Japonsko spouští alternativu Fable — EU ji blokuje

Japonsko kontruje mýtu Claude s Fugu — ale bez Evropy

Sakana, AI startup zaměřený stále více na podniky od bývalého člena Google Brain Davida Ha, včera večer spustil Fugu: multiagentní orchestrační systém, který poskytuje špičkový výkon (frontier-performance) prostřednictvím jediného API kompatibilního s OpenAI. Místo sázky na jediný monolitický model Fugu (japonsky čtverzubec) dynamicky směruje dotazy na vyměnitelný fond specializovaných agentů. Načasování není náhodné: 12. června Anthropic na základě amerického nařízení o kontrole vývozu omezil veřejný přístup ke svým špičkovým modelům Claude Mythos 5 a Fable 5. V benchmarcích Fugu vede: 93,2 na LiveCodeBench proti 89,8 Fable a 95,5 na GPQA-Diamond. Ceny jsou vysoké: Fugu Ultra začíná na 5 dolarech za milion vstupních tokenů a 30 dolarech za milion výstupních tokenů. Pikantní je, že které modely Fugu interně vybírá, zůstává proprietární a uživateli skryté, a v EU služba kvůli otevřeným otázkám GDPR zatím vůbec neběží. → venturebeat.com

Synthszr Take: 12. června Anthropic vypnul Claude Mythos 5 a Fable 5 mimo USA. O tři dny později přichází z Tokia systém, který ho v benchmarcích předstihuje. To by nás v Evropě mělo přimět k zamyšlení, a to ze správného důvodu. Sakana dodala to, co Mistral & Co. nedokázali. Mluvíme o suverenitě, zakládáme konsorcia, píšeme strategické dokumenty. David Ha si přečetl rozhodnutí o exportu a do mezery na trhu postavil hotový produkt. Fugu dosahuje 93,2 na LiveCodeBench proti 89,8 Fable. To není jen oznámení. To už běží. A co dělá EU? Službu zablokuje. Otevřené otázky GDPR, v Evropě Fugu prozatím vůbec nespustí. Právě jsme naživo zažili, jak rychle může americký poskytovatel utáhnout kohoutky. Ve stejný okamžik dodává spřátelená země první skutečnou alternativu a Brusel ji na hranicích odmítá. To je strategicky hloupé.

Japonsko a Evropa jsou na stejné lodi. Obě jsou závislé na amerických modelech, ani jedna nemá vlastní špičkový stack (frontier-stack), obě jen přihlížejí závodům mezi Washingtonem a Pekingem. Z toho vyplývá logický krok: volat, ne blokovat. Společné standardy, společný trh, druhý pól, který nesídlí v Kalifornii. Chytrá aliance se Sakana by byla prvním skutečným tahem, který by Evropa v této věci vůbec udělala. Fugu přitom není žádný svatoušek. Logika směrování zůstává černou skříňkou, uživatel nevidí, který model za jeho dotazem pracuje, a 30 dolarů za milion výstupních tokenů je hodně za vrstvu, která pouze koordinuje. Sakana se chrání proti závislosti na dodavateli (vendor lock-in) tím, že se sama stává strážcem brány (gatekeeper). A právě o tom je třeba jednat. Ale jednat může jen ten, kdo sedí u stolu. Kdo chce suverenitu, musí ji chtít i tehdy, když je nepohodlná. Jinak Evropa zůstane trhem, který jen přihlíží, jak ostatní budují infrastrukturu, na které bude zítra závislá.

Exodus talentů z Googlu: Nositel Nobelovy ceny odchází do Anthropic

John Jumper po devíti letech opouští Google DeepMind a přechází do Anthropic. Jumper se podílel na vývoji AlphaFold, umělé inteligence pro předpovídání struktur proteinů, a za to spolu s Demisem Hassabisem získal Nobelovu cenu za chemii. Jeho odchod následuje jen pár dní po přestupu spoluvedoucího projektu Gemini, Noama Shazeera, do OpenAI – tedy dva prominentní mozky v jediném týdnu. Jumper si chce nejprve „dát pauzu“, než začne v Anthropic, přesně před vědeckou akcí plánovanou na 30. června. Naposledy měl v Googlu pracovat také na kódovacích nástrojích pro podnikovou sféru, oblasti, kde koncern zaostává za svými špičkovými rivaly. Poté, co modely Googlu v letech 2024 a 2025 stály na špici, se rok 2026 jeví jako krok zpět ve srovnání s OpenAI a Anthropic. Věda byla považována za doménu DeepMind a právě tam nyní zeje díra. → The Rundown AI

Synthszr Take: Talent je skutečným ochranným valem v byznysu s AI a Google ho právě ztrácí ve prospěch dvou firem, proti kterým soupeří. Jumper není jen tak ledajaký vědec; s AlphaFold dodal ten jeden ukázkový projekt, který povýšil DeepMind nad pouhé jazykové modely. To, že odchází zrovna do Anthropic, jehož tržby jsme na začátku března viděli směřovat k 20 miliardám dolarů, vypovídá více o gravitaci ocenění než o samotném Googlu. Koncern s takovou hloubkou výzkumu dokáže modely napodobit, ale nemůže si z regálu vytáhnout druhého nobelistu. Střízlivá otázka pro Sundara Pichaie zní, proč si nejlepší mozky raději vezmou akciové balíčky vysoce oceněného startupu než jistotu bilionového koncernu. Kdo na to odpoví jen větším výpočetním výkonem a vyšším platem, otázku nepochopil. Jde o pocit, že sedíte v nejrychleji jedoucím autě, a tento pocit Google za dvanáct měsíců prohrál.

Open-weight modely: „ChatGPT moment“ do kapsy

Poprvé je volně stažitelný model s licencí MIT na stejné úrovni jako nejdražší uzavřené systémy. Řeč je o GLM-5.2 od Zhipu AI (Z.ai), který nadchl řadu vývojářů: Matt Velloso, bývalý viceprezident společností Meta, DeepMind a Microsoft, ho nazývá „prvním open-source modelem, který lze používat jako daily driver“. Jeremy Howard, spoluzakladatel Fast AI, ho staví na roveň Opus 4.8 a GPT-5.5. Čísla tento humbuk podporují: kontextové okno o velikosti jednoho milionu tokenů, které pojme celou kódovou bázi najednou, první místo v nezávislých žebříčcích open-weight modelů a nejvyšší příčka za frontendové kódování na Arena AI. To vše běží na vlastním hardwaru, zdarma a pod permisivní licencí. Již v polovině června jsme zaznamenali, jak GLM-5.2 předstihl GPT-5.5 za zlomek ceny; nyní je rozdíl oproti táboru uzavřených zdrojů prakticky nulový. → Linas from Linas's Newsletter

Synthszr Take: Na konci května byl Anthropic ještě nespornou jedničkou s rekordním ohodnocením, nyní open-weight model z Číny poskytuje úroveň Opus 4.8 za zlomek provozních nákladů. Přesně to je Jevonsův paradox v akci: čím levnější je inference, tím více se jí spotřebovává, a hodnota se přesouvá od vah modelu k orchestraci. Fugu Ultra od Sakany to zviditelňuje, protože tam nevyhrává jeden obří model, ale chytrá koordinace specializovaných modelů za jedním API. V OH-SO-Vendor-Maps stojí od šestého kola věta, že volba orchestračního frameworku má delší poločas rozpadu než volba modelu, a GLM-5.2 to znovu potvrzuje. Kdo dnes svůj kódovací stack lepí výhradně na proprietárního poskytovatele, buduje si riziko závislosti (lock-in), které se za šest měsíců může pěkně prodražit. „Reasonable Sovereignty“ (rozumná suverenita) znamená: špičkový model jako standard, open-weight záloha jako GLM-5.2 nebo Llama vedle něj a logika v agnostickém frameworku jako LangGraph. Tuto architekturu lze nakonfigurovat v pilotním provozu, ne až po dalším strategickém offsite.

GLM-5.2 těsně před Kimi K2.7: Dva čínské open-source modely nově nastavují ceny na špičce trhu

GLM-5.2 od Zhipu AI a Kimi K2.7 Code od Moonshot, oba spuštěné v polovině června během několika dní, byly nyní přímo porovnány pěti nezávislými recenzenty a první verdikt staví GLM-5.2 o vlásek dopředu. Při rychlých jednorázových úkolech si oba modely vítězství střídaly, Kimi byl častěji rychlejší a bez vyzvání přidával další funkce. Rozdíl se ukázal až na druhý pohled: buildy od GLM lépe obstály při inspekci kódu, zatímco naleštěný povrch Kimi skrýval více chyb. GLM-5.2 má 744 miliard parametrů (40 miliard aktivních), licenci MIT, kontextové okno o velikosti milionu tokenů, vede Intelligence Index od Artificial Analysis s 51 body a porazil GPT-5.5 na GDPval. Kimi K2.7 Code je štíhlejší nástroj: jeden bilion parametrů, 32 miliard aktivních, jako jediný z obou čte obrázky, ale kontextové okno o velikosti zhruba 256 000 tokenů označilo několik recenzentů jako příliš malé pro produkční kód. U závodní hry v Three.js potřeboval GLM jeden prompt a 40 000 tokenů, Kimi potřeboval dodatečný pokyn a 110 000. A cena: GLM vyjde na zhruba 50 centů za úkol, Kimi začíná na 15 dolarech měsíčně. → Marcus Schuler

Synthszr Take: Pět subjektivních jednotlivých testů není benchmark, vzorec napříč všemi testy má větší váhu než každý jednotlivý test. Přesto je směr jasný: dva volně dostupné modely z Číny se pohybují na úrovni blízké Opus 4.5 a jeden z nich zvládne kódovací úkol za zhruba 50 centů. V naší Vendor-Map jsme doporučili Claude Code a Cursor jako standardní stack, s Cline plus on-premise modelem pro regulované workloady. Právě tento třetí slot se stává zajímavým, protože GLM-5.2 s licencí MIT je to, co jsme nazvali „Reasonable Sovereignty“ (rozumná suverenita): multi-regionální a open-source záloha místo závislosti na hyperscalerech (hyperscaler-lock-in). Kdo v roce 2026 postaví architekturu agnostickou vůči modelu, bude mít v roce 2027 na výběr, místo aby visel na kapkách od Anthropic. Schopnost GLM číst kód zatím nepřeceňujte, recenzenti soudili od oka a nechali to ověřit modelem Claude. Ale ignorovat cenu by byla nejdražší chyba: když cena za úkol klesne z 15 dolarů na 50 centů, nemění se nástroje, ale matematika za nimi.

Getty Images: Partnerství s OpenAI katapultovalo akcie o 124 procent

Getty Images oznámila víceleté licenční a produktové partnerství s OpenAI a její akcie v ranním obchodování vystřelily o 124 procent vzhůru. OpenAI si licencuje knihovnu obrázků, videí a metadat od Getty pro trénování a vylepšování svých modelů, zatímco Getty na oplátku integruje generativní nástroje OpenAI do svých vlastních produktů. Dohoda přichází v pravý čas: v prvním čtvrtletí činily tržby Getty 226,6 milionu dolarů, což je pokles o 2,5 procenta oproti předchozímu roku, a klasický licenční byznys ohrožují nástroje, které generují stock fotografie během několika sekund. Getty byl jedním z prvních velkých poskytovatelů obsahu, kteří se obrátili na soud, a v roce 2023 zažaloval Stability AI za scraping milionů autorsky chráněných obrázků. Před oznámením se akcie měsíce obchodovaly pod jedním dolarem. Dohoda s OpenAI navazuje na licenční smlouvu s Perplexity z roku 2025. Investoři nyní čekají, zda Getty dokáže svou kurátorovanou knihovnu proměnit v cennější aktivum v oblasti AI. → Techpresso

Synthszr Take: Před dvěma lety Getty žaloval AI firmy, nyní licencuje svou knihovnu těm samým lidem. To není změna názoru z přesvědčení, to je akcie, která se měsíce pohybovala pod jedním dolarem a chytá se každého stébla. Pointa, kterou ukazuje 124procentní skok, je následující: hodnota Getty už nespočívá v prodeji jednotlivých stock fotografií, ale v kurátorovaném, čistě otagovaném a právně zajištěném datovém souboru, který za nimi stojí. Přesně to, co OpenAI potřebuje k trénování a co už nikdo nemůže beztrestně scrapovat od doby, co se soudy probudily. Napínavá otázka je, zda čtvrtletní tržby 226 milionů dolarů stačí na to, aby se z tohoto aktiva vytvořil opakovaný licenční výnos, nebo zda OpenAI bude mít po tréninku data a Getty oslaví jen jednorázový efekt. Kdo hromadí kurátorovaný obsah, měl by ho nyní začít oceňovat jako tréninkový materiál pro AI, dokud tvůrci modelů ještě platí. I zde mizí průměrnost, zůstává jen to, co je skutečně jedinečné a těžko replikovatelné.

Čína vrací úder: Kontroly vývozu a zákazy zadávání zakázek pro americké firmy

Čína v pondělí zavedla nová omezení pro export a veřejné zakázky proti desítkám amerických společností. Podle Nikkei jsou postiženy především firmy z oblasti dronů, vzácných zemin a souvisejících technologií. Opatření přicházejí, přestože Trump byl v květnu ještě v Pekingu a obě strany tam hovořily o uvolnění napětí. Od té doby se obchodní kroky vzájemně eskalovaly a Peking nyní používá dvě páky najednou: přístup čínských dodavatelů a přístup na vlastní trh s veřejnými zakázkami. To zapadá do eskalace, která začala drakonickými americkými kontrolami vývozu proti Anthropic v červnu, o kterých jsme již dříve psali. Kdo je závislý na vzácných zeminách, pocítí to jako první. → Marcus Schuler

Synthszr Take: Skutečné poselství se skrývá ve vzácných zeminách, ne v seznamu dronů. Čína kontroluje zhruba 90 procent jejich zpracování a právě tato páka rozhoduje o tom, kdo může vyrábět hardware a senzory pro AI. Washington hraje hru na kontrolu vývozu, Peking na závislost na dovozu, a oba zapomínají, že v hyper-soutěži je poraženým často ten třetí: Evropa, která nekontroluje ani modely, ani suroviny. Nejsme ve vedoucí pozici, jsme v defenzivě, a v defenzivě nepomůže strategický offsite, ale poctivá inventura vlastních dodavatelských řetězců. Otázka je banální a zároveň brutální: Které kritické vstupy závisí na jediném zdroji a co se stane v den, kdy se tento zdroj uzavře? To se dá propočítat hned zítra ráno. Kdo to udělá až ve chvíli, kdy dodávka nepřijde, zvolil špatný okamžik.

Generování kódu pomocí AI: Standardizace ve vývojovém týmu

Podle průzkumu mezi 219 vedoucími pracovníky v oblasti inženýrství je nyní 48 procent kódu generováno umělou inteligencí, ale organizace brutálně zaostává: pouze 19 firem přizpůsobilo popisy pracovních pozic, jen 15 proces zaučování nových lidí a 32 měření produktivity. 55 procent vedoucích se obává, že jejich týmy ztratí společné porozumění kódové bázi, 39 procent pochybuje, zda mohou s kódem stále více psaným agenty bezpečně dodávat software. Jádrem problému není špatný kód od AI, ale chybějící standardy: jeden agent použije Jest, druhý Mocha, jeden async/await, druhý Promises. Všechno funguje, ale kódová báze se s každým commitem stává hůře srozumitelnou. IBM nazývá výsledek „intent debt“ (dluh záměru): cíle a mantinely, které by měly lidem i agentům říkat, co znamená „dobrý“, jsou stále napsány pro starý svět. Navrhovaným řešením jsou pravidla na úrovni projektu (project-level rules), tedy explicitní konvence, které dávají AI agentům stejný rámec, jaký by dodržovali i lidští vývojáři. → The Deep View

Synthszr Take: Přesně to jsem popsal v „Code Crash“, jen pod jiným názvem. Implicitní znalosti byly vždy nejdražším anti-patternem a s agenty je účet splatný okamžitě. Zkušený vývojář zná nepsané pravidlo, bug z roku 2019, modul, na který se nesahá. LLM vidí jen to, co je v kódu, a pokud kód tají svou vlastní strukturu, agent optimalizuje na špatné věci. Pravidla na úrovni projektu (project-level rules) proto nejsou byrokratickou zátěží, ale čistou formou znalostní archeologie: jednu hodinu týdně udělat z implicitního pravidla explicitní a agent pak bude číst stejnou konvenci jako junior. Kdo si nechává 48 procent kódu psát stroji, ale ponechává si popisy pracovních pozic ze starého světa, buduje si vlastní past složitosti. Tyto standardy lze zakotvit v repozitáři hned zítra ráno, ne až po dalším strategickém offsite.

JD.com: 700 000 kurýrů bude nahrazeno roboty

Richard Liu, šéf čínského e-commerce giganta JD.com, na APEC China CEO Forum v Šen-čenu otevřeně řekl to, čemu se většina technologických bossů vyhýbá: roboti „dříve či později“ učiní 700 000 doručovatelů společnosti nadbytečnými. Zároveň slibuje, že nepropustí ani jednoho zaměstnance v první linii. Jeho program se jmenuje „Nirvana“: JD uzavřel smlouvy s přibližně 120 školami po celé Číně, aby přeškolil kurýry na údržbářské inženýry a trenéry AI. JD si roboty vyrábí sám, provozuje bezobslužné sklady, doručování drony a samořídící dodávky a již testuje letištní roboty v Šen-čenu. Situace je napjatá: Čína letos eviduje přibližně 320 milionů gig-workerů, což je asi 40 procent městské zaměstnanosti, a nezaměstnanost mladých v dubnu činila 16,3 procenta. Peking nyní sleduje dopady AI na pracovní místa jako národní prioritu. Otevřenou otázkou zůstává, zda 120 škol dokáže přeškolit 700 000 zaměstnanců rychleji, než je automatizace předběhne. → Techpresso

Synthszr Take: Liuova upřímnost je vzácnější než technologie, kterou oznamuje. Zatímco západní CEO svá sdělení změkčují podle politického větru (Bezos dnes tak, Altman zítra jinak), šéf JD položí účet otevřeně na stůl a přidá slib, který je matematicky sotva udržitelný. Rolí v údržbě robotů nebude ani zdaleka tolik, kolik je kurýrů, to ví sám. Přesto je argument načasování chytřejší než obvyklé mlčení: kdo zlom pojmenuje včas, může alespoň rozjet přeškolování, místo aby nechal 700 000 lidí nebrzděně narazit do zdi. V polovině března jsme psali o konci mzdové arbitráže, když zmizelo 100 000 indických IT pracovních míst; zde se děje to samé o patro níže, u dělnických profesí, a rychlost je brutálnější. Upřímná varianta vítězí nad tou pocukrovanou: vlastní údaje JD o zaměstnanosti v příštích letech ukážou, zda je „Nirvana“ plán, nebo jen iluze z PowerPointu. Kdo jako politik nebo firma nyní neinvestuje do skutečného přeškolování, sází na mrtvého koně.

Datová centra a ceny elektřiny: Kauzální analýza pro USA

Nová práce Johna Bistlinea (arXiv, červen 2026) obrací běžný narativ: datová centra mezi lety 2015 a 2024 průměrné ceny elektřiny pro koncové zákazníky v USA nezvýšila, ale naopak mírně snížila. Autoři používají přístup instrumentálních proměnných, aby kauzální efekt čistě oddělili od ostatních faktorů. Logika za tím je střízlivá ekonomie: energetické systémy mají vysoké fixní náklady, přenos a distribuce se škálují a jednotkové náklady na výrobu klesají. Trvale rostoucí poptávka rozděluje tyto fixní náklady na více kilowatthodin, a tím tlačí průměrnou cenu dolů. Studie nachází tyto úspory z rozsahu napříč výrobou, přenosem i distribucí, a to i mezi různými třídami zákazníků. Omezení je jasně uvedeno v abstraktu: budoucí úzká místa v nabídce by mohla tento efekt zvrátit. → Techpresso

Synthszr Take: Tady někdo počítá proti pocitu, který se měsíce táhne každým článkem o spotřebě elektřiny v AI. Předpoklad, že hyperscalery zdražují elektřinu pro všechny, zní sice plausibilně, ale pro období 2015 až 2024 je jednoduše vyvrácen. Mechanismus je Jevonsův paradox v jeho nesexy variantě: větší zátěž v systému s vysokými fixními náklady snižuje průměrnou cenu za jednotku, dokud nabídka stačí. A právě zde to začíná být zajímavé, protože autoři si sami stanovují mantinel: pokud rozvoj sítě zaostane za poptávkou, znaménko se obrátí. Pro energetickou politiku to znamená, že páka spočívá v rozšiřování přenosové a výrobní kapacity, nikoli v brzdění datových center. Kdo bere úspory z rozsahu vážně, buduje sítě rychleji a sklízí digitální dividendu, místo aby ji ze strachu zahodil. To lze ovlivnit rychlostí schvalovacích procesů a plánováním investic, dlouho předtím, než příští úzké hrdlo tuto studii vyvrátí.