Nový Pro model od Googlu má zpoždění, čekání má překlenout sleva na Gemini 3.7 Flash

Google odvádí pozornost od chybějícího modelu Pro časově omezenou slevou na Gemini 3.7 Flash

Společnost Google ve čtvrtek vydala Gemini 3.7 Flash, model zaměřený na kódování a agentní pracovní postupy, který nahrazuje teprve tři týdny starou verzi 3.6 Flash. Jak informují agentury Reuters a Axios, společnost přitom neuvedla žádné datum vydání vlajkového modelu Gemini 3.5 Pro, který je ohlašován již několik měsíců. V červenci Google uvedl, že 3.5 Pro je testován s partnery a bude k dispozici „brzy“; podle serveru Ars Technica byl na konferenci Google I/O v květnu jako termín spuštění ještě zmiňován červen. Google zdůvodňuje krátký cyklus zpětnou vazbou od vývojářů a algoritmickými vylepšeními.

Do konce roku 2026 bude Gemini 3.7 Flash stát 0,75 dolaru za milion vstupních tokenů a 3,75 dolaru za milion výstupních tokenů, což je polovina původní zaváděcí ceny modelu 3.6 Flash. Od 1. ledna 2027 se sazby zvýší na 1,50 a 7,50 dolaru. Podle The New Stack Google tuto slevu uplatňoval na 3.6 Flash také až do 31. prosince.

Technicky model nabízí tři úrovně thinking_level (low, medium, high), přičemž medium je standardní; nižší úrovně jsou zaměřeny na aplikace citlivé na latenci, high na složité úkoly v oblasti kódování, matematiky a plánování. O skutečných nákladech na Inference tak rozhoduje spotřeba tokenů v celém cyklu agenta. Model 3.7 Flash je k dispozici v AI Studio, Android Studio, Google Antigravity, na platformě Gemini Enterprise Agent a pro koncové uživatele prostřednictvím agenta Spark pro předplatitele AI Pro a Ultra ve více než 160 zemích. Podle poskytovatele byly také aktualizovány ochranné mechanismy proti zneužití v oblastech CBRN a kybernetických útoků.

Spuštění přichází v neklidné době pro Google DeepMind. Minulý týden předal Demis Hassabis vedení svému zástupci Koray Kavukcuogluovi a současně dva původní techničtí spoluvedoucí projektu Gemini opustili společnost, aby založili vlastní startup. Agentura Reuters navíc informovala, že spoluzakladatel Sergey Brin naléhal na klíčové pracovníky v oblasti AI, aby vsadili vše na Gemini. Sundar Pichai na červencové konferenci k finančním výsledkům odmítl kritiku ohledně zpoždění vlajkového modelu. → VentureBeat, The New Stack, Google, Thurrott, Quartz, Finimize, Bloomberg, Business Standard, 9to5Google, Ars Technica

Synthszr Take: 65,3 procenta v DeepSWE, skok ze 49, to je číslo, které právě koluje vývojářskými kanály a rozhoduje o výběru modelu. Druhé číslo je napsáno malým písmem a není sdíleno na žádném snímku obrazovky s benchmarky: 1. ledna 2027 Google zdvojnásobí sazby na 1,50 a 7,50 dolaru za milion tokenů, a to nejhůře zasáhne právě ty týmy, které nyní modelu nastavují thinking_level high, aby skutečně řešil složité případy. Agent, který na jeden úkol spálí deset volání nástrojů a spoustu kontextu, vypadá v srpnu jako výhodná koupě a v lednu jako rozpočtová položka, se kterou nikdo nepočítal. Rozumná reakce je nenápadná: propočítat náklady na splněný úkol se sazbou pro rok 2027, nikoli se zaváděcí cenou, a volání modelu udržovat za konfigurací, kterou lze změnit bez refaktoringu.

OpenAI přidává do GPT-5.6 Sol režim Ultrafast s rychlostí 750 tokenů za sekundu

OpenAI zveřejnila nový provozní režim s názvem Ultrafast, který podle společnosti umožňuje současnému špičkovému modelu GPT-5.6 Sol běžet 14krát rychleji než při standardním zpracování. Konkrétně OpenAI uvádí až 750 výstupních Token za sekundu. Ve čtvrtečním blogovém příspěvku společnost píše, že rychlost v reálném čase dosud většinou znamenala přechod na menší nebo specializovaný model. Technicky režim funguje díky partnerství OpenAI s výrobcem čipů Cerebras. Režim Ultrafast je v současné době k dispozici jako preview a je zpřístupněn pouze malé skupině zákazníků. OpenAI oznamuje, že přístup rozšíří, jakmile se zvýší kapacita. Cena za tento režim není v oznámení uvedena. → TechCrunch

Synthszr Take: 750 tokenů za sekundu zní jako funkce, ale je to otázka rozpočtu. Rychlost se platí výpočetním výkonem a kapacita Cerebras je zjevně omezená, jinak by OpenAI nemusela omezovat preview na malou skupinu zákazníků. Jediné číslo, které v oznámení chybí, je cena za token v tomto režimu, a bez něj je každá kalkulace věštěním z křišťálové koule. Pevný limit tokenů na jeden běh a metrika „náklady na vyřešený ticket“ místo „tokenů za sekundu“ patří do nastavení ještě před spuštěním prvního úkolu v režimu Ultrafast. U reakce na incidenty, kde ušetřená minuta znamená skutečné peníze, se příplatek pravděpodobně vyplatí okamžitě; u dávek v zákaznickém servisu bude otázka zajímavá až tehdy, když OpenAI dodá ceník.

DeepSeek uvolňuje V4 Pro a drží cenu na 43,5 centu za milion tokenů

DeepSeek převedl svůj vlajkový model V4 Pro z fáze preview do obecné dostupnosti, aniž by zvýšil ceny. Jedno volání nadále stojí 0,435 dolaru za milion vstupních tokenů a 0,87 dolaru za milion výstupních tokenů, což je podle The Code zlomek ceny za Fable 5. Model pracuje s kontextovým oknem o velikosti jednoho milionu tokenů a podporuje "Tool Calling, takže jej lze přímo integrovat do stávajících agentních pipeline. V oblasti agentního kódování je V4 Pro podle poskytovatele stále mírně za modelem Fable 5. → The Code

Synthszr Take: Skutečnou událostí je, že při přechodu z verze Preview na General Availability se cena nezvýšila. Obvyklý by byl opak: levná verze Preview, dražší GA, jakmile si zákazníci vybudují své pipeline. DeepSeek se tohoto příplatku vzdává a stanovuje tak 43,5 centu jako cenové dno pro kódování blízké úrovni frontier modelů. Pro každého menšího poskytovatele, jehož obchodní model je postaven na přirážce několika dolarů za milion tokenů, je to nepříjemná matematika, protože při čtvrtině sazby za Grok a zlomku sazby za Fable 5 už nezbývá prostor pro tvrzení „jsme levná alternativa“. Zůstávají důvody, které nesouvisí s cenou za token: evropský hosting, ověřená data z domén, záruky latence, odpovědnost za škodu.

Americká tajná služba požaduje digitální rodné listy pro agenty AI

Doug Cossa, Chief Information Officer zpravodajské komunity USA v Úřadu ředitele národních zpravodajských služeb, na konferenci DoDIIS pořádané agenturou Defense Intelligence Agency požadoval jednotný systém identity pro agenty AI. Podle vystoupení, o kterém informoval server Breaking Defense a které převzal portál PYMNTS, staví agentní umělá inteligence princip "Zero Trust na hlavu: místo minimálního přidělování práv dostane agent vše, co potřebuje k samostatné práci. Cossa tvrdí, že agenti stejně jako uživatelé a zařízení vyžadují, ukládají a zpracovávají data, a proto potřebují stejný základ identity. Tato identita by měla tvořit základ pro rozhodování o tom, co agent vůbec smí dělat. Meziagenturní systém pro zjišťování a kontrolu identity autonomních botů podle něj dosud neexistuje.

Synthszr Take: Odpovědnost za škodu vyžaduje adresáta, a toho v současnosti neposkytuje téměř žádná architektura agentů. V praxi běží agent pod přístupem zaměstnance nebo sdíleným servisním účtem, a když se něco pokazí, v protokolu se objeví identifikátor, za kterým stojí dva týmy, jeden poskytovatel a zapomenutý skript. Cossův požadavek na společný systém identity je v podstatě otázkou důkazů: bez identity není přiřazení, bez přiřazení není odpovědnost. Uklidňující myšlenka, že na konci vždy ručí člověk, platí jen do chvíle, než jeden agent spustí druhého agenta a předá mu svá práva, aniž by bylo kdekoli zdokumentováno, na čí příkaz se tak stalo. Nyní je důležitý vlastní oprávnění-principal pro každého agenta, s datem vypršení platnosti, jmenovaným zadavatelem a protokolem, který umožňuje zpětně vysledovat celý řetězec.

Addy Osmani: Automatizované mantinely nahrazují code review u AI agentů

Addy Osmani ve svém Substack newsletteru tvrdí, že klasické code review u AI agentů naráží na své limity, protože vzniká prostě příliš mnoho kódu, než aby ho mohl někdo přečíst. Kontrola kvality se proto přesouvá do Agent Harness, do prostředí a do operačního systému kolem agenta. Omezení (constraints) tam definují, co systém vůbec smí dělat: testy a deterministické kontroly běží proti každému návrhu agenta, než je schválen. Osmani popisuje scénáře, ve kterých agenti generují statisíce až miliony změn denně, a trvá na tom, že pouze takové smyčky spolehlivě dodávají software připravený pro produkční nasazení. → Substack

Synthszr Take: Dvě revize, tři odpovědi, stejný kus kódu. To je skutečná zpráva v této debatě a vyvrací myšlenku, že by bylo možné lidského recenzenta jednoduše nahradit druhým agentem. Merge nesmí záviset na rozhodnutí, které se při dalším průběhu změní, takže kontrolní instance musí být deterministická: testy, typy, smluvní kontroly, reprodukovatelné buildy, tvrdé gates na každém committu. Tím se nejdražší práce ve vývojovém týmu přesouvá od čtení k budování kontrolních mechanismů, a právě tato práce byla deset let považována za nákladovou položku, která se při dalším kole úspor škrtá. Když agenti produkují statisíce změn denně, je testovací infrastruktura místem, kde se rychlost vůbec stává využitelnou; bez ní zůstává jakékoli zrychlení jen nadějí, kterou bude nutné řešit až za provozu.

DeepSeek Harness (dsh) je nyní open source

Společnost DeepSeek ve čtvrtek zveřejnila DeepSeek Harness (dsh) jako open source, běhové prostředí pro kódovací agenty založené na Node.js pod licencí MIT. Podle The New Stack nasbíral repozitář na GitHubu během několika hodin přes 33 000 hvězdiček a již se tvoří katalog komunitních pluginů. Projekt je výslovně označen jako Developer Preview; v souboru README DeepSeek oznamuje změny, které naruší zpětnou kompatibilitu. Webové rozhraní se spouští příkazem npx @deepseek-ai/dsh web na portu 3080. Architektonicky se Agent Harness řídí principem, že vše je plugin, a tým to myslí doslova: adaptéry modelů, registr nástrojů, záznamy o sezeních i samotná smyčka agenta jsou vyměnitelné pluginy. Dokumentace hovoří o systému bez privilegovaného jádra, které by bylo nutné patchovat. Základem je Cordis, meta-framework pro dynamickou kompozici, jehož návrh je popsán v článku tří výzkumníků z Pekingské univerzity a společnosti DeepSeek. → The New Stack, GitHub

Synthszr Take: To, co model vidí, musí být rekonstruovatelné z jediného toku událostí (event stream). Tím se sledovatelnost stává konstrukčním pravidlem a funkce jako resume, fork a replay vznikají jako vedlejší produkt. Odvrácená strana je také zřejmá z repozitáře: 33 000 hvězdiček během několika hodin, rychle rostoucí katalog pluginů třetích stran a status preview, který avizuje zásadní změny (breaking changes). Před jakýmkoli produkčním nasazením je třeba vyjasnit, které pluginy jsou ve smyčce, kdo je spravuje a zda je tok událostí bez mezer. Landlock a Seatbelt chrání souborový systém, ale nechrání dodavatelský řetězec pluginů.

Apple chce vydavatelům platit za každé vyhledání přes Siri, nikoli paušální licencí

Podle zprávy deníku Wall Street Journal jedná Apple s vydavateli o placení za použití aktuálního zpravodajského obsahu v přepracované Siri. Místo v oboru obvyklé paušální licence, která pokrývá široký přístup k archivu, Apple navrhl model založený na využití: platba proběhne pokaždé, když Siri použije materiál od vydavatele. Pro tyto platby Apple podle zprávy zvažuje rozpočet v řádu stovek milionů dolarů. → Techpresso

Synthszr Take: S modelem plateb za jednotlivá použití získává aktuálnost poprvé jednotkovou cenu, která bude platit pro celý trh. Dosud vydavatelé inkasovali paušály, které se dobře vyjímaly v ročních plánech a zakrývaly skutečnou hodnotu využití. Rozpočet v řádu stovek milionů dolarů zní jako hodně, ale rozděluje se na každé jednotlivé použití a Apple bude po šesti měsících provozu přesně vědět, který zdroj se používá jak často a který nikdy. Každý poskytovatel asistenta si tak bude v budoucnu kupovat čerstvost jako výpočetní čas: variabilně, měřitelně a s možností vyjednávat o snížení ceny. Pro vydavatele to znamená, že odměna se váže na poptávku, nikoli na značku, a v širším měřítku na tom vydělá jen málokdo.

Němečtí výzkumníci našli API klíče v lozích agentů

Výzkumný tým z Německa dekódoval 315 320 zašifrovaných Reasoning Blocks z 6 708 veřejně sdílených trajektorií agentů a našel v nich soukromá data, která se v viditelných historiích chatu neobjevila. Trajektorie pocházely z GitHubu a Hugging Face, dotčena byla komerční rozhraní společností Anthropic, OpenAI a Google. Základem je preprint z 10. srpna 2026, na kterém se podílel mimo jiné Alexander Panfilov z ELLIS Institute Tübingen a Institutu Maxe Plancka pro inteligentní systémy. Metoda neprolomila žádné šifrování: neporušený blok byl předložen kompatibilnímu, slaběji chráněnému modelu stejného poskytovatele, který jej přijal jako předchozí myšlenkové kroky a na požádání jej přepsal. Přípravnou práci k tomu odvedl kryptograf Matthew Green z Johns Hopkins University, který v květnu 2026 ukázal, že takové bloky lze znovu použít napříč sezeními a účty. → Marcus Schuler

Synthszr Take: V každém vývojářském týmu kolují logy agentů jako screenshoty: rychle se vloží do issue, commitnou se do repa, nahrají se na Hugging Face jako dataset, aby někdo mohl chybu reprodukovat. Přesně z toho výzkumníci sesbírali 6 708 trajektorií a ve 328 sezeních, tedy ve 4,9 % vzorku, se skrývalo alespoň jedno skutečné tajemství. Skutečně nepříjemným údajem je 64 artefaktů, které se nacházely pouze ve skrytém reasoningu: model při čištění konverzace odstranil hesla z čitelného textu, ale nechal je v zašifrované příloze, kterou nikdo nemůže zkontrolovat. Tím pádem je jakákoli vizuální kontrola před sdílením zbytečná a obvyklé skenery tajemství (secret scanners) v commit hooku také nefungují, protože blok vidí jako binární šum. Patch od poskytovatelů sice odstraňuje jeden vektor útoku, ale logy zůstávají dál veřejně na internetu a platnost klíčů časem nevyprší.

Téměř autonomní AI útok na tchajwanskou vládu: uniklo 2 500 osobních záznamů

Útočníci, pravděpodobně z Číny, kompromitovali pomocí volně dostupných AI modelů tchajwanský vládní úřad a odcizili přes 2 500 osobních záznamů. Uvádí to izraelská bezpečnostní firma Dream v blogovém příspěvku zveřejněném ve středu, o kterém jako první informoval deník Financial Times. Podle společnosti Dream se jedná o „Multi-Agenten-System“, který je postaven na open-source-frameworcích Hermes a OpenClaw a podle výzkumníků byl nakonfigurován tak, že se dokázal uprostřed operace přizpůsobit bez lidského zásahu. Firma popisuje takzvané „learning cycles“, v nichž systém samostatně prohledává databáze zranitelností, repozitáře na GitHubu a bezpečnostní publikace a hledá vhodné techniky pro infrastrukturu cíle. Operace se neomezila pouze na původní cíl: podle Dreamu byly paralelně prohledávány IT dodavatelé vlády, úřad pro jadernou bezpečnost, vládní e-mailový systém a více než sedm energetických společností kvůli chybné konfiguraci a otevřeným administrátorským rozhraním. Bezpečnostní mechanismy modelů útočníci podle Dreamu obešli tak, že své dotazy deklarovali jako autorizovaný penetrační test. → Techpresso

Synthszr Take: Rozdíl mezi automatizovaným a autonomním lze určit v jednom bodě: v otázce, kdo rozhoduje o dalším kroku. Skenovací skript zpracovává seznam, který někdo předem napsal. Systém, který Dream odhalil, prioritizuje své cíle bayesovsky, po neúspěšných pokusech se sám opravuje a spouští vlastní vyhledávací cykly, pokud mu chybí potřebná technika. Přesně to stojí i ve vlastním hodnocení společnosti Dream a je to nejzajímavější část celé zprávy: pouhé spuštění modelu na to nestačí, je zapotřebí koordinace agentů a jemně vyladěná rozhodovací logika. Těch 1 400 souborů v otevřeném archivu je skutečným dílem, model je tou nejlevnější částí.