Před technologicky dávnou dobou jsem napsal článek o tom, k čemu lze použít jednotlivé konkrétní LLM. Modelů AI je totiž celá řada a každý je vhodný na něco jiného. I docela “přehledný” Anthropic má hned tři modely, které se liší buďto cenou, nebo rychlostí, jakou vám vyčerpají přidělenou kapacitu - to podle toho, zda platíte za dotaz nebo paušální poplatek. A i s ohledem k na kvalitu odpovědí je rozumné zamyslet se nad tím, který model použít.
Aktualizace: čtvrt hodiny po vydání článku vydal DeepSeek novou verzi 3.2 a její výsledky jsem do článku zapracoval… Zároveň Grok vydal novou verzi 4.1 a její výsledky je také vhodné zapracovat. Pak vydal novinky i Mistral a Apple, také přidáno.
Dobrým vodítkem jsou nám testy, já budu nyní vycházet z V2 WeirdML a čerstvě uniklých benchmarků matematických olympiád. Tyto testy totiž netestují jen “znalost Pythonu”, ale simuluje reálnou práci ML inženýra či matematika. A právě v momentě, kdy jsem dopisoval tento text, se objevila nová data, která situaci dramaticky mění.
Proč se zajímat o cenu modelu, když platíte paušál? Protože on to tak docela paušál není. U LLM buďto platíte za počty zpracovaných tokenů (při přístupu přes API, tedy zejména programátoři) nebo dostanete v rámci paušálu jen určitý počet odpovědí za den, týden atd. Dražší modely pochopitelně dávají méně odpovědí v průběhu jednoho dne či týdne. Pro jednu konverzaci za den to bývá jedno, ale při rutinním užívání narazíte snadno na limity svých tarifů a o ceně modelu se vyplatí přemýšlet.
A o čem bude řeč?
Stav trhu LLM (Prosinec 2025)
Univerzální volba: Gemini 3 Pro si rychle získal pozici v oblasti obecné inteligence. S přesností téměř 70 % v komplexním reasoningu a cenou nižší než konkurence odsouvá GPT-5.1 na druhou kolej. Pro běžné užití je tarif Google AI Plus za 220 Kč měsíčně (a nyní ve slevě na 110 Kč měsíčně) výborná volba.
Specialista na vědu: DeepSeek-V3.2 “Speciale”. Čínský model, který v matematice a kódu dosahuje výsledků srovnatelných s Googlem či OpenAI. Je náročný na spotřebu tokenů, což se může projevit na rychlosti, ale pro specifické výpočty je velmi výkonný.
Potenciální skokan: Grok 4.1 (Fast & Reasoning). Novinka týdne. xAI uvedla model, který má 2 miliony tokenů kontext (stejně jako Gemini) a schopnost Reasoning (přemýšlení), přičemž cena je stanovena na $0.20 za milion tokenů. To zní velmi lákavě pro sumarizaci a agenty, ale model zatím nemáme dlouhodobě ověřený. Ještě levnější je Grok-4-fast. Nabízí výkon “střední třídy” za cenu $0.013. To je tak levné, že se nevyplatí používat Llama modely.
Krize identity u OpenAI: GPT-5.1 je drahý a v klíčových benchmarcích (CodeForces, HMMT) nyní prohrává jak s Googlem, tak s DeepSeekem. OpenAI drží pozici jen v oblasti strukturovaných dat (o4-mini). V podstatě nyní máte ChatGPT jen z nostalgie.
Specializace Anthropicu: Claude už nesoutěží hrubou silou, ale “lidskostí” a spolehlivostí agentů. Claude Code je nejlepší software pro autonomní vývoj.
Nový král: Dominance Gemini 3 Pro
Vydání modelu Gemini 3 Pro byl blesk z čistého nebe. Jistě, bylo známo, že Google investuje a už jeho obrazový model Nano Banana vydaný o týdny dříve, byl skvělý, jenže pořád jsem si tak nějak myslel, že kompletní Gemini model se Googlu nepodaří vyladit tak dobře. A model Gemini 3 Pro je VELMI dobrý model, který o parník utekl jak OpenAI, tak Anthropicu. Já jsem to zjistili na našem Scribetonu Zítraslavných. Mám totiž takový prompt, kterým si nechávám vyhodnocovat mnou napsaný beletristický text a který mi hlídá, zda například nevypadávám z jazyka a povahy jednotlivých postav, či zda nejsou některé pasáže zbytečné, posouvají děj či jsou uvěřitelné. Vždycky jsem používal Sonnet, po letošním testování z něj lezly nejlepší výsledky, model o3 mi nepřišel pro češtinu moc dobrý, GPT-5 byl dost strojený, Gemini 2.5 Pro bylo velmi formální a ani laděním promptu se mi to nedařilo snadno změnit. Teď jsem to před týdnem vyzkoušel na GPT-5.1 (opět nic moc), Opus 4.5 (fajn výsledek) a když jsem čekal, než mi to Opus zpracuje, tak jsem překopíroval podklady do Gemini 3 Pro přes GEM Jazykový redaktor a zadal jednoduchý prompt - ani ne ten můj vyladěný. A doslova jsem nevěřil svým očím, jak komplexní a promyšlená byla odpověď. Od té doby používám na ladění textu Gemini 3 Pro, přičemž hlavní výhodou je milionový kontext, takže můžu v klidu nahrávat celý text knihy i obslužné story line a story canvas.
Nejvýraznějším zjištěním z datasetu je absolutní odskok modelu gemini-3-pro-preview.
Výkonnostní skok: S průměrnou přesností (avg_acc) 0.699 tento model nejenže vede, ale o parník poráží konkurenci. Pro kontext: rozdíl mezi Gemini 3 Pro a GPT-5.1 (0.608) je téměř 10 procentních bodů.
Silné stránky: Podívejte se na xor_easy_acc (0.916) a shapes_hard_acc (0.744). Google zjevně vyřešil multimodální a logické operace, které ostatním dělají potíže.
Efektivita: Přestože je to SOTA (State of the Art), jeho cena za běh ($0.53) je nižší než u GPT-5.1 ($0.69) i Claude Opus 4.5 ($0.74). Google zde využívá svou infrastrukturu TPU k cenové válce na špičce.
Závěrem: pokud používáte předplatné Google, máte v rámci něho dostupné Gemini 3 Pro a výrazně doporučuji se jím začít zabývat. Zatím tu není tolik integrací a také podpora projektů a GEMů je slabší, než v případě OpenAI, ale dá se to překlenout a očekávám, že tu Google zapracuje. A kromě “síly” modelu a jeho uvažování je velkou výhodou multimodalita.
Google Gemini se tak definitivně stalo skokanem roku v obecné inteligenci.
Souboj titánů: Claude Opus 4.5 vs. GPT-5.1
Dlouho očekávaný souboj mezi nejnovějšími modely Anthropic a OpenAI má v těchto datech jasného vítěze. A není to OpenAI.
-
Claude Opus 4.5 (High, 16k): S
avg_acc0.637 se Anthropicu podařilo překonat řadu GPT-5. Opus potvrzuje svou pověst modelu pro komplexní uvažování. Je sice nejdražší v datasetu ($0.74/run), ale pro případy, kde selhání není možnost, je to nyní silná volba pro agentní systémy. Model Sonnet 4.5 je klasika pro běžné použití a Haiku prověřený všude tam, kde je potřeba rychlost a jeho schopnost práce s textem téměř dosahuje Sonnetu za výrazně lepší cenu. -
GPT-5.1 & GPT-5: OpenAI se ocitá v defenzivě. Vlajková loď
gpt-5.1dosahuje pouze 0.608. To je sice špičkový výsledek, ale v matematice prohrává s DeepSeekem o 10 % a v obecném reasoningu s Googlem taktéž. Model označený jakogpt-5-pro(0.604) nepřináší lepší přesnost než verze 5.1.
Grok 4.1: Slibná novinka za 20 centů
Elonova xAI vydala ceník pro řadu Grok 4.1, který představuje výzvu pro konkurenci v oblasti zpracování velkých dat.
Podívejme se na parametry modelu grok-4-1-fast-reasoning:
- Kontext: 2 000 000 tokenů. To umožňuje nahrát rozsáhlou dokumentaci nebo databáze. Tím se papírově vyrovnává Gemini 1.5/2.5 Pro.
- Schopnosti: Má v názvu “Reasoning”. Měl by tedy disponovat schopností řetězení myšlenek (Chain of Thought).
- Cena: $0.20 za 1M vstupních tokenů / $0.50 za 1M výstupních.
Co to znamená? Oproti staršímu modelu grok-4-0709, který stál $3.00 za vstup, je nová verze výrazně dostupnější a nabízí větší kontext. Jde o zajímavou alternativu k modelům jako Gemini Flash nebo Claude Haiku. Pokud potřebujete analyzovat rozsáhlé PDF, Grok se jeví jako ekonomicky velmi efektivní řešení, které stojí za vyzkoušení. Praktickou zkušenost s ním ale zatím nemám.
Čínský drak: DeepSeek zase zvyšuje tlak
Zatímco Google ovládl “všeobecnou chytrost”, z Číny právě dorazila data o novém modelu DeepSeek-V3.2, který zcela měří pohled na “High-End” modely. Už to není jen o tom, že čínské modely jsou “dost dobré a levné”. V oblasti matematiky a programování je DeepSeek novým predátorem.
Podle čerstvých benchmarků se DeepSeek rozdělil na dvě verze a ta s názvem “Speciale” je absolutní monstrum:
- Matematická dominance: V testu HMMT Feb 2025 (Harvard-MIT Mathematics Tournament) dosáhl DeepSeek Speciale skóre 99.2 %. Pro srovnání: Gemini 3.0 Pro má 97.5 % a GPT-5 High jen 88.3 %. Pokud potřebujete počítat, DeepSeek je momentálně nejchytřejší entita na trhu.
- Programování: Na platformě CodeForces dosahuje ratingu 2701, což je statistická remíza s Gemini 3.0 Pro (2708) a výrazně více než GPT-5 High (2537).
Má to ale háček: “Tokenová daň”. Zatímco Gemini dosáhne svého výsledku na CodeForces s použitím 22 tisíc tokenů, DeepSeek Speciale jich “sežere” 77 tisíc. Tento model jde na věc hrubou silou – masivně přemýšlí, zkouší strategie a spotřebovává obrovské množství výpočetního času. Je to dříč, ne sprinter. Bude pomalejší a latence může být problém, ale pokud potřebujete vyřešit algoritmický problém, na kterém si ostatní vylámou zuby, je to vaše nová volba.
Běžná verze DeepSeek-V3.2 Thinking pak zůstává skvělou volbou pro poměr cena/výkon, kde stále drží krok s GPT-5, ale za zlomek ceny.
LLAMA (Meta) Pád králů?
Mark Zuckerberg v AI stále zaostává. Llama v oblasti reasoningu ztratila kontakt se špičkou. Model llama-4-maverick má přesnost pouze 0.245. Oproti Gemini 3 Pro (0.699) je to pravěk. Mistral na tom byl podobně, ale pak v prosinci vydal zajímavou trojici modelů.
🔒 Soukromí a Lokální AI (Edge)
Zatímco cloudové modely válčí o výkon, francouzský Mistral ovládá kategorii modelů, které běží u vás.
VÍTĚZ: Ministral 3 14B. Podle nových benchmarků tento model na běžném hardwaru (24GB RAM) poráží v matematice a logice i srovnatelné čínské modely Qwen.
Use-case: Pokud pracujete s citlivými daty (zdravotnictví, právo, know-how), která nesmí opustit firmu, je Ministral 3 aktuálně nejvýkonnější “mozek”, který můžete provozovat offline, aniž byste potřebovali serverovnu. Ale ještě se podívejte na Apple framework CLaRa - je to žhavá novinka a umožňuje práci s dokumenty a AI na vašem zařízení.
Amazon Nova: Podniková efektivita v AWS a video
Amazon čerstvě (prosinec 2025) představil čtyři modely, přičemž tři jsou dostupné nyní a vlajková loď (Premier) dorazí v Q1 2026. Hlavním prodejním argumentem není “magická inteligence”, ale rychlost (latence), cena a integrace videa.
Nova Micro
Role: Textový model optimalizovaný pro rychlost a nízkou cenu.
Konkurence: Grok-4-fast, Llama, Haiku.
Analýza: Amazon tvrdí, že jde o nejrychlejší model ve své třídě. Pro vývojáře na AWS to znamená možnost nahradit externí “levné” modely (jako Llama na vlastním GPU) nativní službou s milisekundovou odezvou.
Nova Lite & Pro
Role: Multimodální modely schopné zpracovávat text, obrázky a video.
Výkon: Amazon uvádí, že Nova Pro překonává GPT-4o v přesnosti, rychlosti a zpracování videa.
Analýza: “Překonat GPT-4o” je v prosinci 2025 povinná jízda, nikoliv revoluce (Gemini 3 Pro je dále). Klíčová je zde schopnost chápat video. Pokud máte v S3 uložené terabajty videozáznamů, Nova Pro je dokáže analyzovat bez nutnosti posílat data mimo AWS.
Nova Premier (Q1 2026)
Toto má být model pro komplexní reasoning, který vyzve Gemini 3 Pro a DeepSeek Speciale. Zatím ale není dostupný, takže v prosincovém srovnání ho nemůžeme hodnotit.
Amazon Nova nemění hru pro běžného uživatele (jako Grok cenou nebo DeepSeek matematikou), ale mění hru pro firmy na AWS. Díky skvělé integraci, jednotné fakturaci a dobrému výkonu se vyplatí tyto modely minimálně zvážit.
Pokud vaše infrastruktura běží na AWS, Amazon právě odstranil důvod, proč používat OpenAI.
VÍTĚZ (Integrace): Amazon Nova Pro. Podle interních testů Amazonu tento model překonává GPT-4o a exceluje v analýze videa. Pro firmy je zásadní, že data neopouští ekosystém AWS Bedrock.
Specialita: Model Distillation. Amazon umožňuje vzít velký model (Nova Pro) a “naučit” menší modely (Micro) specifické úlohy vaší firmy. To je cesta k extrémní efektivitě, kterou OpenAI ani Google v této formě nenabízejí.
Jaký model použít na jaký typ úloh?
Níže uvádím aktualizovaná doporučení pro klíčové oblasti, zohledňující nástup DeepSeeku:
Sumarizace a Analýza rozsáhlých dokumentů (RAG)
-
Zajímavá alternativa: Grok 4.1 Fast Reasoning. S kontextem 2M tokenů a cenou $0.20 jde o ekonomicky atraktivní volbu. Doporučuji jej vyzkoušet na interních dokumentech, zda jeho výstupy odpovídají vašim požadavkům.
-
Ověřená kvalita: Gemini 2.5 Flash / Pro. Pokud potřebujete mít jistotu, že modelu neunikne detail v dlouhém textu, Gemini zatím vykazuje stabilnější výsledky.
Apple v tichosti vydal framework CLaRa, který propojuje RAG koncept s modelem instalovaným přímo v zařízení, takže funguje lokálně. Místo aby AI četla text, čte “myšlenky”. CLaRa dokáže zkomprimovat vaše dokumenty (smlouvy, skripta, maily) až 128x, aniž by ztratila kontext. Umožňuje tak provozovat pokročilý RAG (chatování s dokumenty) přímo na vašem Macu s minimálními nároky na paměť.
Pokud stavíte aplikaci, která má “rozumět” uživatelským datům a běžet offline, CLaRa-7B je technologicky nejpokročilejší řešení na trhu. Není to náhrada za GPT-4, je to náhrada za vaši databázi.
1. Překlad z angličtiny do češtiny
-
Smart Choice (Cena/Výkon): Claude 4.5 Haiku. Haiku 4.5 (cca $0.12/run) dosahuje v testech téměř stejných kvalitativních výsledků jako drahý Sonnet, ale za zlomek ceny.
-
Budget Choice (Nejlevnější dostačující): Grok-4-fast. S cenou $0.013 je bezkonkurenčně nejlevnější západní model.
2. Překlad z čínštiny do češtiny
- Smart Choice (Cena/Výkon): DeepSeek-V3.2-exp. Čínský model, který nativně chápe nuance mandarínštiny. Cena ($0.018) je zanedbatelná. Nabízí nejvyšší kvalitu překladu předtím, než byste museli sáhnout po drahém Gemini 3 Pro.
3. Analýza finančních dat a Matematika
Zde nastala velká změna.
-
Smart Choice (Komplexní analýza): Gemini 3 Pro. Pro práci s multimodálními daty (PDF grafy + Excel) je Gemini stále nejbezpečnější volba díky pochopení kontextu.
-
Hardcore Math & Logic: DeepSeek-V3.2 Speciale. Pokud potřebujete čistou matematiku, statistiku nebo složité výpočty a nevadí vám, že si model chvíli “zapřemýšlí” (a sežere hodně tokenů), DeepSeek je nyní přesnější než Gemini.
-
K vyzkoušení: Grok 4.1 Fast Reasoning. Díky deklarovaným “Reasoning” schopnostem by měl zvládat strukturu (JSON) lépe než starší modely. Je vhodné jej nasadit paralelně a ověřit přesnost na datech.
4. Sestavení horoskopu a kreativa
-
Smart Choice (Cena/Výkon): Claude 4.5 Haiku. Opět vítězí “malý” Anthropic. Dokáže simulovat mystický nebo empatický tón mnohem lépe než strohý Grok.
-
Budget Choice: DeepSeek-V3.2 (přes prompt engineering).
5. Programování (Vývoj softwaru)
-
Smart Choice (Cena/Výkon): DeepSeek-V3.2 Speciale / Qwen3-Coder. Pro náročné algoritmické úlohy je DeepSeek Speciale (CodeForces 2701) novou špičkou, která konkuruje Gemini 3 Pro za potenciálně nižší cenu. Pro rutinní kódování v IDE je Qwen3 stále nepřekonatelný poměrem cena/výkon.
-
Agentní vývoj: Claude Code (běžící na Sonnet/Opus). Zde je Anthropic stále nejpraktičtější díky spolehlivosti v terminálu.
Závěr: Jakou architekturu zvolit pro vývoj? Router!
Pokud chcete maximalizovat efektivitu, doporučuji hybridní přístup. Registrujte se na OpenRouter.ai a vybírejte si model podle úkolu:
- Výchozí model: Claude 4.5 Haiku (texty, chat) nebo po otestování Grok 4.1 Fast Reasoning. Zkuste jej nasadit na objemové úlohy. Pokud se osvědčí, ušetříte významné prostředky ($0.20/1M).
- Komunikace a Styl: Claude 4.5 Haiku. Pro texty, kde záleží na formě.
- Matematika / Hardcore Kód: DeepSeek-V3.2 Speciale (když potřebujete hrubou sílu a genialitu).
- Kritický byznys kontext: Gemini 3 Pro (všeobecná inteligence).
OpenAI v těchto datech ztrácí dech. GPT-5.1 není lídrem trhu a v matematice dostává na frak od čínského modelu. Pokud nepřijdou s rychlou iterací, Google a Čína jim rozeberou trh.
