Na rodinné oslavě se mě strýc minulý měsíc zeptal, který „ten AI” je vlastně nejlepší. Chtěl jednoduchou odpověď, jedno jméno. Odpověděl jsem protiotázkou: nejlepší na co, a od koho? Chvíli se tvářil zmateně, protože v jeho hlavě byl „AI” jedna věc, podobně jako „internet” nebo „mobil”. Ve skutečnosti je to přes deset firem, každá s vlastní rodinou modelů, vlastní historií a vlastním pohledem na to, co má stroj vůbec umět.

Tenhle text nehodnotí, kdo je lepší. To je úloha pro srovnávací články, ne pro mapu rodin a jejich tvůrců. Tenhle text mapuje, kdo dnes stojí za velkými AI modely, jak se jejich rodiny jmenují a čím se od sebe liší jejich přístupy k byznysu, ne jejich skóre v testech.

Jedna firma, jedno jméno, ale víc modelů

Než se pustíme do jednotlivých firem, stojí za to ujasnit jeden zdroj zmatku. Název chatbotu a název modelu, který za ním stojí, často nejsou totéž. ChatGPT je nástroj, GPT je model uvnitř. Gemini je současně jméno modelu i aplikace od Googlu. Claude je oboje najednou u Anthropic. Firmy tenhle nesoulad nijak neřeší, protože jim slouží: silnější ze dvou jmen prostě zůstane na obalu.

Každá z velkých firem nevydává jeden model, ale celou rodinu ve víc velikostech. Menší, rychlejší a levnější varianta bývá označená jako „mini”, „flash” nebo „haiku”. Větší, pomalejší a dražší varianta nese označení „pro”, „ultra” nebo „opus”. Konvence se mezi firmami neshodují, takže menší model jedné firmy může být schopnější než větší model jiné.

Ke zmatku přispívá i to, že jedna firma dokáže mít v nabídce naráz i desítku pojmenovaných variant, lišících se rychlostí, cenou nebo mírou „přemýšlení” nad odpovědí. Uvnitř jednoho chatbota se tak dnes běžně přepíná mezi několika verzemi téhož modelu podle toho, jak náročný dotaz zrovna řešíte, a mnoho lidí ani netuší, že tenhle přepínač existuje.

OpenAI a rodina GPT

OpenAI vznikla v roce 2015 jako nezisková laboratoř, kterou spoluzaložil mimo jiné Sam Altman a Elon Musk. Musk firmu o pár let později opustil a dnes s ní soupeří přes vlastní xAI. Průlom přišel koncem listopadu 2022, kdy firma spustila ChatGPT v podstatě jako rychlou demonstrační ukázku. Zájem veřejnosti demonstraci proměnil v byznys, kolem kterého se dnes točí desítky miliard dolarů.

Rodina GPT prošla od té doby několika generacemi. GPT-3.5 pohánělo první verzi ChatGPT, GPT-4 přineslo v roce 2023 znatelný skok v uvažování, GPT-4o přidalo o rok později plynulé zpracování obrázků a hlasu v jednom modelu. Od léta 2025 OpenAI nabízí řadu GPT-5, která sjednotila dřívější rozdělení na „rychlý” model pro běžné dotazy a „přemýšlivý” model pro složité úlohy do jednoho systému, jenž si sám rozhodne, kolik času má odpovědi věnovat. Řada se od té doby posunula k novějším verzím a firma ji nabízí v několika variantách lišících se výkonem a cenou. Co konkrétně ChatGPT s tímhle modelem uvnitř umí, ukazuje přehled, co umí ChatGPT.

Microsoft do OpenAI postupně vložil přes deset miliard dolarů a technologii zabudoval do vlastního nástroje Copilot, který funguje napříč Wordem, Excelem i Windows. Jak se s ním pracuje, popisuje návod na Copilot. OpenAI firmám dovoluje i postavit si na základě GPT vlastního specializovaného asistenta, takzvaný vlastní GPT, viz návod, jak vytvořit vlastní GPT.

Firemní uspořádání OpenAI je samo o sobě zajímavá historka. Firma vznikla jako nezisková organizace a teprve později si k sobě přibrala ziskovou dceřinou společnost, aby vůbec sehnala peníze na drahý trénink modelů. V listopadu 2023 správní rada Sama Altmana na pár dní odvolala z vedení kvůli neshodám o tempu a bezpečnosti vývoje, po tlaku zaměstnanců a investorů ho ale vrátila zpátky prakticky obratem. Epizoda ukázala, jak křehké je vedení firmy, na které je dnes napojená většina západního AI byznysu.

Anthropic a rodina Claude

Anthropic založili v roce 2021 sourozenci Dario a Daniela Amodei spolu s dalšími bývalými výzkumníky OpenAI, kteří z mateřské firmy odešli kvůli neshodám ohledně bezpečnosti a směřování vývoje. Google a Amazon do Anthropic dohromady vložily miliardy dolarů, ani jedna z nich si ale nekoupila kontrolu nad firmou.

Rodina Claude nese jména podle literárních a hudebních forem: Haiku je nejrychlejší a nejlevnější varianta, Sonnet střední, Opus nejschopnější a nejdražší. Aktuální vlajkovou verzí je Claude Opus 5, k němuž řada došla přes generace 3, 4, 4.1 a 4.5 až 4.8. Nad Opusem stojí ještě Claude Fable 5, nejschopnější široce dostupný model Anthropicu, určený pro nejnáročnější uvažování a dlouhodobě běžící agentní úlohy. Anthropic si drží pověst firmy, která staví na bezpečnosti a na modelech, jež radši přiznají nejistotu, než aby si sebejistě vymyslely odpověď. Co přesně Claude umí a kde je jeho síla v práci s dlouhými dokumenty, rozebírá přehled, co umí Claude.

Anthropic svůj přístup k bezpečnosti popsal ve vlastní metodě zvané ústavní AI, anglicky Constitutional AI: místo aby model hodnotili jen lidští posuzovatelé, dostane sadu psaných zásad, podle kterých si má sám kontrolovat a opravovat vlastní odpovědi ještě předtím, než je pošle uživateli. Firma tenhle postup zveřejnila jako výzkumnou práci už v roce 2022 a dodnes se na ni odvolává jako na základ svého přístupu k tréninku.

Google DeepMind a rodina Gemini

Google v roce 2023 spojil dvě vlastní výzkumné laboratoře, DeepMind a Google Brain, do jednoho týmu s Demisem Hassabisem v čele. Ten za výzkum bílkovinné struktury AlphaFold dostal v roce 2024 Nobelovu cenu za chemii. Výsledkem spojení je rodina Gemini, kterou Google poprvé představil koncem roku 2023 a dál rozvíjel přes verze 1.5, 2.0 a 2.5 až po aktuální Gemini 3.

Gemini má oproti konkurenci jednu vlastní výhodu: sedí přímo uvnitř Vyhledávání, Gmailu, Dokumentů a dalších nástrojů, které lidé stejně používají denně, takže ho nemusí nikdo instalovat zvlášť. To, jak se Gemini prakticky zapojuje do Gmailu nebo Sheets, ukazuje návod na Gemini.

Google má ještě jednu výhodu, o které se tolik nemluví. Firma si roky vyvíjí vlastní čipy zvané TPU (tensor processing unit) a na rozdíl od konkurence tak není při tréninku modelů plně odkázaná na grafické karty od Nvidie. V éře, kdy si o výpočetní výkon prakticky každá AI laboratoř na světě stojí ve frontě, je vlastní výroba čipů výhoda, kterou nemá ani OpenAI, ani Anthropic.

Google vedle uzavřené rodiny Gemini vydává i menší rodinu s otevřenými parametry jménem Gemma, určenou hlavně vývojářům, kteří chtějí model provozovat sami na vlastním hardwaru. Google si tak, podobně jako Meta nebo Mistral, drží nohu ve dveřích i na poli otevřených modelů, i když jeho hlavní byznys stojí na uzavřeném Gemini.

xAI a Grok: model s vlastním přístupem na síť X

Elon Musk založil xAI v roce 2023, necelý rok po odchodu z vedení OpenAI. Model Grok je od začátku propojený s platformou X, dřívějším Twitterem, kterou Musk rovněž vlastní, takže má na rozdíl od konkurence přímý přístup k živým datům z toho, co se na síti zrovna děje.

Grok prošel od první verze až po aktuální generaci 4.5 v tempu, které konkurenci nutí odpovídat. Firma si zakládá na méně cenzurovaném, otevřenějším tónu odpovědí, což jí zatím přineslo i pár nepříjemných chvil: v polovině roku 2025 se model dostal do potíží kvůli nevhodným výstupům, které si vynutily rychlý zásah a omluvu firmy. Jak se s Grokem pracuje a na co si dát pozor, popisuje návod na Grok.

Za tempem xAI stojí i mimořádně rychle postavené datové centrum Colossus v Memphisu, které firma spustila během několika měsíců místo obvyklých let. Rychlost stavby si vysloužila i kritiku místních obyvatel a ekologických organizací kvůli spotřebě elektřiny a vody v okolí, což je debata, která se netýká jen xAI, ale celého odvětví budujícího podobně obří datová centra.

Meta, Mistral a otevřené modely

Ne všechny modely jsou zavřené za branami jedné firmy. Meta, dřívější Facebook, vydává rodinu Llama s otevřeně dostupnými parametry, tedy s čísly, ze kterých se model skládá, ke stažení a vlastnímu použití. Aktuální generace Llama 4 zahrnuje menší varianty pro běžné nasazení i největší model, na kterém firma dál pracuje. Otevřenost přinesla vlnu odvozených verzí a komunitních vylepšení, které by v uzavřeném systému nikdy nevznikly.

Mistral AI je francouzský startup založený v roce 2023 bývalými výzkumníky Googlu DeepMind a Mety. Vsadili na to, že chytrý trénink porazí hrubou sílu, a jejich menší modely dodnes patří k nejúčinnějším na výpočetní výkon, který spotřebují. Mistral se zároveň prodává jako evropská alternativa k americkým a čínským firmám, s daty, která zůstávají blíž domovu.

„Otevřený” u těchto modelů navíc neznamená úplně totéž jako otevřený software, na který jsou lidé zvyklí odjinud. Meta parametry Llamy zveřejňuje pod licencí, která volné použití dovoluje, ale firmám s víc než 700 miliony aktivních uživatelů měsíčně nařizuje zvláštní podmínky. Jde tak spíš o otevřené parametry než o otevřený zdrojový kód v plném slova smyslu, protože přesná data a postup tréninku většina firem stejně tají.

Otevřené modely mají ještě jednu praktickou výhodu. Firma, která chce model přizpůsobit vlastnímu stylu nebo slovníku, si ho může doladit na vlastním hardwaru, bez odesílání dat kamkoliv ven. Jak přesně takové doladění, fine-tuning, funguje a kdy se vyplatí, vysvětluje samostatný text o fine-tuningu.

Čínská vlna: DeepSeek, Qwen a další

Čínská scéna dostala v lednu 2025 mimořádnou pozornost, když laboratoř DeepSeek zveřejnila model R1 spolu s tvrzením, že jeho trénink stál jen zlomek toho, co obvykle utrácejí americké firmy. Číslo, které tehdy DeepSeek uvedla, později zpochybnila řada expertů jako neúplné, protože nezahrnovalo všechny náklady na vývoj a hardware. Faktem zůstává, že akcie výrobce čipů Nvidia ten den propadly o stovky miliard dolarů, protože trh najednou uvěřil, že nejvýkonnější modely nemusí vyžadovat tak drahý hardware, jak se čekalo.

DeepSeek svůj model ostatně zveřejnil s otevřenými parametry, takže si ho může kdokoli stáhnout a provozovat na vlastním serveru. Druhý čínský hráč, Alibaba se svou rodinou Qwen, jde podobnou cestou a v mezinárodních žebříčcích se drží na předních místech, hlavně u kódování a matematiky. Firmy mimo Čínu si u obou často kladou otázku správy dat a přístupu vlády k výstupům, ne jen otázku výkonu.

Napětí kolem čínských modelů má i hlubší pozadí. Spojené státy od roku 2022 postupně zpřísňují vývoz nejvýkonnějších čipů do Číny, aby zpomalily tamní pokrok v AI. Čínské laboratoře na to zareagovaly tím, že se naučily trénovat modely úsporněji, s méně výkonným, ale dostupnějším hardwarem. Ať už DeepSeek svoje náklady spočítal přesně nebo ne, směr, kterým čínské firmy jdou, tenhle tlak jasně ukazuje.

Menší hráči a lokální stopa

Vedle šestice velkých jmen existuje vrstva menších a specializovanějších modelů. Microsoft vyvíjí rodinu Phi, malé modely určené k běhu přímo v telefonu nebo notebooku bez připojení k internetu, kde na velký model stejně není dost paměti ani baterie. Amazon představil koncem roku 2024 vlastní rodinu Nova, primárně pro zákazníky cloudové služby AWS, kteří chtějí mít model i infrastrukturu pod jednou střechou. Kanadská firma Cohere zase míří vyloženě na firemní zákazníky a s běžnými uživateli skoro nepřijde do styku, přesto v podnikovém nasazení konkuruje i největším jménům.

Čeština má svého lokálního zástupce také. Seznam.cz vytvořil vlastní jazykový model SeLLMa, trénovaný cíleně na český jazyk a český kontext, který velké americké modely znají jen zprostředkovaně, přes menší podíl češtiny v tréninkových datech. Jak SeLLMa funguje a k čemu se dnes používá, popisuje text o SeLLMě od Seznamu.

Kolik to všechno stojí

Za jmény modelů stojí investice, které se běžnému rozpočtu vymykají. Microsoft, Google, Amazon a Meta dohromady v roce 2025 na výstavbu datových center a nákup čipů vynaložily stovky miliard dolarů, a ani jedna z firem tempo výdajů nezpomaluje, protože couvnutí by mohlo znamenat ztrátu náskoku na roky dopředu.

Cena se neprojevuje jen na účtech firem. Nová datová centra potřebují elektřinu v objemech srovnatelných s menším městem, a v USA i jinde se kvůli tomu debata o AI čím dál víc stáčí k otázce, kdo ponese náklady na novou energetickou infrastrukturu a jestli se kvůli tomu nezdraží elektřina běžným domácnostem v okolí. Odpověď se zatím hledá případ od případu a mezi jednotlivými státy i firmami se dost liší.

Na druhé straně účetnictví stojí příjmy z předplatných a firemních zákazníků, které rostou, ale zatím u většiny laboratoří nepokrývají, co stojí vývoj další generace. Investoři sázku financují s vidinou, že se to jednou zlomí opačným směrem. Jestli a kdy se to skutečně stane, je otevřená otázka, na kterou si ani samy firmy nedovolí spolehlivě odpovědět.

Kdo model hlídá a podle jakých pravidel

Firmy z tohoto přehledu nepůsobí ve vzduchoprázdnu. Region, ve kterém sídlí, jim diktuje, co si vůbec můžou dovolit vydat.

Evropská unie přijala v roce 2024 takzvaný AI Act, zákon, který AI systémy třídí podle míry rizika a na ty rizikovější, třeba v náboru zaměstnanců nebo úvěrování, klade přísné požadavky na transparentnost a lidský dohled. Firmy působící v Evropě, včetně amerických OpenAI nebo Googlu, se mu musí přizpůsobit, i když jejich modely vznikají jinde.

Spojené státy jdou zatím uvolněnější cestou, s důrazem na to, aby regulace nezpomalila domácí firmy v soutěži s Čínou. Federální pravidla jsou spíš rámcová a doporučující, zatímco jednotlivé americké státy si začínají prosazovat vlastní, užší zákony, například na ochranu dětí nebo na povinné označování AI obsahu.

Čína po svých firmách naopak požaduje, aby veřejně dostupné modely procházely státním schvalováním a jejich odpovědi odpovídaly oficiálně stanoveným společenským hodnotám. DeepSeek i Qwen tak fungují podle jiných pravidel hry než GPT nebo Claude, a firmy mimo Čínu, které o jejich nasazení uvažují, si tenhle rozdíl musí promyslet stejně pečlivě jako čísla ve výkonnostních testech.

Když produkt staví na cizím modelu

Ne každá firma, se kterou přijdete do styku, si model sama vyvíjí. Řada úspěšných produktů je jen chytrá nástavba nad modely od někoho jiného, propojená přes placené rozhraní.

Perplexity je asi nejznámější příklad. Firma nevyvíjí vlastní velký jazykový model, místo toho kombinuje modely od OpenAI, Anthropic i dalších s vlastním vyhledáváním na webu a každou odpověď doplní o konkrétní zdroje, ze kterých čerpala. Jak se s Perplexity pracuje, popisuje návod na Perplexity. Podobně fungují desítky menších nástrojů pro psaní, právo nebo účetnictví: nakoupí přístup k cizímu modelu a přidají vlastní know-how oboru, aniž by kdy musely postavit a natrénovat model od nuly.

Co všechny modely dnes umí navíc

Napříč firmami se prosadily tři trendy, které jméno modelu jen doplňují.

Prvním je multimodalita, tedy schopnost zpracovat kromě textu i obrázek, zvuk, někdy video. Bez ní se dnes neobejde žádný velký model, a jak přesně funguje, vysvětluje samostatný text o multimodalitě.

Druhým je uvažování, anglicky reasoning. Model si před odpovědí „promyslí” postup na víc kroků, místo aby rovnou vystřelil první pravděpodobné slovo. Hodí se to na matematiku, programování a zadání s víc podmínkami najednou, a pozná se to podle toho, že odpověď přijde o pár vteřin nebo i desítek vteřin později, výměnou za to, že bývá spolehlivější.

Třetím trendem je posun od chatbota k agentovi, tedy k systému, který nejen odpoví, ale sám za vás proklikává formuláře, prohledává web nebo spouští další nástroje. Všechny velké firmy dnes na vlastní verzi agenta pracují: agent nakoupí letenku, vyplní tabulku nebo napíše a otestuje kus kódu, většinou bez zásahu člověka u každého jednotlivého kroku. Rozdíl mezi obyčejným chatbotem a agentem, který jedná sám, rozebírá text o rozdílu mezi chatbotem a AI agentem.

Se schopnostmi roste i opatrnost, se kterou by se k nim mělo přistupovat. Agent, který sám nakupuje nebo maže soubory, dělá i chyby sám, bez toho, aby se člověk stihl podívat na každý dílčí krok, a firmy proto řeší, kolik samostatnosti mu vlastně svěřit.

Jak se v tom vyznat, když se čísla mění každý měsíc

Sledovat verze modelů je trochu jako sledovat počasí. Platí teď, a za pár týdnů to může být jinak. Firmy vydávají nové generace v intervalech měsíců, ne let, a přesná čísla parametrů dnes už skoro nikdo nezveřejňuje, protože se z nich stalo spíš marketingové číslo než spolehlivé měřítko kvality.

Prakticky každá firma z tohoto přehledu nabízí bezplatnou verzi s omezeným počtem dotazů denně a placenou verzi bez limitu nebo s přístupem k té nejschopnější variantě modelu. Rozdíly v ceně i v přesných limitech se mění skoro stejně často jako samotné modely, takže se vyplatí ověřit si aktuální podmínky přímo na webu dané firmy, ne spoléhat na to, co platilo před půl rokem. Podobně rychle roste i takzvané kontextové okno, tedy množství textu, které model najednou přečte a udrží v hlavě. Co bylo před pár lety hranicí pro pár stránek textu, dnes zvládne knihu.

Kdo chce vědět, který model si zrovna teď vybrat pro konkrétní úkol, najde praktický návod v textu, jak si vybrat AI nástroj. Kdo chce rozumět nezávislým žebříčkům a benchmarkům, na které se firmy odvolávají v tiskových zprávách, najde vysvětlení v textu o čtení AI benchmarků.

Ani samotné benchmarky nejsou neprůstřelné. Firmy vybírají, které výsledky zveřejní, a občas se ukáže, že model byl na konkrétní test natrénovaný o něco cíleněji, než by se slušelo. Číslo v tiskové zprávě je tak dobrý první ukazatel, ne konečný rozsudek.

Mapa se mění rychleji, než se dá vytisknout

Tenhle přehled je fotka rozjetého vlaku. Za půl roku bude mít OpenAI, Anthropic i Google zase o generaci dál, xAI možná překvapí rychlostí, kterou zatím drží, a někde v Číně může vyrůst laboratoř, o které dnes ještě nikdo neslyšel. Přesná jména modelů v tomhle textu se proto dřív nebo později stanou historií, podobně jako se dnes už skoro nikdo nezmiňuje o GPT-3 jinak než jako o historické poznámce.

Co se ale nemění tak rychle, je charakter jednotlivých firem. OpenAI honí masové publikum a rychlost vývoje. Anthropic staví na obezřetnosti. Google těží z toho, že jeho nástroje má člověk stejně otevřené celý den. Meta a Mistral vsadily na otevřenost. xAI na nekompromisní tón. DeepSeek a Qwen na cenu. Tenhle charakter vydrží déle než jakékoli číslo verze, a je to taky spolehlivější vodítko, když si člověk vybírá, komu ze svých dat a práce vlastně věří.

Strýci jsem nakonec na oslavě řekl tohle: ptej se, k čemu to chceš použít a komu věříš svoje data, ne kdo je podle žebříčku nejlepší. Odpověď se pak najde sama, a bude jiná pro psaní e-mailů než pro analýzu tabulky s čísly. Tenhle přehled se za pár měsíců bude muset přepsat. To, na čem se rozhodujete dnes, se přepisovat nemusí tak často.