Trh s AI se dělí: Agenti, nebo infrastruktura

Kimi vs. Claude: Válka benchmarků skončila, začal boj o cenu

Tým Kilo Code postavil Kimi K2.6 proti Claude Opus 4.7: Oba modely musely naprogramovat stejný kód pro orchestraci workflow. Claude zvládl 31 testů bez chyb s jediným bugem, dosáhl 91 ze 100 bodů za 3,56 dolaru. Kimi prošel pouze 20 testy, vyprodukoval šest potvrzených chyb, získal 68 bodů – ale stál pouhých 67 centů, tedy 19 procent ceny modelu Claude. Propast mezi open-weight modely a proprietárními špičkovými modely se rychle zmenšuje: MiniMax M2.7 vykazuje podobné vzorce jako Opus 4.6. Pro prototypy a zkoumání designu již levnější alternativa dávno stačí. Tam, kde záleží na správnosti a přesnosti, si Claude stále drží náskok – prozatím. → Product Hunt Weekly

Synthszr Take: Kimi K2.6 proti Claude Opus 4.7 je jako Aldi proti lahůdkářství: 75 procent výkonu za 19 procent ceny definuje novou kategorii. Odvětví AI kopíruje vzorec fotoaparátů v chytrých telefonech: vlajkové lodě zůstávají technologickou špičkou, ale střední třída stačí na 90 procent případů použití. Vývojáři již využívají hybridní pracovní postupy – levné modely pro revize kódu a přípravné práce, drahé pouze pro finální implementaci. Tyto cenové nůžky si vynucují dělbu práce, která připomíná logiku staveniště: pomocní dělníci (Kimi) připravují, specialisté (Claude) dokončují. Skutečná disrupce nespočívá v kvalitě, ale v poměru cena/výkon: když „dostatečně dobré“ stojí jen centy, stává se dokonalost luxusním zbožím.

Redukce na maximum: Nvidia vydává Arctic Embed 2.0

Nvidia představuje s Arctic Embed 2.0 a Arctic Embed Multimodal 1.0 nové open-source modely, které při výrazně menší velikosti dosahují nebo překonávají výkon zavedených systémů. Arctic Embed 2.0 s pouhými 568 miliony parametrů vede žebříček MTEB pro textové embeddingy a poráží tak modely, které jsou čtyřikrát až sedmkrát větší. Multimodální model Arctic Embed MM 1.0 zpracovává s 1,4 miliardami parametrů text i obrázky a dosahuje v úlohách vision-language state-of-the-art výsledků. Modely jsou dostupné pod licencí Apache-2.0 a byly speciálně optimalizovány pro Retrieval-Augmented Generation (RAG). Nvidia zdůrazňuje efektivitu: Arctic Embed 2.0 běží na běžném spotřebitelském hardwaru a vyžaduje méně než 1 GB úložného prostoru. → Teng Yan | Chain of Thought

Synthszr Take: Nvidia ukazuje, co se stane, když se výrobci hardwaru stanou svými vlastními zákazníky: radikálně optimalizují na efektivitu místo na velikost. Modely Arctic se řídí principem enzymové katalýzy v biochemii – minimální struktura s maximálním účinkem. Zatímco OpenAI a Anthropic v závodě o biliony parametrů přivádějí datová centra do varu, Nvidia ukazuje, že skutečná páka spočívá v architektuře, nikoli v pouhé mase. 568 milionů parametrů, které porážejí miliardové modely – to je jako by kluzák předjel jumbo jet. Strategický tah: Nvidia demokratizuje nejen využití, ale i trénování modelů AI a stává se tak nepostradatelnou pro další vlnu AI startupů, které chtějí vyvíjet na spotřebitelském hardwaru.

Sbohem dodatečným úpravám: přicházejí základní modely nativní pro agenty

Tým GLM-V z Číny představil s AutoGLM základní model (foundation model), který byl od základu vyvinut pro aplikace agentů. Na rozdíl od dosavadních přístupů, které stávající chatovací modely dodatečně přizpůsobují pro autonomní úkoly, integruje AutoGLM speciální schopnosti přímo do architektury modelu: webová navigace, ovládání GUI a volání funkcí nejsou dodatečné vlastnosti, ale klíčové kompetence. Model na benchmarcích jako WebArena a OSWorld vykazuje state-of-the-art výkon při současně výrazně menší velikosti než GPT-4o nebo Claude-3.5. Obzvláště pozoruhodné je, že AutoGLM dokáže samostatně provádět složité úkoly, jako je online nakupování nebo obsluha softwaru, bez dalších frameworků. Vývojáři hovoří o „agent-native approach“, který na úrovni modelu ruší dosavadní oddělení mezi uvažováním (reasoning) a akcí (action). → TheSequence

Synthszr Take: AutoGLM značí přechod od dodatečně upravovaných (retrofitted) k účelově stavěným (purpose-built) řešením ve vývoji AI. Stejně jako smartphony kdysi nebyly jen telefony s internetem, ale vytvořily novou kategorii zařízení, vznikají nyní modely, které chápou schopnosti agentů jako princip návrhu. Čínský tým přitom využívá výhodu, kterou západní laboratoře kvůli své fixaci na chaty promarnily: nemusí při dalším vývoji myslet na miliardy uživatelů. Zatímco OpenAI a Anthropic se vyčerpávají mezi očekáváními chatbotů a ambicemi agentů, GLM lze radikálně optimalizovat na autonomii. Skutečná inovace nespočívá ve výkonu (i když 9B parametrů proti 200B je působivé), ale ve změně paradigmatu: agenti již nejsou aplikací jazykových modelů, ale jazykové modely se stávají komponentami agentů.

OpenAI je ve strategické pasti

OpenAI čelí existenčním otázkám: již žádná jedinečná technologie, velká uživatelská základna bez skutečné vazby nebo síťových efektů a zavedení technologičtí giganti nejenže technologicky dohnali náskok, ale využívají i svou stávající produktovou a distribuční infrastrukturu. Microsoft se postupně odpoutává od exkluzivního partnerství a OpenAI poskytuje pouze předkupní právo na hostingové kapacity, zatímco Amazon okamžitě nabízí ChatGPT API přes AWS. Celé odvětví právě prochází brutální cenovou korekcí: Anthropic a další poskytovatelé přecházejí z paušálních modelů na poplatky podle využití, protože kódování pomocí agentů (agentic coding) zvyšuje spotřebu tokenů o celé řády. Podle WSJ OpenAI nesplnilo interní cíle v oblasti tržeb a růstu, zatímco Anthropic a Gemini od Googlu získávají podíl na trhu. Velké technologické společnosti plánují v roce 2026 dohromady utratit 700 miliard dolarů za datová centra, zatímco 10% propad akcií Mety ukazuje, že investoři jsou u čistých investic do AI bez cloudového byznysu skeptičtí. → Benedict Evans

Synthszr Take: OpenAI právě zažívá to, co Netscape v roce 1998: technologický průkopnický výkon se stává komoditou, zatímco byznys přebírají vlastníci infrastruktury. Základní modely (Foundation Models) se řídí vzorem elektrických sítí na počátku 20. století: nejprve si každá továrna postavila vlastní elektrárnu, později převzali otěže centrální dodavatelé s lepší škálovatelností. Problém OpenAI je zásadnější než nedostatek kapacity GPU nebo cenový tlak. Společnost nevybudovala platformu, ale pouze produkt, a v historii technologií platformy vždy vítězí nad produkty, jakmile se technologie standardizuje. Ironií je, že OpenAI by mohlo skončit jako tréninkový partner pro všechny ostatní, kteří jeho modely využívají ke zlepšení těch svých.

Zásoba zakázek hyperscalerů stále roste

Velké technologické koncerny Amazon, Microsoft a Google sedí na zásobě zakázek pro své cloudové služby v hodnotě téměř 1,5 bilionu dolarů. Jen za posledních šest měsíců přibylo 701 miliard dolarů v nových, smluvně závazných dohodách se zákazníky. Amazon Web Services v posledním čtvrtletí vzrostl o 28 procent – což je nejvyšší tempo růstu za téměř čtyři roky. Co tato čísla pohání: každé kliknutí na „Explain my Answer“ v Duolingo Max stojí méně než desetinu centu, ale vynásobeno miliony uživatelů a tisíci firem vzniká trh, jehož rozměry překonávají všechny prognózy. Amazon přitom díky vlastním čipům Trainium ušetří „desítky miliard dolarů“ ročně a získává si tak maržový náskok několika set bazických bodů oproti konkurentům, kteří jsou závislí na externích dodavatelích čipů. → Fiscal.ai

Synthszr Take: Backlog hyperscalerů v hodnotě 1,5 bilionu dolarů připomíná vznik železniční sítě v 19. století: nikdo neplánoval kontinentální systém, ale rozhodnutí o místních tratích vytvořila síť, která natrvalo změnila hospodářskou geografii. Každá společnost, která dnes podepíše smlouvu na cloudové služby, pokládá další kolejnici v této nové infrastrukturní síti. Ironií je, že zatímco OpenAI a Anthropic staví velkolepé modely, Amazon, Microsoft a Google vydělávají stabilní peníze na neviditelném výpočetním výkonu v pozadí. Strategie Trainium od Amazonu ukazuje, kde leží skutečná moc: ne v algoritmech, ale v hardwarové suverenitě. Kdo si staví vlastní čipy, určuje marže celé éry AI.

AI jako tvůrce problémů, nejen jako jejich řešitel: Začíná další cyklus benchmarků

Vědci vyvinuli nový benchmark MathDuels, který nechává jazykové modely nejen řešit matematické úlohy, ale také je samotné vytvářet. Systém funguje jako turnaj: každý z 19 testovaných špičkových modelů (frontier models) musí jak generovat úlohy, tak řešit problémy všech ostatních účastníků. Tvorba úloh probíhá prostřednictvím třístupňového procesu (meta-prompting, generování problému a zvyšování obtížnosti), přičemž nezávislý ověřovatel vyřazuje špatně zadané otázky. Raschův model současně vypočítává obtížnost řešení i problémů; kvalita autora se odvíjí od obtížnosti vytvořených úloh. Výsledek: tvorba a řešení problémů jsou částečně oddělené schopnosti a dvojí role odhaluje rozdíly ve výkonu, které u tradičních benchmarků zůstávají skryté. Pointa: když přibudou nové modely, řeší úkoly, na kterých dříve dominantní řešitelé selhali – obtížnost benchmarku se vyvíjí se silou účastníků, místo aby stagnovala na pevně dané horní hranici. → arxiv.org

Synthszr Take: MathDuels řeší problém saturace benchmarků pomocí principu z teorie her: ten, kdo rozlouskne nejtěžší oříšky, nemusí nutně umět ty nejtěžší oříšky vytvářet. To připomíná šachové motory, které hrají brilantně, ale neskládají dobré šachové problémy – nebo filmové kritiky, kteří píší skvělé analýzy, aniž by sami uměli napsat scénář. Oddělení autorských a řešitelských schopností ukazuje, že naše modely jsou specializovanější, než jsme si mysleli: některé chápou strukturu matematických problémů tak hluboce, že dokáží konstruovat nové výzvy, jiné jsou virtuózy v rozpoznávání vzorů (pattern-matching) existujících řešení. Když benchmarky rostou s modely, místo aby se saturovaly, posouvá se otázka z „Kdy dosáhneme lidské úrovně?“ na „Jaké nové problémové prostory pro nás mohou stroje otevřít?“. Skutečná inovace nespočívá v tom, že stroje projdou našimi testy, ale v tom, že začínají psát testy samy.

Lidská práce jako symbol statusu: Starbucks ukazuje, co přijde

CEO Starbucksu Brian Niccol stahuje kávovary z poboček a znovu najímá více baristů. Ručně psané vzkazy na kelímcích a keramické šálky místo papírových zvyšují spokojenost zákazníků, ne dokonalá automatizace. Ekonom z University of Chicago, Alex Imas, v tom vidí předzvěst zásadního posunu: když AI vše zlevní, stane se lidská účast vzácným statkem. Ve svých experimentech lidé platili dvojnásobek za identické produkty, když věděli, že ostatní byli vyloučeni. Umění generované AI získalo jen poloviční prémii za exkluzivitu než umění vytvořené člověkem (21 % vs. 44 %). Vzniká „relační sektor“, kde se člověk sám stává součástí produktu: učitelé, zdravotní sestry, terapeuti, řemeslní sládci, živá vystoupení. → The Neuron

Synthszr Take: Imas poskytl nejčistší odpověď na otázku „Které profese přežijí AGI?“, ale jeho analogie se Spotify ukazuje problém. 80 nejlepších umělců generuje každý přes 10 milionů dolarů ročně; umělec na 100 000. místě vydělává 7 300 dolarů a 86 % veškeré hudby bylo v roce 2025 demonetizováno. Relační sektor bude pravděpodobně fungovat stejně: pár brilantních řemeslníků a učitelů vydělá jmění, zbytek bude soutěžit na platformách, které si ukrojí jejich marže. Historická paralela nutí k zamyšlení: když se podíl zemědělství na zaměstnanosti snížil ze 40 % na 2 %, nikdo hlady nezemřel, ale rozdělení příjmů se dramaticky změnilo. Lidská přítomnost se stane luxusním zbožím – jako ručně vyráběné švýcarské hodinky v éře chytrých hodinek.

Iniciativa vítězí nad dovednostmi: Psychologický posun v každodenní práci s AI

Max Schoening, Head of Product ve společnosti Notion, zastává provokativní tezi: v éře AI už nezáleží na tom, co umíte, ale zda si troufnete. Jeho pozorování v Notionu ukazuje, že designéři a produktoví manažeři, kteří jsou ochotni experimentovat, najednou píší kód a staví prototypy v terminálu. Prvních 10 % každého projektu je nyní „zdarma“, říká Schoening – AI převezme základní strukturu, lidé musí mít jen odvahu s ní pracovat. Mluví o fenoménu „vibe-coding“: produkuje se více softwaru, ale ne nutně lepšího. Propast v kvalitě vzniká, protože mnozí vidí AI jako zkratku, nikoli jako nástroj pro promyšlenější produkty. Přístup Notionu „drive it like it’s stolen“ znamená: jednejte rychle, než vás přepadne strach. → Lenny’s Newsletter

Synthszr Take: Schoening vidí symptom – a stanovuje špatnou diagnózu. Nejde o odvahu. Jde o to, že se posunulo úzké hrdlo. Dokud byl kód drahý, byl limitujícím faktorem náklad: kdo se ho bál, nic nepostavil. Nyní se výrobní náklady zhroutily a zviditelnilo se to, co bylo dříve skryto pod náklady na produkci kódu – otázka záměru (intent). Co stavíme, proč, pro koho, s jakou hypotézou? „Vibe Coding“ proto není nová praxe, ale přechodný jev: staří strážci (dovednosti, náklady, technická překážka) padli, noví (jasnost, úsudek, záměr) ještě nejsou zavedeni. Schoeningovo „drive it like it’s stolen“ funguje v první fázi. Druhá fáze odděluje ty, kteří vědí, kam jedou, od těch, kteří jen jedou. Iniciativa (agency) neznamená odvážit se – to bylo včera. Iniciativa znamená vědět, co vlastně chcete, než vyrazíte („více zde v knize“).