Začlenit bezpečnost brzy do pipeline, SAST skeny při každém committu, lidská kontrola u autentizace a plateb, to stojí jeden den nastavení oproti měsícům škod po incidentu. Skutečnost, že 86 procent chce AI agenta pro kontrolu kódu a přesto 84 procent si ponechává člověka ve smyčce, ukazuje správný postoj: dirigovat, ne jen mávnout rukou. Kdo si nyní nastaví mantinely, skutečně si těch osm hodin týdně přinese domů, místo aby je znovu ztratil na QA a AppSec.