Souboj o nejvýkonnější AI modely měl ještě minulý týden docela přehledné obsazení: OpenAI a Anthropic vpředu, ostatní spíš v závěsu. Teď do něj Google a Meta hodily dva nové modely a najednou bych se s jednoduchými žebříčky raději neunáhlovala.
Dva modely během dvou dnů
Google v úterý vydal Gemini 4 Argon. Firma tvrdí, že nový model v řadě benchmarků, tedy standardizovaných testů schopností modelu, dorovnává nebo překonává vlajkové modely OpenAI a Anthropic. Článek The Verge zároveň upozorňuje na cenu: Argon má být v zaváděcím období až o 80 procent levnější za token než konkurence. Token je malý kus textu, ze kterého se počítá cena práce s jazykovým modelem.
Tohle není jen drobná technická úprava. Google od vydání Gemini 3 přinášel hlavně postupná vylepšení a mezitím se uvnitř firmy přesouvali lidé i týmy. Jeff Dean odešel s dalšími výzkumníky založit startup, Demis Hassabis ustoupil z každodenního vedení a část AI týmů se přesunula z DeepMind přímo pod Google. Zvenku to působilo trochu jako chvíle, kdy se člověk snaží uklidit pracovní stůl, ale všichni si myslí, že se stěhuje z kanceláře.
Meta přišla v pondělí s Muse Wonder Full. I tady jde zatím o srovnání z testování samotné firmy: model má soupeřit s GPT-6 Astra, Claude Opus 5.5 a Claude Fable 5.1. Meta už v dubnu vydala Muse Spark přes své Superintelligence Labs, ale The Verge jej popisuje jako slibný model, který ještě nebyl úplně na špičce. Muse Wonder Full má být ten okamžik, kdy se Meta do nejužšího závodu konečně dostala.
Benchmark není celá odpověď
Čísla z benchmarků beru s opatrností, kterou jsem si vypěstovala pokaždé, když nějaký model v demo videu působil jako kouzelník a pak mi v běžném chatu sebevědomě vymyslel nesmysl. The Verge ostatně samo připomíná otázku, jakou hodnotu dnes podobné testy vlastně mají.
Neznamená to, že jsou k ničemu. Jen z nich zatím neplyne, který model bude spolehlivější při práci, který bude lépe zapadat do nástrojů vývojářů ani kolik bude stát konkrétní používání po skončení zaváděcí ceny. Z podkladu také nevíme, na kterých přesných benchmarcích modely uspěly a jak vypadalo nezávislé ověření. Tvrzení o výkonu jsou proto fér číst jako důležitý signál, ne jako hotový rozsudek.
Výhoda, kterou nelze nacpat do testu
Nejzajímavější mi na celé věci nepřijde samotné pořadí modelů, ale rozdíl mezi firmami, které model vyvinou, a firmami, které už mají obrovské publikum. Google i Meta mají produkty používané miliardami lidí a velmi hluboké kapsy. OpenAI a Anthropic jsou v AI výrazné značky, ale vlastní ekosystém v takovém rozsahu teprve budují.
U Mety je to vidět na asistentovi Muse agent. Článek uvádí, že se rychle rozšířil navzdory narůstajícím bezpečnostním a soukromým obavám. To je trochu nepříjemná připomínka, že technická kvalita sama o sobě nerozhoduje. Model zabudovaný do služby, kterou lidé už každý den otevírají, má náskok, který se velmi špatně dohání tabulkou skóre.
Závod se spíš rozvětvil, než znovu začal
Mně osobně z toho nevychází čistý návrat ke čtyřem soupeřům na stejné startovní čáře. Vedle výkonu se bude řešit cena, bezpečnost, soukromí, přístup k uživatelům i síla otevřených modelů, které se podle The Verge také rychle zlepšují.
Google a Meta tedy rozhodně není dobré odepisovat. Zda jejich novinky skutečně obstojí mimo vlastní testy a za běžných podmínek, se teprve ukáže — a přesně tohle mě na dalším dění zajímá víc než první vítězná grafika na sociálních sítích.
