V řádu několika dní dorazily tři novinky, které na první pohled vypadají jako klasická přehlídka umělé inteligence: Grok 4.5, GPT-5.6 a ChatGPT Live. Dva z těch tří produktů přitom na papíře působí jako mnohem větší událost – nové frontier modely, nové benchmarky, nová skóre a sliby o tom, jak bude všechno rychlejší, chytřejší a levnější. Nejzajímavější je ale paradoxně ta třetí věc, kterou by při oznámení skoro každý přehlédl: nový hlasový režim ChatGPT.
Grok 4.5: schopný model za výrazně lepší cenu
xAI, firma Elona Muska pro umělou inteligenci, představila Grok 4.5. Je to velký mixture-of-experts model – chytrý, schopný, levný a hlavně velmi silný v programování, agentních úlohách i běžné znalostní práci. Na papíře patří do třídy modelů typu Opus: podle dostupných srovnání i podle toho, co psal Elon Musk na síti X, se v některých úlohách drží kolem Opusu 4.7, jinde se blíží Opusu 4.8 a občas ho dokáže i předběhnout. Na coding benchmarcích jako Deep SWE nebo SWE-Bench Pro nejde o roztomilou hračku bokem, ale o model, který umí stavět komplexní aplikace, webové prvky i 3D prostředí.
Pokud dnes používáte Opus a jste spokojení, na Grok nejspíš nepřejdete kvůli tomu, že by byl dramaticky chytřejší – hlavním důvodem je rychlost, cena a dostupnost. Grok 4.5 běží zhruba na 80 tokenech za sekundu a je tokenově velmi úsporný; u komplexních úloh má spotřebovat přibližně čtyřikrát méně tokenů než Opus 4.8. S cenou kolem 2 dolarů za milion tokenů na vstupu a 6 dolarů na výstupu tak vzniká model s velmi dobrým poměrem inteligence na dolar.
Levnější modely jako stavební četa a nový způsob plánování
Právě v tomhle je Grok 4.5 nejsilnější: nechcete ho nutně jako geniálního architekta všeho, ale jako extrémně schopnou stavební četu. Dražší a chytřejší model vymyslí plán, specifikaci a architekturu, a samotné odmakání pak necháte na Groku, který to zvládne rychle a efektivně. To je zajímavější než hádka o pár bodů na benchmarku.
Z toho vychází i technika, která se pomalu stává standardem: lepší plánování. Dnešní modely jsou v mnoha oblastech schopnější, než většina lidí vůbec potřebuje – Opus, GPT-5.6 i Grok 4.5 zvládnou napsat kód, otázka je spíš, jak dobře jim ten úkol zadáte. Osvědčený postup vypadá takto: levný model vytvoří první hrubý plán, silný model typu Fable 5 zmapuje kód a plán zkritizuje a dotáhne, a teprve pak necháte něco jako Opus, Grok nebo ChatGPT celé postavit. Fable 5 je v plánování, code reviews a přemýšlení nad architekturou vynikající, zároveň je ale drahý a omezený a z běžných plánů nejspíš brzy zmizí. Slabší model přitom připraví jednoduchou strukturu, o kterou se ten silnější má o co opřít – šetří se tokeny a podle studií i praxe to vede k lepším výsledkům než hodit celý problém rovnou na jeden velký model.
Proč může být Grok 5 zajímavější – data z Cursoru
Grok 4.5 pořád vychází ze čtvrté generace Grocku, takže to ještě není ten velký skok. Zajímavější bude nejspíš až Grok 5. xAI totiž získalo Cursor – dnes jeden z nejdůležitějších coding agentů vůbec –, kolem kterého existuje obrovské množství reálných dat o tom, jak lidé skutečně programují s umělou inteligencí: otevřené projekty, nepořádek v kódu, opravy, refaktory, přepínání kontextu, testy, chyby i změny zadání. Pokud se tahle data pořádně propíšou do další generace, může to být hodně zajímavé – mezera mezi Grokem a špičkovým frontier modelem se totiž rychle zavírá.
GPT-5.6: rodina Soul, Tera a Luna a agentní režimy
OpenAI široce zpřístupnilo rodinu GPT-5.6, která se skládá ze tří modelů: Soul je největší, Tera je vyvážená a Luna nejrychlejší. Není to Fable, ale v řadě věcí se mu blíží – a oproti němu má velkou výhodu v tom, že je rychlejší, levnější a dostupnější, což je v praxi často důležitější než špičkový výkon na extrémně složitém úkolu. GPT-5.6 přináší nové stupně reasoningu: režim Max dává modelu maximální prostor pro hlubší přemýšlení a ultra mód funguje spíš jako koordinace více podagentů – pro složité úkoly systém zapojuje další podagenty, rozděluje práci a urychluje řešení. To je přesně směr, kterým se celé odvětví posouvá: od jednoho chatbota, který dělá všechno, k systému agentů řešících více úkolů najednou.
Podle OpenAI jde zároveň o jejich nejschopnější model v oblasti kybernetické bezpečnosti, pořád ale není v nejvyšší kritické rizikové kategorii – je mnohem lepší v hledání a opravování zranitelností softwaru než v tom, aby sám od začátku do konce provedl komplexní útok na zabezpečený cíl. V interních CTF testech má Soul úspěšnost kolem 96,7 % a na Exploit Bench se vyrovná srovnatelnému preview modelu od Anthropicu, přičemž spotřebuje zhruba třetinu výstupních tokenů.
ChatGPT Live: hlasový režim, který mlčí, dokud ho nezavoláte
Pro člověka, který staví automatizace, workflow nebo agenty, znamená každé zlepšení modelu hodně. Většina lidí ale nechce ladit agenty ani řešit, jestli použít jeden model jako architekta a druhý jako stavební četu – chce si udělat svou práci a jít domů. A přesně tady začíná být zajímavý ChatGPT Live, nový hlasový režim.
Starý hlasový režim byl pořád jenom ping-pong: něco řeknete, AI odpoví, znovu něco řeknete, AI zase odpoví. Když u toho mluvíte s člověkem vedle sebe, je to najednou otravné, protože se AI cpe do každé mezery v hovoru – jako hrát tenis proti zdi. ChatGPT Live to začíná měnit: zapnete ho a on tam prostě je, poslouchá, je součástí konverzace, ale ozve se jen na něco. Zní to neintuitivně, protože u AI jste zvyklí, že po každém dotazu čekáte odpověď – jenže v reálném životě nechcete, aby vám každých deset vteřin skákal do řeči digitální všeználek. Chcete asistenta, který drží slovo, poslouchá a ozve se, až ho zavoláte.
Při zkoušení ve dvou je ten pocit jiný než u klasického hlasového režimu – méně stresující a chaotický. Nemáte dojem, že vedle vás sedí někdo, kdo zoufale čeká, až se nadechnete, aby vám skočil do řeči. Je to spíš spoluhráč.
Ambientní asistent a svět, který se stává promptem
ChatGPT Live zatím není v API. Jakmile ho budou moct použít vývojáři, půjde postavit aplikaci běžící na pozadí – jedno zařízení někde v kanceláři, ve studiu nebo doma, které prostě čeká. Nemusíte mačkat tlačítko, otevírat aplikaci, psát prompt ani vyslovovat kouzelné aktivační slovo; ve chvíli, kdy něco potřebujete, jen požádáte počítač, aby zareagoval na to, co už se stalo – protože předchozí kontext už slyšel.
Představte si to o generaci nebo dvě dál: AI v brýlích, která je pořád zapnutá a nevyžaduje žádnou aktivační frázi. Jedete s někým autem, něco řešíte a prostě řeknete – hej, co si o tom myslíš? Jak se ten film jmenoval? Kdy se to vlastně stalo? Asistent se zapojí, protože kontext slyšel a ví, o čem je řeč. Dnes musíte vytáhnout telefon, odemknout ho, otevřít vyhledávač a rozbít tím konverzaci. V téhle podobě se ptáte přirozeně a pokračujete v hovoru bez přerušení. Svět se tím stává promptem: už nepíšete umělé inteligenci dlouhý kontext, ten se prostě děje kolem vás a vy ji jen požádáte, aby v něm něco udělala.
Otázky soukromí: kde ta data končí
Stále přítomný asistent okamžitě otevírá velké otázky soukromí. Kde jsou ta data? Co se nahrává a kde se ukládá? Kdo k tomu má přístup, co běží lokálně a co v cloudu? A jak zajistit, aby to nebyla dystopická krabička, která slyší úplně všechno? Tyhle obavy nejsou neřešitelné – řešení nejspíš přijde kombinací lokálních modelů, vysoké efektivity a lepší architektury. Ne všechno musí běžet v cloudu a ne všechno se musí odesílat pryč. Často stačí, aby zařízení poznalo, kdy má mlčet, kdy naslouchat a kdy skutečně reagovat.
Závěr
U Groku 4.5 i GPT-5.6 jde hlavně o to, že se s nimi dají stavět lepší aplikace a lepší agenti – což je skvělé, ale běžný člověk rozdíl mezi generacemi modelů většinou nepozná. ChatGPT Live má potenciál být něčím jiným. Pokud hlasová interakce jednou začne dávat každodenní smysl – na schůzce, v autě, doma i při hovoru s kamarádem –, nepůjde o další update modelu, ale o začátek toho, kdy AI přestane být něčím, co musíte aktivně používat, a stane se schopností, kterou máte prostě po ruce.
