Nejlepší model AI zvládl v testu SemiAnalysis jen 12 % odborných úloh

Signál dne

Nejlepší model AI splnil v novém testu 12 % odborných úloh

Co se stalo. SemiAnalysis↗, analytická firma zaměřená na čipy a AI, 2. listopadu zveřejnila GDPx↗, sadu úloh pro AI agenty z 11 oborů, mezi nimi návrh čipů, kybernetická bezpečnost, biologie, finance, právo a vývoj softwaru (Kan et al., 2026). Nejlepší model dosáhl 12 %. Podle autorů jsou úlohy z financí a práva tak těžké, že téměř každý model získá přesně nulu. Celkově nejlépe vyšel Claude↗ Opus 5.5 a každý z předních modelů byl v některých oborech silný a v jiných slabý. Úlohy připravilo čtrnáct specializovaných firem a celý článek je jen pro platící předplatitele.

Proč na tom záleží. Autoři tvrdí, že starší testy jako GDPval z září 2025 používají krátké, přesně zadané úlohy, které dnešní agenty už neprověří. Souhrnné skóre, které uvádí dodavatel, vám o vaší specializované práci mnoho neřekne. Výsledky se liší obor od oboru, takže model, který je celkově první, může být pro váš obor špatná volba.

Co udělat. Než model koupíte nebo vyměníte, dejte dvěma nebo třem modelům deset skutečných úloh z vašeho týmu a nechte výstupy ohodnotit odborníka.

Abú Dhabí kontroluje povolení pomocí modelů OpenAI, rozhoduje úředník

Co se stalo. Vláda Abú Dhabí a OpenAI↗ 2. listopadu spustily program Machine-Readable Government (Abu Dhabi Media Office, 2026). Program převádí vybrané vládní předpisy do podoby, kterou umí číst systémy AI, aby úředníkům pomáhaly kontrolovat běžné žádosti o povolení a osvědčení. Každá kontrola odkazuje na pravidlo, které použila, a konečné rozhodnutí zůstává úředníkům. První pilot už běží na úřadu pro zemědělství a bezpečnost potravin u dovozu potravin a výpočty probíhají v datových centrech uvnitř SAE. Dvě další dohody podepsané týž den přinášejí modely OpenAI do energetické firmy ADNOC↗ a do investiční analýzy ve společnosti Mubadala↗.

Proč na tom záleží. Jde o fungující model nasazení AI v regulovaném rozhodování: na vstupu psaná pravidla, u každé odpovědi odkaz na pravidlo a člověk, který rozhoduje. Stejný postup se hodí pro interní compliance, třeba prověrky dodavatelů nebo exportní pravidla, kde se auditor zeptá, proč rozhodnutí padlo.

Vyzkoušejte dnes

Sepište za deset minut nejnáročnější AI úlohy týmu, než ChatGPT a Codex sdílejí jeden limit

Co to je: Od prosince budou ChatGPT↗ a Codex↗, programovací agent OpenAI, čerpat v tarifech Plus, Pro a Business z jednoho společného limitu. Ten se měří v tokenech, tedy jednotkách textu, které model čte a píše.

Pro koho: Vedoucí týmů a IT manažeři, kteří platí licence ChatGPT a jejichž týmy používají i Codex.

Dostupnost: Placené: tarify Plus, Pro a Business, uvedené na ceníku OpenAI. Zbývající společný limit uvidíte v ChatGPT v Nastavení, sekce Využití.

První krok: Požádejte tři nejaktivnější uživatele, ať sepíšou úlohy pro Codex a pokročilé modely, které minulý týden spustili; právě ty budou ze společného limitu čerpat nejvíc.

Pozor na: OpenAI zatím nezveřejnila velikost limitů. Rychlý chat (Instant) se nepočítá, pokročilé modely a složité úlohy spotřebují víc; po vyčerpání čekáte na obnovení, přejdete na vyšší tarif nebo dokoupíte kredity.

(OpenAI, n.d.)

Udržte americké patentové rešerše v chodu: založte si účet USPTO do 7. listopadu

Co to je: Od 7. listopadu 2026 bude Patent Public Search↗, veřejný vyhledávač amerických patentů a zveřejněných přihlášek, který provozuje USPTO↗, vyžadovat přihlášení účtem USPTO.gov.

Pro koho: Patentové týmy, výzkum a vývoj, technologický scouting a každý, kdo kontroluje americké patenty; můj článek o tom, co v patentové analýze opravit jako první, popisuje celý postup.

Dostupnost: Účet USPTO.gov, který založíte na registrační stránce MyUSPTO↗; poplatek tam uveden není.

První krok: Otevřete registrační stránku, založte si účet a požádejte každého v týmu, kdo hledá v amerických patentech, ať to dnes udělá také.

Pozor na: Oznámení neříká, co se změní pro automatizovaný nebo hromadný přístup, proto prověřte každý nástroj či skript, který do vyhledávače přistupuje bez přihlášení.

(United States Patent and Trademark Office, n.d.)

Stojí za pozornost

Kimi slibuje otevřené váhy modelu K3.1 Pro do 4. listopadu

Kimi↗ oznámila, že kompletní váhy modelu Kimi K3.1 Pro↗ zveřejní do 4. listopadu (Kimi, n.d.). Otevřené váhy by firmám umožnily provozovat model na vlastních serverech. Model je už dostupný v aplikacích a API Kimi s kontextem 1 milionu tokenů a v testu programovacích agentů podle vlastního měření dosahuje 65,7 % proti 66,4 % u Claude Opus 5.5. Váhy jsou ohlášené, zatím nevyšly.

Jižní Korea vyčlení 4,7 bilionu wonů na vlastní špičkový model AI

Prezident I Če-mjong 2. listopadu předložil Národnímu shromáždění rekordní rozpočet na rok 2027 ve výši 820,9 bilionu wonů, o 12,8 % vyšší (Lim & Lee, 2026). Na suverénní model AI s „nejvyšším výkonem na světě“ vyčleňuje 4,7 bilionu wonů a na čipy, fyzickou AI a datová centra pro AI 21,3 bilionu wonů, téměř dvojnásobek proti roku 2026. Rozpočet musí ještě schválit parlament. Včerejší vydání se věnovalo plánu xAI označovat text z API Groku vodoznakem.

Repozitáře, které stojí za pohled

google-research/harness2

harness2↗ od Google Research↗ zlepšuje AI agenta tím, že přepisuje prostředí kolem modelu, tedy jeho pokyny, nástroje a paměť, místo aby model znovu trénoval (Google Research, 2026). Nepotřebuje správné odpovědi: změny zkouší přímo na úloze a ukládá si poučení pro další úlohy. Jedno kolo zvýšilo skóre až o 11,8 procentního bodu v testu právní práce a o 11,5 bodu v testu kancelářské práce, u dvou různých modelů. Přibližně 22 000 hvězd k 2. listopadu 2026, licence Apache 2.0. Pošlete ho tomu, kdo u vás staví interní agenty; README uvádí, že nejde o oficiálně podporovaný produkt Googlu a že běhy stojí peníze za model.

yaojingang/GEOInflow

GEOInflow↗ ukazuje, kteří AI crawleři navštěvují váš web, které stránky čtou a kolik návštěvníků a konverzí přichází z AI vyhledávání (yaojingang, 2026). Běží na vašem serveru, potřebuje Docker a nejméně 6 GiB paměti a funguje bez klíče k modelu AI. 784 hvězd k 2. listopadu 2026, licence MIT. Předejte ho webovému nebo marketingovému analytikovi a při prvním přihlášení změňte výchozí heslo správce. Výzkumu o tom, které zdroje AI vyhledávače citují, jsme se věnovali 1. listopadu; GEOInflow měří druhou stranu, tedy co si crawleři z vašeho webu berou.

Pohled CERNY.AI

Dnešní zprávy ukazují stejným směrem: AI je dost dobrá na to, abychom ji používali, a ne dost dobrá na to, abychom jí věřili bez kontroly. GDPx dává nejlepšímu modelu 12 % odborných úloh a Abú Dhabí odpovídá systémem, v němž každá kontrola AI cituje své pravidlo a podepisuje člověk. Zároveň se přístup zužuje: USPTO zavádí přihlášení a OpenAI měří chat i agenty z jednoho limitu. Organizace v konkurenčním a patentovém zpravodajství by měly přestat vybírat modely podle veřejných žebříčků a před každým prodloužením smlouvy si sestavit malou sadu vlastních úloh, kterou ohodnotí vlastní odborníci. Sestavení takové sady je součástí mého poradenství v oblasti konkurenčního zpravodajství.

Otázka na vaši příští poradu

Kdybychom dnes dali naše tři nejčastější odborné úlohy modelu AI, kdo by výstup hodnotil a podle jakého měřítka? Rychlý test zralosti konkurenčního zpravodajství ukáže, zda má váš tým takové měřítko sepsané.

Zdroje

• Abu Dhabi Media Office. (2026, November 2). Khaled bin Mohamed bin Zayed meets Sam Altman and witnesses signing of agreements with OpenAI. https://www.mediaoffice.abudhabi/en/crown-prince-news/khaled-bin-mohamed-bin-zayed-meets-sam-altman-and-witnesses-signing-of-agreements-with-openai/
• Google Research. (2026). harness2 [Computer software]. GitHub. https://github.com/google-research/harness2
• Kan, M., Megalaa, A., & Patel, D. (2026, November 2). GDPx: Measuring frontier model capabilities across the most valuable domains. SemiAnalysis. https://newsletter.semianalysis.com/p/gdpx-measuring-frontier-model-capabilities
• Kimi. (n.d.). Kimi K3.1 Pro tech blog: Advancing open intelligence. https://www.kimi.ai/blog/kimi-k3-1-pro
• Lim, H. J., & Lee, J. (2026, November 2). South Korea targets 'world's highest performance' sovereign AI model in record new budget. CNBC. https://www.cnbc.com/2026/11/02/south-korea-ai-spending-budget.html
• OpenAI. (n.d.). Understanding ChatGPT and Codex usage limits. OpenAI Help Center. https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits
• United States Patent and Trademark Office. (n.d.). Patent Public Search. https://www.uspto.gov/patents/search/patent-public-search
• yaojingang. (2026). GEOInflow [Computer software]. GitHub. https://github.com/yaojingang/GEOInflow