Nové frontier modely se utkávají v cenové válce
- • Nové modely pro kódování se v cenové válce spoléhají na různé strategie
- • GLM-5.2 od Zhipu dosahuje úrovně Opus, ale s výrazně nižšími náklady
- • Marže na tokenech klesá, frontier modelům hrozí, že se stanou komoditou
Čtyři modely pro kódování za 48 hodin: GPT-5.6, Grok 4.5 a Muse Spark v cenové válce
Během dvou dnů vstoupily na trh čtyři seriózní modely pro kódování, každý s vlastní strategickou sázkou. OpenAI obsazuje s GPT-5.6 Sol prémiovou pozici za 5 dolarů za vstup a 30 dolarů za výstup na milion tokenů, vede na Terminal-Bench 2.1, ale na SWE-Bench Pro prohrává s Claude Fable 5. Meta tlačí s Muse Spark 1.1 na 1,25 a 4,25 dolaru plus kontextové okno o velikosti jednoho milionu tokenů a sází na vysoký objem při téměř stejném výkonu. Grok 4.5 od xAI přichází s cenou 2 a 6 dolarů, je trénován na bilionech tokenů z dat interakcí s Cursorem a je dodáván přímo v Cursoru. Cognition zase specializuje svůj SWE-1.7 pomocí Reinforcement Learning na dlouhé pracovní řetězce v Devinu. Evan Armstrong odhaduje obrat v oblasti kódování na příští rok na více než 75 miliard dolarů, což je něco, co před pěti lety neexistovalo. → Evan Armstrong from The Leverage
Synthszr Take: Čtyři vydání za 48 hodin jsou zrychlenou cenovou válkou. Zajímavé je, že Sol si i přes sedmkrát vyšší cenu výstupu než Muse Spark stále nachází zákazníky, protože schopnost kódování má nelineární hodnotu: u skutečného projektu je o něco levnější, o něco nespolehlivější model zřídka racionální volbou, protože špatný merge je dražší než jakýkoli účet za tokeny. Právě proto cenová válka sice požírá marži v samotném modelu, ale zároveň ji posouvá nahoru i dolů. Dolů k čipům a datovým centrům, kde je skutečné úzké hrdlo, a nahoru k vyřešenému problému, za který někdo platí. Kdo si dnes ještě myslí, že jeho obranným příkopem je model, bránil špatnou vrstvu; marže leží ve spolehlivě dodaném výsledku. Kdo tento týden integruje agenty pro kódování do skutečných pracovních postupů, měl by je oceňovat podle výsledku, nikoli podle tokenů, protože token se právě stává komoditou.
Zhipu přináší GLM-5.2: téměř na úrovni Opus-4.8 za pětinu nákladů
CEO Zhipu požaduje, aby frontier AI zůstala přístupná pro všechny a neskončila v rukou hrstky korporací. Současně čínská společnost představuje svůj nový LLM GLM-5.2, který se podle pozorovatelů trhu v několika benchmarcích přibližuje na zhruba jeden procentní bod k Opus 4.8 od Anthropicu, a to za pouhou pětinu provozních nákladů. Tento krok přichází ve stejném týdnu, kdy USA zavedly další omezení přístupu k několika pokročilým americkým modelům. Zhipu argumentuje, že širší přístup urychluje výzkum, produktivitu a růst napříč odvětvími, zatímco startupy, univerzity a vývojáři mohou držet krok. Analytici vidí v nákladové efektivitě hlavní prodejní argument: nižší provozní náklady snižují práh pro integraci pokročilé AI do každodenního firemního života. Debata o otevřené versus kontrolované AI tak běží na plné obrátky. → www.hokanews.com
Synthszr Take: Otevřenost je zde předem ohlášenou kalkulací nákladů. Pokud se model za pětinu ceny přiblíží na jeden procentní bod k Opus 4.8, stává se vrstva modelů zaměnitelným produktem a cena inteligence klesá rychleji, než si uzavření poskytovatelé dokážou vybudovat ochotu platit. Přesně to udělal Linux v roce 2000 s drahými deriváty Unixu a Zhipu nyní hraje stejnou kartu proti Kalifornii. Americká omezení z téhož týdne ukazují, kam se soutěž přesouvá: pryč od softwaru, směrem k čipům, datovým centrům a otázce, kdo koho smí regulovat. Pro všechny, kdo u nás čekají na dokonalý domácí model, je to mylná obava, protože suverenita závisí na vlastních doménových datech. Kdo tento týden otestuje GLM-5.2 na svém seznamu úkolů, bude mít zítra spolehlivé číslo místo powerpointové iluze.
Benedict Evans: 40% marže na tokenech se neudrží, frontier modely se stanou komoditou
Benedict Evans ve své nejnovější analýze rozebírá otázku ceny tokenů. Dnes panuje nedostatek nabídky, laboratoře vyvíjející modely si mohou diktovat ceny a inference podle zpráv běží s hrubou marží 40 až 50 procent (po započtení odpisů serverů, ale bez nákladů na trénink příštího modelu). Háček je v tom, že v přípravě jsou investice do datových center za více než bilion dolarů, efektivita inference rychle roste a současný nárůst poptávky pochází téměř výhradně z jediného případu použití, a to vývoje softwaru. Evansova klíčová otázka zní, zda si frontier modely udrží udržitelnou cenotvornou sílu, nebo se stanou nízkomaržovou komoditní infrastrukturou. Jeho odpověď se jasně kloní k druhé možnosti: půl tuctu firem používá z velké části stejnou vědu, stejná trénovací data a dosahuje stejných výsledků, a síťový efekt nebo mechanismus „vítěz bere vše“ zatím nikdo nedokáže pojmenovat. Skutečná páka leží v čipech, kapacitě a otázce, jak dlouho drahá špička nákladové křivky vůbec ospravedlní ROI. → www.ben-evans.com
Synthszr Take: Kdo dnes prodává tokeny, sedí na 40% marži, která vydrží jen tak dlouho, dokud bude nabídka omezená. A omezená nezůstane: bilion dolarů v Capex a rychle klesající náklady na inference se postarají o to, že kyslík, který nyní drží ceny nahoře, se vypaří. Rozhodujícím postřehem je zaměnitelnost. Pokud pět poskytovatelů se stejnou vědou a stejnými daty staví prakticky identické modely, je software menším problémem a boj se přesouvá na čipy, elektřinu a regulaci, tedy na TSMC, datová centra a politiku. To jsme viděli už na konci června, kdy Apple musel zvýšit ceny kvůli explodujícím nákladům na čipy: úzké hrdlo je v továrně, ne v modelu. Prakticky to znamená zacházet s modely jako se zaměnitelnými a nepovažovat jednoho poskytovatele za strategického partnera, kterého lze zítra nahradit za světovou tržní cenu. Napínavou otázkou je, kdo najde jediný případ použití kromě kódování, který unese stovky milionů denních uživatelů, protože ten dnešní infrastruktura za žádnou cenu neobslouží.
CEO Zhipu Jie Tang v manifestu oznamuje cíl AGI a restart po vstupu na burzu
Na čínské aplikaci RedNote se objevil interní dopis, údajně od CEO Zhipu Jie Tanga, který uživatel bingxu_ přeložil do angličtiny. Text se čte jako vyznání víry ve třech částech: kdo jsme, jak chápeme tuto éru, kam směřujeme. Zhipu vypráví svůj příběh od roku 2006, kdy akademický vyhledávací systém běžel na jediném desktopu a později obsluhoval přes deset milionů uživatelů, až po GLM-130B, vytvořený v letech 2021 až 2022, rok a půl před momentem ChatGPT. Dne 8. ledna 2026, v den kotace H-akcií v Hongkongu, se prý „resetovali na nulu“ a plně se zaměřili na další generaci modelů. Tang popisuje tři hory, které je ještě třeba překonat: dlouhodobé úkoly, plně autonomní systémy agentů (společnost jednoho člověka se stane společností bez lidí) a sebe-evoluce, tedy AI, která trénuje AI. A nekompromisní definici AGI: součet veškeré lidské inteligence, schopný vytvářet originální znalosti na úrovni teorie relativity, daleko za hranicemi génia jednotlivce. → x.com
Synthszr Take: Dopis je rétoricky silný a intelektuálně upřímnější než většina západních prezentací pro investory, ale popisuje falešnou frontu. Zatímco Tang píše o prvních principech a zvyšování stropu inteligence, samotné modely se právě stávají zaměnitelným produktem: otevřené, levné, všude. Skutečné úzké hrdlo leží v čipech, datových centrech a regulaci, která rozhoduje o tom, kdo tento proud vůbec dostane. Právě proto je věta „v den, kdy jsme zazvonili na burzovní zvon, jsme se resetovali na nulu“ tak výmluvná: Zhipu si na kapitálovém trhu získává kyslík, který spotřebovává výpočetní zátěž, a zároveň s tím prodává příběh o idealismu. Pro všechny mimo duopol USA-Čína to znamená něco konkrétního. Kdo nemůže postavit vlastní továrnu na modely, přesto vyhraje, pokud nepustí z ruky svá doménová data a chytře využije levnou výkonnou sílu. Modely stejně přijdou zdarma až do domu. Otázkou je, kdo je v pondělí ráno nasadí na skutečný problém místo na další manifest.
Nvidia představuje otevřený Nemotron-Diffusion, který přináší čtyřnásobnou propustnost
Nvidia představila s Nemotron-Labs-Diffusion jazykový model, který spojuje tři dekódovací metody v jediné architektuře: autoregresivní, difúzní a Self-Speculation. Trénuje se se společným AR-difúzním cílem, takže model může přepínat režim podle nasazení a vytížení. V režimu Self-Speculation difúze navrhuje, zatímco AR strana kontroluje, což podle paperu překonává klasickou multi-tokenovou predikci v míře přijetí a efektivitě. Pod optimálním samplerem generuje difúze až o 76,5 procenta více tokenů na forward pass než Self-Speculation. Rodina škáluje přes 3B, 8B a 14B parametrů, vždy jako Base, Instruct a Vision-Language varianta. 8B model dekóduje šestkrát více tokenů na forward pass než Qwen3-8B při srovnatelné přesnosti, což na SPEED-Bench s SGLang na GB200-GPU znamená čtyřnásobnou propustnost. Váhy jsou volně dostupné na Hugging Face. → TheSequence
Synthszr Take: Skutečná věta v celém paperu je na konci: čtyřnásobná propustnost na GB200. Nvidia dává váhy k dispozici, protože peníze jsou v křemíku, který tu propustnost vůbec umožňuje. Open-source model, který běží nejlépe zrovna na nejdražší kartě od Nvidie, je nejelegantnější reklama na čipy, kterou si tento týden můžete stáhnout. Už Nemotron 3 v březnu byl stejný krok, jen méně zřejmý. Pro všechny, kdo sami provozují inference, se pohled na 8B variantu vyplatí okamžitě: šestkrát více tokenů na forward pass při stejné přesnosti znamená v reálu méně GPU hodin na dotaz, a to lze změřit během odpolední session proti vlastnímu Qwen setupu. Software se stává zaměnitelným produktem, datová centra pod ním nikoli. Kdo chce pochopit, kde bude v budoucnu marže, dívá se na propustnost na watt, ne na skóre v benchmarku.
Cursor opouští IDE a chce se pustit do kancelářských úkolů
Cursor, kódovací nástroj od Anysphere, pracuje podle The Information na obecném AI agentovi s kódovým označením „Sand“. Reportérka Grace Kay uvádí, že agent je určen pro lidi, kteří nikdy nechtěli napsat ani řádek kódu. Sand má zpracovávat e-maily, textové zprávy a dokumenty a míří přímo na Claude Cowork od Anthropicu. Cursor se dosud profiloval jako nejlepší IDE zážitek na trhu, s až osmi paralelními agenty a Composer-Mode. Nyní tento nástroj opouští specializovanou oblast vývojářů a vstupuje do širšího pole znalostní práce. → The Information
Synthszr Take: Cursor pochopil, že trh s nástroji pro kódování s více než 15 seriózními hráči se pomalu stává zaměnitelným, a dělá logický skok. Pokud agent dokáže orchestrovat PRs přes více souborů, dokáže také vyprázdnit vaši e-mailovou schránku. Právě v tom spočívá lákadlo i riziko: obranným příkopem Cursoru byl promyšlený nástroj pro profesionály, a v otevřeném poli obecných asistentů se setkáte s OpenAI, Googlem a Anthropicem zároveň. Sand je závod o odpověď na stejnou otázku, kterou vidíme už měsíce: kdo obsadí servisní vrstvu mezi člověkem a strojem, když se počítá záměr, a ne už syntaxe? Pro nevývojáře to konkrétně znamená, že dostanou nástroj, který provede jejich záměr, aniž by museli kdy pochopit, co se děje pod povrchem. Kdo už dnes má v týmu Claude Code nebo Cursor, měl by skok do obecné znalostní práce plánovat jako další standard, a ne ho odbýt jako hračku. Model se stal zaměnitelným; rozhodující je, kdo zvládne distribuci do každodenní práce.
Cloudflare bude AI crawlerům nově účtovat za každé stažení
Modely se stávají zaměnitelným zbožím a tento týden přináší důkaz: GLM-5.2 běží jako open-weight model na jediném Macu a přesto hraje v lize Claude Opus 4.8 a GPT-5.5. Přesně v tomto okamžiku se skutečná konkurence přesouvá o patro níže, na čipy, datová centra a otázku, kdo kontroluje přístup k obsahu. Cloudflare zde zasahuje a bude AI crawlerům v budoucnu účtovat za každé stažení, místo aby je jako dosud nechal zdarma procházet přes robots.txt. Paralelně zpráva Coatue z května 2026 ukazuje rozměr celého dění: sázka na AI v hodnotě 12 bilionů dolarů, s jasnými vítězi a poraženými na straně infrastruktury. Anthropic, AWS a Google mezitím soupeří o agent-runtime, zatímco Klarna a Coinbase ukazují, že regulační úroveň je přinejmenším stejně tvrdě bojovaná jako ta technická. → Linas from Linas’s Newsletter
Synthszr Take: Zatímco všichni zírají na modely, Cloudflare staví mýtnou bránu. Když open-weight model jako GLM-5.2 dosáhne na jediném Macu úrovně Claude Opus 4.8, software jako obranný příkop skončil a hodnota se přesouvá tam, kde je compute, datová centra a přístup k datům. Platba za procházení je první poctivá cena za něco, co bylo léta zdarma stahováno (robots.txt byla vždy jen prosba, ne závora). Kdo si tento týden přepočítává svou AI strategii, měl by na stůl položit náklady na tokeny a přístup k infrastruktuře; tam účet exploduje, zatímco licence na model se smrskává na poznámku pod čarou. To je dobře, protože komoditní modely snižují vstupní bariéru pro každého hráče a soutěž se v budoucnu bude rozhodovat podle disciplíny v oblasti compute a chytré orchestrace. Modely zlevnily. Drahé bude to, co je krmí a dodává.
Odpor proti datovým centrům roste: 27miliardová stavba Mety a Mica od Googlu
Emma Roth v The Verge popisuje, jak se právě mění odpor proti datovým centrům pro AI. Mozaika místních předpisů už nestačí k zabrzdění stavebního boomu a návrhy zákonů na federální úrovni stále visí v Kongresu. V Irsku stačily dvě osoby, aby na roky zablokovaly plány Applu na datové centrum. Dnes jsou k tomu zapotřebí celá města, která se staví proti projektům ve svém sousedství. Na stole leží stavba „Hyperion“ od Mety v Louisianě za 27 miliard dolarů, projekt „Mica“ od Googlu v Missouri za 10 miliard dolarů a projekt od xAI v hodnotě zhruba 20 miliard dolarů. Mnoho obcí na tento problém zůstává samo. → Emma Roth, The Verge
Synthszr Take: Skutečné úzké hrdlo dnes stojí v územním plánu. Zatímco software se stává otevřenějším a levnějším, diferenciace se přesouvá níže: k čipům, megawattům a pozemkům. A právě zde se to stává politickým, protože 27 miliard dolarů betonu nelze nasadit přes API; někdo to musí postavit na poli konkrétního okresu. Kdo získá stavební povolení a připojení k síti jako první, vyhraje supercyklus, a to se rozhoduje na slyšeních obecních rad, které jsou tímto rozsahem přehlceny. Pro obce to znamená zcela prakticky: jasné podmínky ohledně vody, připojení k síti a daně z nemovitosti patří do jednání předtím, než přijede první bagr, ne až potom. Modely nikdy nebyly tím drahým problémem; drahé jsou čipy, megawatty a pozemky, a ty se nedají odoptimalizovat.
Studie MIT: Autoři esejů s pomocí AI dosahují horších výsledků než uživatelé bez nástrojů
Business Insider si klade otázku, zda nás AI dělá hloupějšími, a upřímná odpověď zní: na verdikt je příliš brzy, ale dosavadní výzkum nevypadá dobře. Ústředním bodem je často citovaná studie MIT od Nataliye Kosmyny, ve které si respondenti, kteří psali eseje s generativní AI, časem vedli hůře než ti, kteří používali Google nebo pracovali zcela bez pomůcek. Kosmyna považuje oblíbené srovnání s kalkulačkou, které rád používá i Sam Altman, za myšlenkovou chybu: s kalkulačkou nemluvíte o všem, co vám proběhne hlavou. Text se vrací k „Google efektu“ z roku 2011, kdy vědci ukázali, že si spíše pamatujeme, kde se informace nachází, než informaci samotnou. Už Sokrates se obával, že písmo oslabí paměť, kalkulačka počítání z hlavy. To vše se stalo, jen pomalu a nikdy ne kvůli jediné technologii. → Business Insider
Synthszr Take: Otázka v titulku předpokládá, že jsme dříve přemýšleli na úrovni, která se nyní ztrácí. To je přeslazená nostalgie. Zajímavější je Kosmynin argument proti srovnání s kalkulačkou, protože jazykový model přebírá celý myšlenkový proces, pokud mu to dovolíte, nejen dílčí úkol. Právě zde leží praktická páka, a o té lze rozhodnout dnes: kdo se právě učí, měl by AI vědomě brzdit, protože tření, chyba, namáhavé vlastní odvození se později stane intuitivním úsudkem. Kdo už má vzorce v hlavě, může výstup AI rozebrat a rozpoznat jemné chyby, které začátečníkovi jednoduše proklouznou. Skutečným rizikem je generace, která diriguje odpovědi, aniž by kdy položila správné otázky. Kdo tření strategicky dávkuje místo reflexivního odautomatizování, vyjde z této věci chytřejší než dříve.
Google odpovídá na otázku, vaše webová stránka dodává trénovací materiál
Gerald Hensel ve svém Cultural-Content-Newsletteru (s odkazem na Tima Woodalla) nastoluje otázku, kterou mnozí raději potlačují: K čemu vlastně váš web ještě je, když se Google stává strojem na odpovědi? Vyhledávač, který čtvrt století rozděloval návštěvnost, nyní odpovídá na otázky přímo na stránce s výsledky. Odkazy na externí stránky se smrskávají na poznámky pod čarou, AI generovaná odpověď je nahoře a je dostatečně pohodlná, že málokdo klikne dál. Google tím řídí každodenní vyhledávací chování zhruba 4 miliard lidí. Web se z vstupního bodu stává skladištěm surovin, ze kterého se model obsluhuje. A klasický obchod, obsah za návštěvnost za příjmy z reklamy, dostává trhliny. → Gerald Hensel
Synthszr Take: Symbióza mezi Googlem a otevřeným webem byla vždy výměnným obchodem a Google ho právě vypovídá. Kdo nadále produkuje průměrné SEO stránky pro algoritmus, který sám shrnuje obsah, krmí stroj, který zpětný kanál dávno přerušil. Při 4 miliardách denních vyhledávání se zítřejší viditelnost rozhodne podle toho, zda váš obsah vůbec ještě poskytuje důvod opustit rozhraní Googlu. Přežije jen to, co je excelentní, svébytné a těžko parafrázovatelné: komunita, produkt, zážitek, který nelze popsat ve třech generovaných větách. Tento týden lze upřímně rozebrat vlastní návštěvnost: jaký podíl by přišel i bez kliknutí z Googlu? Nostalgie po starém webu zde nepomůže, stroj na odpovědi nečeká. Kdo teď začne budovat skutečnou uživatelskou hodnotu místo návnady na kliknutí, má lepší karty, až zaměnitelné stránky zmizí z indexu.
