Nejnovější AI modely v půlce 2026: frontier se sešel a rozhoduje cena

Na jaře jsme tady srovnávali velké AI modely a závěr zněl: každých pár měsíců se karty zamíchají znovu. V půlce roku 2026 je ten obrázek najednou klidnější — a paradoxně zajímavější. Frontier modely se totiž z velké části sešly.

Claude Opus 4.8 a Claude Fable 5 od Anthropicu, modely generace GPT-5.x od OpenAI, Gemini generace 3.x od Googlu — na těžkých coding úlohách jsou dnes všechny velmi silné a hlavně blízko u sebe. Rozdíl mezi 'nejlepším' a 'druhým nejlepším' modelem, který jste loni poznali na první pokus, se scvrkl na nuance. A to mění celou logiku výběru pro vývojářské týmy.

Frontier se z velké části sešel

Ještě před rokem byl na složitých úlohách jeden model znatelně napřed a zbytek dobíhal. Dnes je situace jiná: špičkové modely od Anthropicu, OpenAI i Googlu se na benchmarcích typu SWE-bench pohybují zhruba ve stejném pásmu. Na reálné, mnohakrokové coding úloze — analyzuj repo, navrhni změnu, naimplementuj ji přes víc souborů, oprav testy — všechny tři frontier rodiny odvedou solidní práci.

Neznamená to, že jsou identické. Liší se stylem, tím, jak dodržují instrukce, jak se chovají v dlouhém kontextu a jak reagují na konkrétní prompty. Ale schopnost jako taková přestala být tím, co rozhoduje. Když jsou tři modely 'dost dobré' na 95 % vaší práce, nevybíráte podle toho, který je o vlásek chytřejší. Vybíráte podle úplně jiných kritérií.

Cena a fit teď rozhodují víc než syrový výkon

Když se schopnost srovnala, do popředí se dostaly cena, latence, velikost kontextu a to, jak model sedne vašemu konkrétnímu workflow. Rozptyl v ceně je přitom obrovský — mezi frontier modelem a levnějším mid-tier modelem je klidně řádový rozdíl v nákladech na milion tokenů. Když děláte statisíce requestů denně, tohle není detail, ale rozpočtová položka, která rozhoduje o tom, jestli je feature udržitelná.

U Anthropicu je hezky vidět, jak je rodina postavená právě kolem fitu: Claude Opus 4.8 a Fable 5 jsou frontier volby pro nejtěžší úlohy. Claude Sonnet 5 je cenově efektivní workhorse s velkým kontextovým oknem (až 1M tokenů) — pro drtivou většinu každodenní práce naprosto stačí. A Claude Haiku 4.5 je rychlá, levná varianta pro vysoké objemy a jednoduché tasky. Podobnou tieru dnes nabízí každý velký poskytovatel.

Praktická routing strategie

Nejlepší týmy dnes nevolí jeden model — routují práci podle obtížnosti. Základní myšlenka je jednoduchá: nejtěžší problémy pošlete na frontier model, běžnou práci nechte běžet na levnějším mid-tier nebo open-weight modelu.

• Nejtěžší úlohy (složitá architektura, migrace, netriviální debugging): frontier model — Opus 4.8 / Fable 5, GPT-5.x, Gemini 3.x
• Každodenní práce (běžné featury, review, refactoring): cenově efektivní workhorse — Claude Sonnet 5 nebo mid-tier varianta konkurence
• Vysoké objemy a jednoduché tasky (klasifikace, extrakce, autocomplete): nejlevnější tier — Haiku, Flash, mini/nano modely
• Citlivá data nebo tlak na náklady: open-weight model, který si hostujete sami

Benchmark je model plus scaffold, ne model samotný

Tohle je nejpřehlíženější věc v půlce 2026. Když čtete, že nějaký model dosáhl X % na SWE-bench, neměříte jen model. Měříte model plus agent scaffolding — tedy tu obálku okolo: jak dostává soubory do kontextu, jaké má nástroje, jak se plánuje, kolikrát smí zkusit znovu, jak si ověřuje výsledek. Stejný model ve dvou různých agentních harnessech dostane klidně výrazně jiné skóre.

Prakticky to znamená dvě věci. Za prvé: neporovnávejte čísla z různých zdrojů, jako by byla srovnatelná — nejsou, pokud za nimi nestojí stejný scaffold. Za druhé, a to je důležitější: kvalitu vašich výsledků často zlepšíte víc tím, že vyladíte scaffold (lepší kontext, lepší nástroje, chytřejší retry logika), než tím, že přeplatíte na o kousek silnější model. Investice do harnessu se přenáší napříč modely — investice do jednoho konkrétního modelu ne.

Co si tým má v půlce 2026 reálně vybrat

Konkrétně, bez omáčky. Pro většinu českých vývojářských týmů dnes dává smysl tenhle přístup:

• Postavte se na jednu frontier rodinu jako default — Anthropic, OpenAI nebo Google. Všechny tři jsou dost dobré; vyberte podle ceny, ekosystému a toho, s čím se vám dobře pracuje.
• Denní práci routujte na cenově efektivní workhorse (třeba Claude Sonnet 5 s velkým kontextem). Frontier si nechte na těžké chvíle.
• Vysoké objemy a jednoduché tasky posílejte na nejlevnější tier. Rozdíl v nákladech je řádový.
• Zvažte open-weight modely (Qwen, GLM) tam, kde tlačí náklady nebo citlivost dat — dají se hostovat sami. Detailně se hardwaru věnuje samostatný článek.
• Nesázejte všechno na jednoho poskytovatele. Napište kód tak, aby šlo model přepnout — trh se pořád hýbe a lock-in se nevyplácí.

Nejdůležitější posun oproti jaru je mentální: přestaňte hledat 'ten nejlepší model'. V půlce 2026 žádný jasně nejlepší není — je několik velmi dobrých, které se liší cenou a stylem. Vyhrává tým, který umí práci správně nasměrovat, vyladit scaffold a nezaseknout se u jednoho vendora. To jsou dovednosti, které vydrží déle než jakékoli číslo na benchmarku.