AI za dvacetinu ceny? Nejdřív si přečtěte drobné písmo

Proč platit dva tisíce dolarů za práci, kterou možná zvládne model za stovku? Přesně takový rozdíl vychází mezi GPT-6 Sol a GPT-6 Luna při stejném objemu účtovaných tokenů. Háček je ve slově „zvládne“. Levnější odpověď ještě nemusí být správná odpověď.

Anthropic a OpenAI přesto posílají jasný signál. Další kolo soupeření nebude zajímavé jen výsledky testů. Rozhodne také účet za hotovou práci. Pro české vývojáře, menší firmy i provozovatele energetických aplikací je to dobrá zpráva. Pokud ovšem umějí počítat něco jiného než procenta z reklamního grafu.

AI za dvacetinu ceny? Nejdřív si přečtěte drobné písmo

OpenAI 22. září 2026 vydala GPT-6 Sol a GPT-6 Luna. Sol míří na složitější programování a pracovní postupy, při kterých model používá nástroje. Luna má obsluhovat především velké množství úzce vymezených úloh. Oba modely přijímají text a obrázky a vracejí text. Jejich uvedení potvrzuje oficiální přehled změn OpenAI.

Anthropic ve stejný den představil Claude Opus 5.5. Tvrdí, že na většině práce dosahuje úrovně Claude Fable 5.1 a provozně vychází přibližně o 40 % levněji než Opus 5. To je tvrzení výrobce, nikoli výsledek našeho nezávislého měření. Oznámení Anthropic proto čtěte jako nabídku k ověření.

Podstatný detail: základní sazby za vstupní a výstupní tokeny Opus 5.5 klesly o 20 %. Vyšší odhadovaná provozní úspora zahrnuje také menší spotřebu tokenů a levnější čtení uloženého kontextu. Čtyřicetiprocentní sleva se tedy automaticky neobjeví u každého požadavku. Záleží na práci, kterou model skutečně dělá. Podrobnosti uvádí produktová stránka Claude Opus.

Pro nákupčího je to podobná situace jako spotřeba auta v katalogu. Číslo má význam. Jen potřebujete vědět, po jaké trase se jezdilo. Třídění reklamací, oprava programu a rozbor dlouhé smlouvy jsou tři dost odlišné trasy.

Kolik stojí sto tisíc požadavků

Token je jednotka, na kterou model rozděluje text. Někdy odpovídá slovu, jindy jeho části. Český dokument proto neoceňujte podle anglického přepočtu slov. Pro rozpočet používejte skutečnou spotřebu, kterou vrací rozhraní.

Následující sazby odpovídají zveřejněným standardním cenám ověřeným 23. září 2026. Jde o milion tokenů, bez využití uloženého kontextu, zvláštních režimů a dalších příplatků.

| Model | Vstup | Výstup | Modelových 100 000 požadavků | |---|---:|---:|---:| | GPT-6 Luna | 0,10 USD | 0,50 USD | 100 USD | | GPT-6 Sol | 2 USD | 10 USD | 2 000 USD | | Claude Opus 5.5 | 4 USD | 20 USD | 4 000 USD |

Výpočet předpokládá u každého požadavku 5 000 vstupních a 1 000 účtovaných výstupních tokenů. Celkem tedy 500 milionů vstupních a 100 milionů výstupních tokenů. U Solu dostaneme 500 × 2 + 100 × 10 = 2 000 dolarů. Podklady poskytují ceník OpenAI a cenové údaje Anthropic.

Tohle není výkonnostní žebříček. Tabulka předpokládá stejnou spotřebu, kterou reálné modely mít nemusí. Neobsahuje opakované pokusy, nástroje ani lidskou kontrolu. Uvažující model navíc může spotřebovat účtované tokeny, které čtenář ve výsledné odpovědi neuvidí.

Pozor také na dlouhé vstupy. U GPT-6 Sol přesáhnutí 272 000 vstupních tokenů zvyšuje sazby pro celý požadavek: vstupní sazby dvojnásobně, výstupní o polovinu. Milionové kontextové okno tedy není pozvánka nacpat do každé otázky celý firemní archiv. Podmínky popisuje dokumentace GPT-6 Sol.

Největší úsporu často udělá obyčejné rozdělení práce

Představme si zákaznickou podporu dodavatele technologií. Většina zpráv řeší stav objednávky, zapomenuté heslo nebo vysvětlení položky na faktuře. Menší část obsahuje nejasnou reklamaci či technickou závadu. Posílat všechno nejsilnějšímu modelu připomíná objednat si stěhovací vůz na převoz rohlíků.

Praktické řešení má dvě úrovně. Levnější model zpracuje jednoduchý požadavek do předem daného formátu. Program ověří povinná pole, existenci objednávky a návaznost na dostupné podklady. Pokud kontrola selže, případ přebere silnější model nebo člověk. Samotné sebevědomé „jsem si jistý“ od modelu jako kontrola nestačí.

V našem předchozím modelovém příkladu by rozdělení 90 % požadavků na Lunu a 10 % na Sol stálo 290 dolarů. To platí při přímém rozdělení bez dvojího zpracování. Když Luna nejprve zkusí všechny případy a Sol následně zopakuje desetinu, vychází základní účet na 300 dolarů. Pořád výrazně méně než 2 000.

Další peníze šetří kratší zadání. Do požadavku vložte příslušnou objednávku a několik relevantních odstavců dokumentace. Celou historii zákazníka přidávejte jen tehdy, když ji úloha potřebuje.

Měřte ovšem cenu vyřešeného případu. Pokud levnější model vyvolá další telefonát zákazníka a deset minut práce operátora, drobná úspora tokenů právě odjela výtahem. Nákladové centrum se pouze přestěhovalo z IT na podporu.

Benchmark bez podmínek je jen hezké číslo

Výrobce ukáže lepší skóre a nižší cenu. Jenže kolik pokusů model dostal? Jak dlouho mohl přemýšlet? Měl přístup k nástrojům? A dostával po každém pokusu informaci, zda odpověděl správně?

Právě podobné otázky řeší spolupráce britského AI Security Institute, zkráceně AISI, a koalice EvalEval. V oznámení z 22. září popisují zveřejňování výsledků prostřednictvím Evaluation Cards a společného schématu Every Eval Ever. Záznamy propojují výsledky s konfigurací a kontextem hodnocení. Zahrnují například HealthBench, FrontierMath, Humanity’s Last Exam, SWE-Bench Pro a Terminal-Bench 2.0. Viz oznámení EvalEval a AISI.

Zveřejněná sada přitom není přímým soubojem právě představených modelů. Její přínos spočívá v transparentnosti metodiky. Z výsledku staršího modelu nemůžeme potichu udělat důkaz kvality nové generace.

Ve firmě si podobný princip zjednodušte. Připravte třeba 200 anonymizovaných úloh z vlastní praxe. Přidejte překlepy, chybějící údaje, české jednotky a dokumenty s tabulkami. Předem určete, co znamená správný výsledek.

Uložte označení modelu, datum, zadání, nastavení, odpověď, spotřebu tokenů a dobu zpracování. Zvlášť počítejte závažné chyby. Správně přečtených 99 faktur nevyváží jednu, na které model přesune desetinnou čárku.

Testovací sadu nepoužívejte současně k nekonečnému ladění zadání. Jinak si vyrobíte výborného specialistu na vlastní zkoušku. Zákazníci bohužel dostanou jinou písemku.

Vlastní AI přes Ollamu: dva příkazy a účet za elektřinu

Cloud není jediná možnost. Pro lokální experiment můžete použít Ollamu a model Qwen3 s osmi miliardami parametrů. Varianta `qwen3:8b` má v katalogu přibližně 5,2 GB a používá kvantizaci Q4_K_M. Kvantizace zmenšuje nároky na uložení vah tím, že omezuje jejich číselnou přesnost. Údaje i příkaz ke spuštění uvádí katalog Ollama.

Po instalaci Ollamy spusťte:

```bash ollama run qwen3:8b ```

Pro připojení vlastní aplikace lze použít místní rozhraní:

```bash curl http://localhost:11434/api/chat \ -d '{ "model": "qwen3:8b", "messages": [{ "role": "user", "content": "Vysvětli česky rozdíl mezi výkonem a spotřebou energie." }] }' ```

Velikost souboru není celková spotřeba paměti. Další prostor potřebuje běhové prostředí a zpracovávaný kontext. Jako orientační výchozí sestavu pro krátké úlohy berte počítač se 16 GB RAM; grafická karta s dostatečnou pamětí může výpočet urychlit. Konkrétní rychlost ověřte na vlastním stroji. Souběžní uživatelé a dlouhé dokumenty nároky zvednou.

Modely a jejich licence hledejte na Hugging Face. Otevřené váhy automaticky neznamenají neomezené použití ani dostupná trénovací data. Licenci kontrolujte u konkrétního modelu.

Pro specializaci existuje LoRA. Učí menší doplňkové sady parametrů namísto úpravy všech vah, což snižuje nároky na trénování. Hodí se například pro ustálený formát výstupu. Aktuální ceník firmy je obvykle praktičtější načítat z databáze než jej model znovu učit. Technický princip vysvětluje dokumentace LoRA.

Energetika ukazuje, kde levná AI dává smysl

U fotovoltaiky či firemní energetiky se nabízí docela střízlivá práce: vysvětlovat naměřené odchylky, připravovat servisní hlášení a převádět technické údaje do srozumitelných zpráv. Výpočet spotřeby může udělat běžný program. Jazykový model následně vysvětlí výsledek správci budovy.

Základem jsou spolehlivá měření. Pro tuto část projektu je relevantní IoT monitoring SmartEnergyShare. Model by dostal například souhrn naměřených hodnot a informaci o chybějících záznamech. Neměl by si mezery v datech domýšlet.

U cen elektřiny oddělte zdroj dat od komentáře. Výsledky denního trhu publikuje OTE; přehled nabízí také stránka spotových cen SmartEnergyShare. AI může popsat drahé intervaly, ale výpočet celkových nákladů musí zahrnout konkrétní smlouvu a další položky.

Širší provozní souvislosti najdou podniky na stránce [SmartEnergyShare pro firmy](https://smartenergyshare.com/pro-firmy?utm_source=smartenergyshare-info&utm_medium=referral&utm_campaign=satellite-marketing). Jde o návrh možného využití AI, nikoli tvrzení, že služba používá zde jmenované modely. Další témata fotovoltaiky a akumulace sledují [ShareElectric.cz](https://shareelectric.cz) a [BESS Global Blog](https://bess-global-blog.vercel.app). Nabídku služeb zastřešuje smartenergyshare.com.

A vlastní server? Při modelovém průměrném příkonu 150 W spotřebuje za 30 dní nepřetržitého běhu 108 kWh. Při předpokládané ceně 6 Kč/kWh stojí elektřina 648 Kč. To není cenová nabídka, ale výpočet pro plánování. Přičtěte hardware, správu a případné chlazení.

Souvislosti mezi AI a energetickou infrastrukturou rozebírá také studie IEA o energetice a AI. Nižší cena tokenu sama neříká, kolik elektřiny spotřebuje celý váš provoz.

Předplatné neměňte podle reklamy. Udělejte týdenní zkoušku

Začněte jedním konkrétním úkolem. Třeba vytěžováním servisních protokolů do tabulky. Zapište současnou časovou náročnost, četnost oprav a objem dokumentů. Bez výchozího stavu budete měřit hlavně vlastní nadšení.

První dva dny porovnejte levnější cloudový model, silnější model a případně lokální variantu. Všem dejte stejné dokumenty a stejná kritéria. Další dny sledujte práci na nových podkladech. Počítejte také čas člověka, který výstupy opravuje.

U rozhraní nastavte rozpočet a upozornění na spotřebu. V aplikaci omezte počet opakování, délku odpovědi a počet volání nástrojů. Nekonečná smyčka nad dokumentem je drahá i s levným modelem. A dlouhá odpověď není automaticky důkladná odpověď. Někdy je to jen dražší upovídanost.

Přístupy přidělujte podle úkolu. Pro shrnutí faktury stačí čtení dokumentu. Přístup k platebnímu příkazu nepřináší žádnou užitečnou výhodu. U automatizace také uchovávejte záznamy, aby šlo dohledat, odkud chybný údaj přišel.

Výsledek pilotu shrňte jednou větou: kolik stojí správně dokončený případ při požadované kvalitě a rychlosti. Teprve potom měňte dodavatele nebo model.

Moje předpověď? Firmy začnou nejdražší modely používat selektivněji. Výhodu získá ten, kdo dokáže levnému modelu připravit jasný úkol a spolehlivě poznat jeho chybu. Vyberte dnes dvacet vlastních dokumentů. Tenhle malý test vám o budoucím účtu řekne víc než další oslnivá prezentace.

Zdroje

• OpenAI: ceník rozhraní API — Podklad pro sazby GPT-6 Sol a Luna. Před nasazením zkontrolujte také režim zpracování, délku kontextu a další účtované služby. Čísla v článku představují uvedený modelový objem, nikoli garantovanou cenu provozu.
• Anthropic: Claude Opus a podmínky účtování — Zdroj cen Opus 5.5 a výrobcova odhadu provozních úspor. Rozlišuje základní sazby, čtení uloženého kontextu a rychlejší režim. Marketingový odhad úspory nenahrazuje měření na konkrétní úloze.
• EvalEval a AISI: reprodukovatelné výsledky hodnocení — Popis společné infrastruktury, zveřejňovaných výsledků a jejich metodického kontextu. Slouží k pochopení podmínek srovnávání; nepředstavuje přímý nezávislý test všech novinek rozebíraných v tomto článku ani záruku jejich výkonu.
• OTE: výsledky denního trhu s elektřinou — Primární český zdroj tržních údajů pro energetické aplikace. Konkrétní účet odběratele vyžaduje další smluvní a cenové položky. Ilustrační cena elektřiny použitá ve výpočtu serveru nepochází z této tabulky.
• IEA: studie o energetice a umělé inteligenci — Mezinárodní analytický kontext pro vztah výpočetní infrastruktury a energetiky. Studie pomáhá zasadit lokální provoz do širších souvislostí; nenahrazuje měření příkonu konkrétního počítače ani vlastní výpočet nákladů.

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: ElectricShare.cz Co jsou multi-vector embeddingy a proč je potřebujete Vice o wire it,