Meta a OpenAI pod tlakem: Anthropic se stává novým Applem
- • GPT-5.4 od OpenAI dramaticky a komerčně mění pravidla hry.
- • Meta odkládá Llama 3 a přiznává slabý technický výkon.
- • Čína podporuje firmy o jednom zaměstnanci štědrými dotacemi na AI.
OpenAI s GPT-5.4 otáčí hru o 180 stupňů
OpenAI tiše a nenápadně změnilo pravidla hry: GPT-5.4 cituje z 56 % stránky značek, zatímco GPT-5.3 citoval jen z 8 %. Nový model na jeden dotaz odešle v průměru 8,5 fan-out dotazů (oproti jedinému u 5.3) a přitom nápadně často odkazuje na komerční stránky – stránky s cenami se v 50 testovacích dotazech objevily 138krát, u 5.3 to byly pouhé čtyři. Oba modely prakticky nikdy necitují stejné zdroje. To, co se zde děje, je víc než jen technická aktualizace: ChatGPT se pomalu mění ve vyhledávač, který upřednostňuje značky. → TLDR Marketing
Synthszr Take: 138 odkazů na stránky s ceníky v 50 promitech — OpenAI mění ChatGPT v konverzní stroj. Značky najednou získávají organickou návštěvnost přímo z konverzace s AI, aniž by utratily jediný cent za reklamu. Marketingové týmy budou muset kompletně přebudovat své strategie: Místo optimalizace pro Google teď půjde o to, dostat se na seznam citací GPT. To není nic nového. Nové ale je, jak výrazně se mění viditelnost značek v LLM na pozadí tlaku na monetizaci. Zde značky potřebují podstatně hlubší analýzu než „50 testovacích promitů“, o kterých informuje TLDR.
Llama 3 má zpoždění: Meta potřebuje další tři měsíce na další zklamání
Meta odkládá vydání svého nového základního AI modelu s kódovým označením „Avocado“ nejdříve na květen poté, co interní testy ukázaly, že i přes miliardové investice zaostává za nejnovějšími systémy od Google, OpenAI a Anthropic. Společnost původně plánovala dřívější vydání, nyní však musí přiznat, že technický výkon neodpovídá očekáváním. Zatímco CEO Mety Mark Zuckerberg nadále agresivně investuje do AI a společnost patří k největším nákupčím GPU od Nvidia, množí se známky toho, že pouhá výpočetní síla k dohnání ztráty nestačí. Zpoždění je obzvláště citlivé, protože Meta již investovala miliardy do své AI infrastruktury a je pod tlakem, aby dodala konkrétní výsledky. Nálada je údajně interně napjatá, protože model Avocado si v benchmarcích vede výrazně hůře než Claude 3.5 od Anthropic nebo GPT-4o od OpenAI. → StrictlyVC
Synthszr Take: Avocado má přijít až v květnu, zatímco GPT-5 pravděpodobně odstartuje už v březnu. Meta pálí miliardy za model, který bude zastaralý už v den vydání. Skutečná katastrofa spočívá v architektuře: Zatímco OpenAI a Anthropic rozšiřují své schopnosti uvažování, Meta stále bojuje se základními problémy s výkonem. Zuckerbergův slib open-source se stává pastí, až si komunita uvědomí, že má ladit podřadný produkt. Meta má v závodě o AI nejhorší pozici: příliš pozdě na výhody prvního na trhu, příliš slabá na technickou převahu, příliš nesoustředěná na jasnou niku.
Anthropic Claude je nový iPhone: drahý a nedostatkový
Anthropic obrací klasický zákon trhu naruby: Společnost roste o 70 procent v přímém srovnání s OpenAI, ačkoli je dražší a aktivně odmítá zákazníky. Podle AI indexu Ramp z března 2026 používá Claude již každá čtvrtá firma – před rokem to byla ještě každá dvacátá pátá. OpenAI poprvé ztrácí měřitelné podíly na trhu (-1,5 procenta), zatímco Anthropic racionalizuje své kapacity a přesto expanduje. Důvody nespočívají v technické převaze: Claude Code a Codex od OpenAI se ukazují jako srovnatelné, přičemž Altman tlačí ceny dolů a ruší limity využití. Místo toho ekonom Ramp Ara Kharazian poukazuje na kulturní faktory: Po konfliktu s Pentagonem se volba mezi Claude a ChatGPT staví do pozice volby mezi modrými a zelenými bublinami v iMessage – jako signál identity, nikoli jako technologické rozhodnutí. Anthropic tuto diferenciaci buduje pomocí funkcí jako jsou inline vizualizace, které Claude mění z textového pole na interaktivní pracovní prostor. → The Neuron
Synthszr Take: Anthropic prodává uměle vytvořený nedostatek jako prémiovou funkci. 70procentní úspěšnost vůči OpenAI při vyšších cenách a omezeních míry využití ukazuje: firmy platí za vyloučení, ne za přístup. Inline vizualizace jsou chytře maskované lock-in efekty – každá nakonfigurovaná dovednost, každé propojení, každá uložená konverzace zvyšuje náklady na přechod. Srovnání Ara Kharaziana s iMessage je přesnější, než zamýšlel: Claude se stává statusovým softwarem pro určitou třídu znalostních pracovníků (kteří se považují za příliš chytré na ChatGPT). OpenAI reaguje cenovým dumpingem na problém s pozicováním – klasická chyba kategorie.
Čína dotuje firmy o jednom zaměstnanci pomocí AI — nová zlatá horečka
Čínské místní samosprávy se předhánějí v dotacích pro firmy o jednom zaměstnanci, které jako pracovní sílu využívají agenty AI. Během jednoho týdne na začátku března zavedlo nejméně šest okresů a rozvojových zón programy, které mají cíleně přilákat OPC (One Person Companies). High-Tech zóna v Hefei nabízí až 10 milionů RMB (1,4 milionu dolarů) v poukázkách na výpočetní výkon, okres Xiaoshan v Chang-čou dokonce přebírá až 20 milionů RMB (2,8 milionu dolarů) na výpočetní náklady na firmu a rok. Úřednice z jedné východní provincie otevřeně přiznává: „Musíte neustále mluvit o AI, jinak působíte zaostale.“ Změna paradigmatu je pozoruhodná — místo lákání továren a korporátních centrál pozemkovými dary a daňovými úlevami nyní místní vlády nahánějí jednotlivce s laptopy. Explicitním cílem okresu Longgang v Šen-čenu je vybudovat „AI OPC Entrepreneurial Ecosystem“. → Hello China Tech
Synthszr Take: 20 milionů RMB ročně na výpočetní náklady pro firmu o jednom člověku — okres Xiaoshan v Chang-čou sází na obchodní model bez prokázané jednotkové ekonomiky. Místní samosprávy v Číně přepsaly svůj scénář růstu: místo lákání továren nyní dotují jednotlivce, kteří využívají agenty AI. Rovnice vyjde pouze tehdy, pokud tito mikropodnikatelé jednou vygenerují více daňových příjmů, než kolik stojí jejich hodiny na GPU. Čína v podstatě testuje, zda lze vybudovat ekonomiku na samostatných podnikatelích, kteří delegují svou práci na stroje (zatímco účet za elektřinu platí stát).
Produktivita díky AI: Hledání ztraceného ROI
George Sivulka z a16z klade nepříjemnou otázku: AI činí každého jednotlivce desetkrát produktivnějším, ale žádná společnost se tím nestala desetkrát hodnotnější. Odpověď nachází v 90. letech 19. století, kdy textilní továrny v Nové Anglii nahradily své parní stroje elektromotory – a třicet let nezaznamenaly žádný nárůst produktivity. Teprve když ve 20. letech 20. století celou továrnu přebudovaly, s běžícími pásy a jednotlivými motory v každém stroji, elektrifikace se vyplatila. Dnes se tento vzorec opakuje: Vyměnili jsme motor, ale nepřebudovali jsme továrnu. Většina využití AI je podle Sivulky sebestředné „productivity-maxxing“ na Twitteru, zatímco skutečná tvorba hodnoty chybí. Jeho teze: Potřebujeme „Institutional AI“ místo „Individual AI“ – systémy, které koordinují místo toho, aby vytvářely chaos, produkují signál místo šumu, podporují objektivitu místo zaujatosti, nabízejí specializované okrajové schopnosti místo generických nástrojů, škálují příjmy místo šetření času, transformují procesy místo pouhého poskytování nástrojů a jednají bez vyzvání místo čekání na lidský vstup. → a16z
Synthszr Take: Sivulka identifikuje sedm pilířů „Institutional Intelligence“, přičemž koordinace a hledání signálu jsou ty nejkritičtější. 10 000 agentů nebo zaměstnanců, kteří pádlují různými směry, vytváří stagnaci nebo chaos – problém, který již zažila každá organizace s individuálním využíváním ChatGPT. Palantir se obchoduje za astronomické násobky, protože prodává „Process Engineering“ místo softwaru. Hebbia zpracovává 30 miliard tokenů v jedné úloze (základní modely zvládnou milion), protože specializovaná hloubka poráží generickou šířku. Skutečný nárůst produktivity přijde teprve tehdy, když AI bez vyzvání najde rizika, která nikdo nehledal – ne když rychleji vytváří PowerPointy.
Proč AI nepíše jako lidé: Jde o výplňková slova, ne o myšlenky
Nový výzkum v oblasti stylometrie ukazuje: nezaměnitelný rukopis autora se skrývá ve slovech, která píšeme podvědomě – členy, zájmena a výplňková slova se řídí individuálními vzorci, zatímco se soustředíme na obsah. Výzkumníci z Cornell University systematicky manipulovali texty a zjistili, že odstranění „stop-slov“ jako „ten“, „ta“, „to“ masivně ztěžuje identifikaci autora modely AI. Marcus Moretti, generální manažer Spiral (AI psacího asistenta od Every), vysvětluje, proč texty od AI i přes znalosti na úrovni PhD z fyziky a biologie stále znějí jako od AI: fáze po tréninku činí modely zdvořilejšími a generičtějšími. Charakteristické vzorce ve funkčních slovech a větných strukturách vznikají podvědomými rozhodnutími při psaní – přesně to, co modely AI nedokážou replikovat. Historicky stylometrie již v 60. letech 20. století identifikovala příspěvky Alexandra Hamiltona do Listů federalistů na základě jeho používání slova „upon“. → Every
Synthszr Take: Výzkumníci z Cornellu izolovali slepou skvrnu AI: stop-slova jako „ten“ nebo „a“ se u lidí řídí podvědomými, vysoce individuálními vzorci. Modely OpenAI řeší fyzikální problémy na úrovni PhD, ale jejich texty zůstávají rozpoznatelné, protože jsou po tréninku vyladěny na zdvořilou průměrnost. Spiral od Every chce tento problém řešit personalizovaným stylem (webová stránka nebo účet na X jako tréninkový materiál). Lidé píší dvakrát nepředvídatelněji než stroje – ne u velkých myšlenek, ale u malých slov mezi nimi. Detektory AI se paradoxně stávají lepšími, čím jsou modely inteligentnější: uniformita roste s optimalizací.
Lokální AI na herních GPU: vyplatí se to
Výzkumníci systematicky zkoumali, zda jsou nové spotřebitelské GPU NVIDIA Blackwell (RTX 5060 Ti, 5070 Ti, 5090) vhodné pro profesionální inferenci AI. Výsledek: RTX 5090 dosahuje 3,5 až 4,6krát vyšší propustnosti než 5060 Ti a snižuje latenci RAG o faktor 21. S kvantizací NVFP4 stoupá propustnost o 60 procent při ztrátě kvality pouhých 2 až 4 procent, zatímco spotřeba energie klesá o 41 procent. Provozní náklady se pohybují mezi 0,001 a 0,04 dolaru za milion tokenů (pouze elektřina), což je 40 až 200krát levnější než u nízkorozpočtových cloudových API. Při mírném využití (30 milionů tokenů denně) se hardware amortizuje během 4 měsíců. Studie testovala čtyři open-weight modely (Qwen3-8B až GPT-OSS-20B) v 79 konfiguracích na třech typických zátěžích: RAG, multi-LoRA agenti a vysoce paralelní API dotazy. → Techpresso
Synthszr Take: 0,001 dolaru za milion tokenů dělá ze samostatně hostované inference jasnou volbu pro střední podniky. RTX 5090 při RAG zátěžích poráží vše pod profesionálním hardwarem A100, zatímco levnější karty nabízejí nejlepší poměr cena/výkon u API zátěží. Kvantizace NVFP4 elegantně řeší problém s pamětí: o 60 procent vyšší propustnost při zanedbatelné ztrátě kvality. Skutečným klenotem je výpočet amortizace: čtyři měsíce při 30 milionech tokenů denně (to zvládnou již menší produkční systémy). Nvidia zde neprodává herní hardware, ale decentralizovanou AI infrastrukturu pro cílovou skupinu, která byla dosud uvězněna mezi drahými cloudovými API a nedostupnými profesionálními kartami.
Prototypování s vkusem: Stovky verzí pro jednu funkci
Boris Cherny v Anthropic prototypuje stovky verzí, než jediná funkce spatří světlo světa. Vedoucí inženýrství pro Claude Code provozuje pět paralelních instancí Claude současně, píše 100 % svého kódu pomocí AI a denně pushuje 20-30 pull requestů. Pro funkci týmů agentů jeho tým pravděpodobně testoval stovky variant; funkce terminálového spinneru prošla 50 až 100 iteracemi, z nichž 80 % skončilo v koši. Tradiční vývoj s PRD, designem a inženýrstvím trvající 8–12 týdnů se smrskl na 1–2 týdenní cyklus: nápad, pět prototypů paralelně, čtyři zahodit, ten přeživší specifikovat a nasadit. Revize kódu nejprve provádí Claude-Code (zachytí 80 % chyb), poté lidský inženýr. Výsledek: Produktivita na vývojáře vzrostla o 200 %, zatímco Anthropic ztrojnásobil počet svých zaměstnanců. → Aakash Gupta from Product Growth
Synthszr Take: Boris Cherny vyhazuje 80 % svých prototypů a právě to nazývá faktorem úspěchu. Vývoj softwaru se stává výběrovým procesem: když prototyp funkce trvá 45 minut místo 6 týdnů, kompetence se přesouvá z „můžeme to postavit“ na „měli bychom to nasadit“. PRD se v procesu posouvají z kroku 2 na krok 6 (po prototypu, ne před ním). Produktoví manažeři bez znalosti kódování ztrácejí svou koordinační funkci mezi nápadem a realizací. Nová klíčová kompetence se nazývá „taste at speed“: hodnotit 15 prototypů týdně místo revidování jedné specifikace měsíčně.
Propouštění maskované jako obrat k AI — když se z propouštění stává strategie
Společnosti nově balí snižování stavů do strategických dokumentů o AI. Atlassian tento týden propustil 10 % svých zaměstnanců a CEO Mike Cannon-Brookes mluvil o „repozicionování v éře AI“ — u akcie, která byla více než 50 % v mínusu. Jack Dorsey v Blocku zrušil 40 % míst a rovněž se odvolával na efektivitu řízenou AI poté, co kurz od roku 2021 klesl o 80 %. Vzorec je jednoduchý: propouštění plus rétorika o AI rovná se oživení kurzu. CEO jedné velké softwarové společnosti prozradil Business Insideru ještě jeden hnací motor: Restricted Stock Units (RSU) se při klesajících kurzech stávají problémem, protože je třeba vydávat stále více akcií, aby se udržela stejná úroveň platů — což ředí stávající akcionáře. → Business Insider
Synthszr Take: Atlassian ztrácí 50 % své tržní hodnoty, propouští 10 % zaměstnanců a Cannon-Brookes mluví o „éře AI“. RSU fungují pouze při rostoucích kurzech: zaměstnanec s akciovým balíkem v hodnotě 100 000 dolarů potřebuje při polovičním kurzu dvakrát tolik akcií (klasické ředění pro stávající akcionáře). CEO softwarových firem problém s RSU léta ignorovali a nyní za to platí. „AI nás činí efektivnějšími“ zní lépe než „Přepočítali jsme se u platů“. Skutečná AI revoluce v těchto firmách: excelové tabulky, které konečně ukazují, že obchodní model nevychází.
AI pro cíle dronů: Chatboti rozhodují o životě a smrti
Americká armáda by brzy mohla nasadit ChatGPT nebo Grok k prioritizaci útočných cílů. Zástupce Pentagonu nastiňuje postup: souřadnice cílů se zadají do generativního systému AI, který byl vyvinut pro tajné aplikace. Lidé se pak systému ptají na analýzu a prioritizaci cílů. Konečné rozhodnutí a ověření zůstávají na lidských důstojnících. Zároveň CTO Pentagonu varuje, že Anthropic Claude by „znečistil“ vojenský dodavatelský řetězec — vyčítá modelu vestavěné „politické preference“. Zatímco Meta odkládá svůj nejnovější AI model kvůli problémům s výkonem (dopadl hůře než konkurenti od Google, OpenAI a Anthropic), Ukrajina nabízí svá data z bojiště k trénování AI pro drony. → The Download from MIT Technology Review
Synthszr Take: ChatGPT seřadí cíle, lidé stisknou spoušť — Pentagon dělá z generativní AI asistenta při zabíjení. Hranice mezi doporučovacím a zbraňovým systémem se stírá: chatbot prioritizuje, kdo zemře první. Claude od Anthropic je pro armádu příliš pacifistický (tyto „politické preference“), zatímco OpenAI a xAI takové skrupule nemají. Silicon Valley nyní optimalizuje řetězce zabíjení místo konverzních poměrů. Ukrajina prodává svá válečná data jako tréninkový materiál — bojiště se stávají datovými sadami, padlí vojáci anotacemi pro lepší algoritmy dronů.
