Midterms: Peníze vládnou světu – vlastně ne

Midterms: Musk utopil půl miliardy dolarů v drtivé porážce

Demokraté v amerických volbách v polovině prezidentského období (midterms) získali obě komory Kongresu, ačkoli Elon Musk podle federálních záznamů do 14. října vložil do republikánských kampaní 445,6 milionu dolarů. Jiné propočty uvádějí až 474 milionů dolarů. Jde o nejvyšší známou částku od jediného dárce v jednom volebním cyklu a téměř trojnásobek 150 milionů dolarů, které věnovali Richard a Elizabeth Uihleinovi jako druzí největší dárci. Více než 200 milionů dolarů putovalo do senátní kampaně Kena Paxtona v Texasu. Paxton podlehl demokratovi Jamesi Talaricovi, prvnímu demokratovi od roku 1988, který v Texasu zvítězil v senátních volbách. Neuspěli ani Vivek Ramaswamy a další kandidáti podporovaní Muskem. Musk výsledky během volební noci komentoval na síti X vtipy o „vesmírných laserech ovlivňujících volby“ a napsal, že datová centra ve vesmíru právě teď vypadají „docela lákavě“.

Musk nebyl jediným sponzorem z technologického sektoru, jehož kandidáti neuspěli. Super PACy z krypto a AI prostředí v tomto volebním cyklu utratily zhruba 250 milionů dolarů. Z dvanácti dosud sečtených vyrovnaných soubojů jich devět prohrály; 74,7 milionu dolarů připadlo poraženým a 28,3 milionu dolarů vítězným kandidátům. V povolebním průzkumu označilo 56 procent voličů AI a datová centra za důležitý nebo rozhodující faktor své volby. Zhruba polovina však považovala korupci a životní náklady za ještě důležitější. Jako důvody odporu proti datovým centrům jsou uváděny rostoucí účty za elektřinu a vodu, stejně jako hluk a znečištění ovzduší.

V Texasu, Georgii, Ohiu a Pensylvánii získali guvernérská křesla demokraté, kteří oznámili, že výstavbu datových center zastaví nebo omezí. Zhruba polovina všech plánovaných AI datových center v USA by se tak měla dostat pod přísnější dohled. V Texasu porazila Gina Hinojosa trojnásobného úřadujícího guvernéra Grega Abbotta a stala se první tamní demokratickou guvernérkou od roku 1990. Přislíbila stavební moratorium, přísnější pravidla pro spotřebu vody a elektřiny i konec daňových úlev. Podle údajů společnosti Wells Fargo se 27 procent plánované americké kapacity datových center nachází v Texasu. Abbott zmrazil státní ekologická povolení již 21. září. Analytická společnost SemiAnalysis očekává, že texaští developeři by mohli být zablokováni na osm měsíců až téměř jeden rok. Legislativní období začíná 12. ledna 2027, konkrétní podmínky moratoria však Hinojosa dosud nezveřejnila. Její program mimo jiné požaduje zřeknutí se dotací a dohod o mlčenlivosti a také prokázání, že sazby pro domácnosti nevzrostou. Amazon, Google, Meta, Microsoft, OpenAI, Oracle a xAI přitom již v březnu přislíbily, že si zajistí vlastní energii a zaplatí rozšíření sítě. Florida naproti tomu těsně zvolila republikánského guvernéra, který datová centra podporuje. Také na místní úrovni hlasovali voliči proti novým datovým centrům: podle různých propočtů schválilo zákazy či omezení mezi 29 a více než 38 obcemi a okresy. → list-manage, Tech Brew, Marcus Schuler, Marcus Schuler

Synthszr Take: Více než 200 milionů dolarů pro Kena Paxtona v Texasu senátorské křeslo nekoupilo – a právě tam se nachází 27 procent plánované kapacity datových center v USA. Úzkým hrdlem rozvoje AI je veřejný souhlas, kapitálu je dostatek. Souhlas vzniká u účtů sousedů za elektřinu a tam žádný Super PAC nepomůže. Požadavky Hinojosaové představují levnější nabídku: žádné dohody o mlčenlivosti, žádné dotace, prokazatelně stabilní sazby pro domácnosti. Hyperscaleři to slíbili v březnu. Od ledna to budou muset dokazovat lokalitu po lokalitě.

ChatGPT s modelem Images 2.6 generuje GIFy a umožňuje upravovat rychlost i jednotlivé snímky

OpenAI s novým obrazovým modelem Images 2.6 zavádí tvorbu GIFů do ChatGPT. Uživatelé mohou nechat vygenerovat animaci pomocí textového zadání nebo z nahrané fotografie. Poté lze měnit rychlost přehrávání, prohlížet animaci snímek po snímku, upravovat jednotlivé snímky a výsledek sdílet. Dosud ChatGPT nedokázal generovat GIFy v jediném kroku. Jako výchozí bod postačí i hrubý náčrtek: model jej rozpracuje do hotové postavy a tu animuje. Podle mezitím smazaného příspěvku OpenAI na síti X by se nahrané obrázky měly v budoucnu ukládat a sloužit jako znovupoužitelná předloha pro pozdější prompty.

Jako příklady využití uvádí OpenAI animované firemní maskoty, produktové záběry v nekonečné smyčce, reakce a memy pro sociální sítě či animované storyboardy pro vyzkoušení pohybů postav před samotnou videoprodukcí. Ukázkové prompty představené společností popisují pokaždé Sprite Sheet se šesti snímky v mřížce o třech sloupcích a dvou řádcích. Šestý snímek přitom plynule přechází v první. Videogenerátorem Images 2.6 výslovně není. Videoaplikaci Sora společnost OpenAI v březnu ukončila. Podle zpráv měla málo uživatelů a generovala ztráty kolem jednoho milionu dolarů denně.

Podle údajů OpenAI generuje Images 2.6 obrázky o 50 procent rychleji než předchůdce Images 2.5. Pro vývojáře přibývají dva nové API modely. GPT-Image-2.6 Flare je navržen pro rychlost a při nízké úrovni kvality má dodat obrázek zhruba za šest sekund, přičemž vylepšuje layouty plakátů a produktových vizuálů. GPT-Image-2.6 Sunburst cílí na vyšší kvalitu obrazu a větší konzistenci napříč několika editačními kroky, pokud je kvalita nastavena na střední nebo vysokou. Toto rozdělení navazuje na model, který OpenAI zavedla u Images 2.5 v září, kdy Adobe jeden z modelů integroval do Firefly. Images 2.6 je k dispozici ve všech úrovních předplatného ChatGPT a Codex na webu, desktopu i mobilních zařízeních.

Podle OpenAI nyní vznikají přes ChatGPT, Codex a API více než 4 miliardy obrázků týdně, tedy v průměru přes půl miliardy denně. V září společnost ještě uváděla 3 miliardy týdně. Čísla pocházejí přímo od OpenAI a zahrnují veškeré generování obrázků, nikoli pouze GIFy. Společnost své obrazové nástroje v letošním roce několikrát přepracovala: Images 2.0 byl v dubnu prvním obrazovým modelem, který před vykreslením prochází procesem reasoning. V uplynulém měsíci navíc OpenAI začala v USA testovat reklamu přímo při generování obrázků. → OpenAI, The Verge, Mashable, The Next Web

Synthszr Take: Ukázkové prompty odhalují kalkulaci: GIF z Images 2.6 je jediný obrázek se šesti poli v mřížce. Pohyb tak stojí stejně jako statický obrázek – a přesně na této kalkulaci pohořela Sora se ztrátou kolem milionu dolarů denně. Drahé to začíná být až při dodatečných úpravách, protože každý opravený snímek představuje další generování. Tento výpočetní čas spotřebovávají agentury a týmy značek, tedy zákazníci vyšších tarifů předplatného.

Berlínský Pliant získává 80 milionů dolarů na B2B platby prováděné agenty

Berlínský fintech Pliant podle The Next Web získal financování Series C ve výši 80 milionů dolarů, aby svou B2B platební infrastrukturu otevřel pro AI agenty. Společnosti Seaya Nova a Speedinvest vedly toto přeupsané kolo, kterého se zúčastnily také Illuminate Financial, Motive Partners a Molten Ventures. Finance mají směřovat do expanze do USA a Kanady, na další trhy a do plánu rozvoje AI. Podle vlastních údajů Pliant nedávno překonal hranici 100 milionů dolarů ročních opakujících se tržeb a své podnikání tři roky po sobě každoročně zdvojnásobil. Externí agenti jako Claude, ChatGPT nebo vlastní podnikové automatizace se mají připojovat prostřednictvím Model Context Protocol a provádět platební procesy přímo v rámci jiných obchodních procesů. → The Next Web

Synthszr Take: Oněch 100 milionů dolarů opakujících se tržeb pochází z firemních karet pro lidi, peníze ze Series C sázejí na stroje. Přístup přes MCP se dá vytvořit rychle, Ramp i jakákoli banka s licencí pro vydávání karet mohou následovat. Úzkým hrdlem zůstává právní odpovědnost – někdo totiž musí mít licenci a ručit, když agent zaplatí špatnou fakturu. Zda jsou zákazníci ochotni za to platit, ukáže za dvanáct měsíců jediné číslo: podíl z karetního objemu, který iniciují agenti.

Apple snižuje denní rozpočet na AI pro své inženýry na 200 dolarů, zaměstnanci se obávají propouštění

Apple podle agentury Bloomberg v říjnu snížil denní rozpočet na AI pro některé inženýry ze 300 na 200 dolarů. U jednotlivých inženýrských týmů se plánují další škrty až na 100 dolarů denně. Mnoho skupin mimo engineering již pracuje s limitem 100 dolarů, u některých týmů měl Apple dokonce zvažovat 25 dolarů. Rozpočet pokrývá tokeny pro Claude, ChatGPT a Gemini, přičemž některé týmy jsou přesměrovávány na levnější nebo lokálně běžící modely. Kdo potřebuje více, musí požádat senior management o výjimku. Někteří zaměstnanci podle zprávy uvádějí, že starý limit téměř nikdo nevyčerpal. → Implicator.ai

Synthszr Take: Limit, který téměř nikdo nevyčerpá, zasáhne jen ty nejvýraznější výjimky. V případě Applu jsou to inženýři, kteří pouštějí agenty přes celé kódové báze a zjišťují přitom, jak bude vývoj s AI v budoucnu fungovat. Pro ně se každý experiment přesahující 100 dolarů stává žádostí podávanou senior managementu. V porovnání s rozpočtem koncernu na výzkum je tato úspora zřejmě jen zaokrouhlovací chybou. Mnohem dražší je náskok v učení, který si mezitím budují konkurenti s otevřenými tokenovými rozpočty.

Čísla tokenů v Číně stoupají na 500 bilionů denně

Analytik Poe Zhao publikoval na Hello China Tech zprávu o čínské tokenové ekonomice, která prověřuje věrohodnost oficiálních čísel o využívání. Podle zprávy uvádějí oficiální místa a think-tanky pro březen 2026 více než 140 bilionů tokenů denně a pro červen zhruba 500 bilionů, zatímco další zpráva dochází pro červen k necelým 175 bilionům. Metodiku měření, která by tuto odchylku vysvětlila, podle Zhaova zjištění žádný ze zdrojů nezveřejňuje. Token má v Číně již oficiální název a objevuje se v úvěrových produktech, firemních rozpočtech i ve strategiích tří státních síťových operátorů, kteří však tržby z tokenů nevykazují odděleně. V kantonském obvodu Haizhu může spotřeba tokenů vstupovat do posuzování úvěruschopnosti, zatímco tentýž obvod výdaje na tokeny dotuje. → Hello China Tech

Synthszr Take: Metrika bez metodiky měření je nabídkou, kterou si každý přizpůsobí podle vlastní potřeby. Oficiální místa a think-tanky hlásí objemy, protože objem signalizuje sílu výpočetního výkonu (Compute), a nikdo za to nemusí vystavovat fakturu. Tři síťoví operátoři zapisují tokeny do strategie, nikoli do rozvahy. Riziko končí tam, kde token stojí skutečné peníze: u aplikačních firem v Haizhu, jejichž dotovaná spotřeba slouží zároveň jako signál bonity. Tentýž obvod tak toto číslo nafukuje z obou stran.

Google blokuje americkým žákům vyhledávání, pokud školy vypnou funkce AI

Podle Financial Express podmiňuje Google na amerických školách přístup k vyhledávání svými funkcemi AI: školní obvody, které pro žákovské účty zcela deaktivují generativní AI, tím ztratí i přístup k Vyhledávání Google. U žákovských účtů K-12 budou Gemini, Gemini Notebook, Gemini v Classroom a Vyhledávání napříště ve výchozím nastavení vypnuty, dokud je administrátoři výslovně nepovolí. Google tuto změnu na svém blogu zdůvodňuje tím, že naslouchal školám, pedagogům, výzkumníkům a politikům. Podle vlastního vyjádření mají vedení škol získat větší kontrolu nad AI ve výuce. Vyhledávání a AI jsou prý hluboce propojeny, řekl viceprezident Googlu pro vzdělávání Chris Phillips deníku New York Times. Žáci na školách, které AI zakážou, uvidí při vyhledávání pouze upozornění, že služba není k dispozici. → Financial Express

Synthszr Take: Vyhledávání a AI jsou prý hluboce propojeny, říká Chris Phillips. Téměř stejnou větou hájil Microsoft v devadesátých letech Internet Explorer coby neoddělitelnou součást Windows. Antimonopolní soudci to tehdy vyhodnotili jako distribuční rozhodnutí. Google má na školách podobnou pozici, protože Chromebooky a Workspace zde tvoří infrastrukturu. Školní obvod může jen stěží přejít jinam, takže Gemini přichází jako součást balíku dříve, než se ChatGPT nebo Claude vůbec stihnou dostat do učeben. Antimonopolní úřady tento scénář velmi dobře znají.

AMD zvýšilo tržby z datových center o 97 procent a slibuje ještě silnější Q4

Společnost AMD dosáhla ve třetím čtvrtletí roku 2026 podle vlastních údajů rekordních tržeb ve výši 13,4 miliardy dolarů, což je o 45 procent více než ve stejném období předchozího roku. Tahounem byl segment datových center, jehož tržby vzrostly o 97 procent na 8,5 miliardy dolarů. Tento růst byl podle oznámení tažen procesory EPYC a uvedením řady GPU Instinct MI450 na trh. Čistý zisk se téměř zdvojnásobil na 2,4 miliardy dolarů, hrubá marže zůstala oproti předchozímu čtvrtletí beze změny na 54 procentech. Segment Client a Gaming klesl o 8 procent na 3,7 miliardy dolarů, jelikož tržby z gamingu propadly o 40 procent. → Advanced Micro Devices

Synthszr Take: Prohlášení Lisy Su pro čtvrté čtvrtletí je výrobním příslibem. Anthropic, Meta, Microsoft, OpenAI a Oracle chtějí vedle Nvidie druhého dodavatele, už jen kvůli příštímu vyjednávání o cenách. Odeberou vše, co AMD dokáže dodat. Klíčové tedy bude, zda se Helios posune od prvního racku k sériové výrobě, aniž by stlačil hrubou marži, která už nyní stagnuje na 54 procentech. Pokud náběh výroby selže, zůstane AMD pro hyperscalery pouhou vyjednávací pákou a Nvidia bude inkasovat dál.

Revolut nahrazuje Claude Code modelem s otevřenými vahami a šetří 90 procent

Revolut podle vlastních údajů snížil náklady na inferenci pro programování s podporou AI za méně než rok o zhruba 90 procent. Této úspory dosáhl tento fintech podle TechRadaru tím, že jako standard pro své vývojáře zavedl self-hosted modely GLM. Do té doby využíval komerční nástroje jako Claude Code od společnosti Anthropic. Rodina modelů GLM pochází od čínského poskytovatele Zhipu a je vydávána s Open Weights, lze ji tedy provozovat na vlastní infrastruktuře. TechRadar cituje Revolut s vyjádřením, že byli „velmi skeptičtí, pokud jde o náklady na AI“. → TechRadar

Synthszr Take: Regulovaný fintech nechává čínský model psát kód na vlastních serverech, a compliance argument proti open weights tím ztrácí svůj nejsilnější příklad. Pro Anthropic to znamená víc než jakýkoli benchmark. Claude Code vydělává na rozpočtech na programování velkých inženýrských organizací – a tento rozpočet má nyní viditelný strop: náklady na vlastní GPU. Od této chvíle musí každé zvýšení ceny obstát v konkurenci se self-hosted modelem GLM, jehož provozní náklady však Revolut neuvádí.

OpenAI a Anthropic tvrdí, že jejich AI vyvrátila základní předpoklad kryptografie

OpenAI a Anthropic podle The Information v pondělí obě oznámily, že jejich interní modely umělé inteligence vyvrátily Exponential Time Hypothesis. Tato hypotéza pochází z teoretické informatiky. Popisuje, jak obtížné je minimálně vyřešit určité výpočetní problémy. Zjednodušeně řečeno tvrdí, že pro takové problémy neexistuje žádný postup, který by dospěl k výsledku podstatně rychleji než v exponenciálním čase. Na takovýchto předpokladech výpočetní náročnosti staví část důvěry v šifrovací metody. The Information proto píše, že kryptografové teď nejspíš špatně spí. → The Information

Komentář Synthszr: Dvě laboratoře oznamují v tomtéž pondělí stejný průlom, obě s modely, které nikdo nemůže prověřit. V matematice se počítá teprve důkaz, který mohou odborníci řádek po řádku přepočítat. Dokud jej OpenAI a Anthropic nezveřejní, zůstává zpráva pouhým bojem o titulky. Pro bezpečnostní manažery se na kryptografické roadmapě prozatím nic nemění. Pokud však důkaz obstojí při ověření, předvedly by obě laboratoře demonstraci výkonu, jaké se žádný benchmark nevyrovná.

Anthropic pomocí open source umožňuje prokázat, který model AI vygeneroval odpověď

Anthropic 2. listopadu zveřejnil FlashProve, výzkumný prototyp. Ten pro každou odpověď generuje kryptografický důkaz, že ji vytvořil přesně určitý jazykový model. Systém vyvinul Frontier Red Team společnosti Anthropic společně s vědci z EPFL, MIT a StarkWare. Kód, dokumentace i formální důkazy jsou dostupné pod licencí Apache 2.0 na GitHubu. Nasazení v Claude nebo u jiné laboratoře Anthropic v současnosti neplánuje. Společnost tuto publikaci výslovně označuje za průběžný stav a vyzývá ostatní, aby na něm stavěli.

Východiskem je problém hostovaných modelů: Kdo pošle prompt do API, nemůže ověřit, jaký model ve skutečnosti odpověděl. Poskytovatel nebo služba pro routing by mohly z nákladových důvodů podstrčit levnější model. Stejně tak by mohly použít dražší model, aby přikrášlily výkonnostní ukazatele. Také útočníci s přístupem k inferenčnímu serveru by mohli manipulovat s tokem tokenů, aniž by odpověď působila podezřele. Nezávislí hodnotitelé stojí před stejným problémem v opačném směru: Nemohou zajistit, že testovaný model odpovídá tomu nasazenému. Jako další případy použití výzkumníci uvádějí ověřování tvrzení třetích stran – například to, že softwarová knihovna byla na zranitelnosti otestována předním modelem pro kybernetickou bezpečnost. Anthropic navíc vidí oblasti využití od koncových produktů přes interní bezpečnost až po kontrolu regulací tempa vývoje AI.

Technicky FlashProve staví na zkSNARK. Laboratoř za tímto účelem jednorázově zveřejní závazek (commitment) ke svému modelu, jakýsi digitální otisk, který neodhaluje váhy. Architektura modelu naopak zůstává viditelná; její skrytí není cílem systému. Tím pádem by byla metoda představitelná i pro uzavřené komerční modely. Offline krok, v němž se prover zaváže k vahám, trvá zhruba 39 minut na model a následně pokryje přibližně 16 milionů dotazů. Klient si stáhne závazek o velikosti 6,5 MB a pro každý dotaz obdrží důkaz, který může ověřit i lokálně.

Systém byl testován s modelem Llama 4 Maverick, což je Mixture-of-Experts model se 400 miliardami parametrů, z nichž je na každý token aktivních zhruba 17 miliard. Váhy nejsou součástí vydání, ale musí být získány pod licencí společnosti Meta z Hugging Face. Pro prover postačí GPU s 80 GB a zhruba 290 GB operační paměti, protože váhy jsou předávány po jednotlivých vrstvách. Na čipu H100 generuje prover přibližně 110 tokenů za sekundu při 4bitově kvantizovaných vahách. Důkaz pro dotaz s 1 024 tokeny má velikost přibližně 18,78 MB. Ověření trvá zhruba 17 sekund na 24 procesorových vláknech a přibližně 21 sekund na jediném vlákně. → Anthropic, Help Net Security, RuntimeWire, TechCrunch

Komentář Synthszr: Režie faktorem 72 na jedno GPU oproti vLLM ukončuje jakoukoli debatu o nasazení v produkci. FlashProve se dnes hodí pro namátkové kontroly, audity a regulátory, kteří chtějí dohlížet na předpisy ohledně tempa vývoje. Právě tam Anthropic míří. První otevřený ověřovací standard totiž definuje to, co budou úřady později vyžadovat. Zasáhlo by to především routery a resellery otevřených modelů, jejichž marže stojí na neověřitelném dodavatelském řetězci (příznačné je, že se testovalo s modelem Llama, nikoli s Claude).