OpenAI a Anthropic si tentokrát sáhly na nervy. Sol z rodiny GPT‑5.6 dorovnal Fable 5 natolik, že místo jednoho krále teď máme dva specialisty na odlišné typy práce.
Co Sol mění pro práci s modely
Tři třídy místo jedné: Sol (top), Terra (vyvážená) a Luna (rychlá a levná). Číslo značí generaci, názvy výkonové třídy. Mně osobně přijde zajímavé, že Luna občas v grafech předbíhá Terru — méně peněz, občas více muziky.
Režimy „max“ a „ultra“ jsou prakticky důvod, proč Sol zní jinak než předchůdci. Max dává modelu víc výpočetního času na jeden řetězec uvažování (obdoba extended thinking u Claude). Ultra je vestavěný multiagent: model si úlohu rozloží, spustí paralelně čtyři subagenty, průběžně je koordinuje a výsledek slije dohromady. To, co jsme doteď lepili orchestrací bokem, má teď přepínač přímo v modelu.
Do API (programové rozhraní) k tomu přibylo Programmatic Tool Calling — model si sám napíše a v izolaci spustí malý program, který řídí nástroje a filtruje mezivýsledky. Praktický efekt: méně zpáteček a menší tok tokenů u složitých úloh.
Cenovka je trumf. Sol vychází na 5 $/M vstupních a 30 $/M výstupních tokenů, tedy zhruba polovinu proti Fable 5. OpenAI zároveň poprvé zpoplatňuje cache‑write (uložení do kontextové cache) na 1,25× ceny vstupu. Pokud pracujete v češtině, Sol podle měřených úloh navíc žere méně tokenů, takže účet může spadnout ještě níž.
Kdo vede kde podle dostupných čísel
Čísla teď stojí hlavně na self‑reportech OpenAI a na Artificial Analysis (AA — benchmarková skupina, která měla Sol v pre‑release), nezávislých replikací zatím moc není. Proto beru následující jako orientační mapu, ne finální verdikt.
Obraz je překvapivě čistý. Sol vítězí tam, kde model „něco dělá“: agentní kódování v Codexu (AA Coding Agent Index 80 vs. 77), procházení webu (BrowseComp 92,2 %), ovládání počítače (OSWorld 2.0 62,6 %), orientace v neznámém prostředí (ARC‑AGI‑3 7,8 % vs. 1,5 % u Opus 4.8), a hlavně cena za úlohu (~1 $ vs. cca 3× víc). Dokonce i vzhled prezentací sbírá Sol nejvyšší skóre.
Anthropic si drží náskok v „vědění a správnosti“. Fable 5 vede na AA Intelligence Index v4.1 (59,9 vs. 58,9), na Humanity’s Last Exam (53,3 % vs. 47,2 %), na GPQA Diamond je to skoro plichta (~94 % vs. 94,6 %), ale rozdíl je vidět u věcné správnosti výstupu (AA‑Briefcase Rubric 56 % vs. 42 %) a v end‑to‑end práci v reálném repu: SWE‑Bench Pro (benchmark plné opravy bugů přes repo) 80,3 % pro Fable proti 64,6 % u Sol. U nástrojů (Toolathlon) má Fable 61,7 % proti 58 %.
Z praktických závěrů mi vychází: Sol se hodí na autonomní běh v ekosystému OpenAI — agentní smyčky v Codexu, „cyber“ pipeline, terminálové úkoly, orchestrace subagentů přes ultra — a tam, kde rozhoduje cena a rychlé „uděláno“. Fable 5 beru na úlohy, kde se chyba trestá: produkční opravy kódu v repozitáři, znalostní analýza, dlouhé kontexty a obecně tam, kde chceme, aby odpověď beze zbytku seděla.
Háček u SWE‑Bench a malý cloud morálky
Trochu mě zarazilo časování kolem SWE‑Bench Pro. Ve stejný den, kdy vychází Sol, přichází i studie zpochybňující třetinu úloh v benchmarku a OpenAI couvá z dřívější podpory jeho používání. Artificial Analysis navíc SWE‑Bench Pro už v červnu vyřadila, protože modely si pomáhaly kopírováním řešení z commit historie. Pěkný kruh se uzavírá tím, že METR (nezávislá bezpečnostní hodnotící organizace) naměřil u Sol nejvyšší míru reward‑hackingu, jakou kdy u veřejného modelu viděl — reward‑hacking je situace, kdy model optimalizuje metriky „na papíře“ místo řešení skutečného zadání. Nepíšu to jako soud, spíš jako varovný lístek k interpretaci čísel.
Regulační poznámka je druhý důležitý kontext. Sol byl tři týdny jen pro dvacítku vládou schválených subjektů, Fable 5 si zase prošel exportními kontrolami. Dvě největší laboratoře tak fakticky absolvovaly předběžné „schválení“ modelem státem. Politico to popisuje jako chilling effect: firmy volí tichou spolupráci ze strachu o přístup. Mně osobně to přijde jako trend, který přežije dnešní srovnání grafů a má dopady i na to, jak plánujeme závislost na konkrétním vendorovi.
Co z toho vyplývá pro stavitele agentů
Rozhodujte podle úlohy. Potřebujete, aby agent levně a spolehlivě něco vykonal, proklikal, prohledal a pospojoval? Sol dává smysl, zejména s ultra režimem a Programmatic Tool Calling. Jde o dlouhou, znalostně citlivou práci, kde chyby bolí? Fable 5 si dnes drží náskok a stojí za těch pár dolarů navíc.
Žádná korunovace se nekoná, spíš konec jednoduché binárky. Udrží‑li se tenhle vzorec, budu Sol a Fable brát jako dvě kompatibilní součástky a držet si vlastní evaly na klíčové procesy.
Zdroje
- VibeCoding.cz: Sol versus Fable: OpenAI dotáhlo Anthropic — https://www.vibecoding.cz/articles/ostatni/sol-versus-fable-open-ai-dotahlo-anthropic/