Při výběru AI nestačí porovnat modely. Stejný základní model může být dostupný přes několik služeb s různými cenami, rychlostí a podmínkami provozu. Pro firmu je potřeba posoudit celé napojení: co stojí použitelný výsledek, jak dlouho na něj čeká a co se stane při problému.
Firma vybere model pro zpracování příchozích požadavků a napojí jej do automatizace. Tím ale rozhodování nekončí. Model někdo provozuje, přijímá požadavky, účtuje spotřebu a poskytuje rozhraní, přes které se s ním ostatní systémy domlouvají.
Tato služba se obvykle používá přes API, tedy programové rozhraní. Konkrétní přístup k modelu se v technických přehledech označuje jako endpoint. Jeden poskytovatel může nabízet více variant, například běžný a rychlejší režim.
Rozdíly jsou vidět na DeepSeek V4.1 Flash 1017 v nastavení Max. Z Artificial Analysis jsme 1. listopadu 2026 načetli 23 variant API u 19 poskytovatelů. Následující příklady vybíráme z tohoto souboru. Jde o měření a ceny uvedené nezávislým zdrojem, nikoli o vlastní zátěžový test Kodo.
Model a služba, která jej provozuje, jsou dvě rozhodnutí
Model určuje základní schopnosti. Poskytovatel určuje konkrétní způsob, jakým k němu firma přistupuje: nabízenou konfiguraci, cenu, dostupnou kapacitu a další podmínky služby.
Podobný název přitom nemusí znamenat ve všech podrobnostech shodné nasazení. Mohou se lišit limity, podporované funkce nebo technická konfigurace. Artificial Analysis mezi omezeními svého měření uvádí také rozdíly v kvantizaci, tedy způsobu, jakým lze snížit výpočetní náročnost modelu, s možným dopadem na kvalitu. Metodika měření výkonu.
Při porovnávání proto potřebujeme znát přesnou verzi, nastavení úsilí a režim služby. A při změně poskytovatele znovu ověřit výsledek na stejných podkladech.
Co ukazuje srovnání jednoho DeepSeeku
| Poskytovatel a režim | Vstup: USD / 1 mil. tokenů | Výstup: USD / 1 mil. tokenů | První token: medián v s | Generování: medián tokenů/s |
|---|---|---|---|---|
| DeepSeek, běžná varianta | 0,30 | 1,20 | 1,10 | 175 |
| Baseten, běžná varianta | 0,30 | 1,20 | 0,30 | 204 |
| Novita, běžná varianta | 0,30 | 1,20 | 2,16 | 152 |
| Systalyze, běžná varianta | 0,30 | 1,20 | 1,00 | 564 |
| DeepInfra, běžná varianta | 0,098 | 0,294 | 0,77 | 66 |
| SiliconFlow, běžná varianta | 0,15 | 0,60 | 0,84 | 227 |
| Baseten, FAST | 0,60 | 2,40 | 0,19 | 951 |
Zdroj: Artificial Analysis, poskytovatelé DeepSeek V4.1 Flash 1017 (Max), stav načtený 1. 11. 2026. Vybraný vzorek, nikoli úplné pořadí všech služeb. Rychlost odpovídá výchozí benchmarkové zátěži; ceny jsou zdrojem uváděné sazby bez započtení cache. FAST je samostatná dražší varianta a není totožným cenovým režimem s běžnou službou. Hodnoty rychlosti a času jsou zaokrouhlené.
První čtyři řádky mají stejnou uvedenou cenu vstupu i výstupu, ale liší se naměřenou rychlostí. DeepInfra má ve vzorku nižší sazby a pomalejší generování. U Basetenu má FAST dvojnásobné sazby proti běžné variantě a výrazně vyšší rychlost generování v daném měření. Podkladová data Artificial Analysis.
Z toho ještě neplyne univerzální vítěz. Dávkové zpracování přes noc má jiné požadavky než asistent, na kterého zákazník čeká během objednávky. Do rozhodnutí patří také kvalita výsledků, dostupnost funkcí a podmínky práce s daty.
První token není první použitelná odpověď
U modelů, které před odpovědí uvažují, je potřeba rozlišit dva časy. Čas do prvního tokenu měří začátek reakce služby. Čas do prvního tokenu odpovědi zahrnuje i předchozí uvažování. Zákazník tak může na vlastní odpověď čekat déle, než naznačuje samotný první údaj.
Rychlost generování zase popisuje tok výstupu po jeho zahájení. Neobsahuje veškerou práci celé automatizace, například načtení dokumentu, vyhledání údajů nebo další volání služby.
Artificial Analysis u výchozího rychlostního testu používá přibližně deset tisíc vstupních tokenů. Měření vychází z testovacího prostředí v USA, takže odezva z české infrastruktury se může lišit. Definice a podmínky měření.
Pro firemní test si proto označte vlastní začátek a konec. U asistenta může být koncem zobrazení použitelné odpovědi. U zpracování dokumentu až uložení ověřených údajů do cílového systému.
Proč nestačí sledovat jen průměrnou rychlost
Veřejné přehledy často ukazují medián, tedy prostřední naměřenou hodnotu. Pro běžný provoz je užitečné znát i pomalejší část požadavků.
U některých služeb může většina požadavků proběhnout rychle, ale menší část se výrazně zpozdit. V procesu s termínem dokončení nebo s čekajícím zákazníkem může být právě tato nepravidelnost podstatná.
Vlastní zkouška by proto měla zahrnout více typů vstupu a souběžnou práci. Jeden krátký dotaz neprověří dlouhé přílohy ani situaci, kdy přijdou požadavky od více zákazníků současně. Potřebujeme zaznamenat také chyby, přerušení a opakované pokusy.
Užitečné je ptát se, kolik výsledků se vejde do přijatelné doby a co automatizace udělá s těmi ostatními. Samotný vysoký počet tokenů za sekundu na tuto otázku neodpovídá.
Rozdíl v ceně převedený do konkrétního objemu
Pro jednoduché srovnání vezměme modelový měsíční objem 100 milionů nezlevněných vstupních a 20 milionů účtovaných výstupních tokenů. Stejný objem dosadíme do tří cenových variant z tabulky:
| Cenová varianta | Vstup | Výstup | Součet |
|---|---|---|---|
| 0,30 / 1,20 USD | 30 USD | 24 USD | 54 USD |
| 0,15 / 0,60 USD | 15 USD | 12 USD | 27 USD |
| 0,60 / 2,40 USD | 60 USD | 48 USD | 108 USD |
Pouze ilustrační výpočet podle uvedených sazeb. Nejde o skutečnou spotřebu zákazníka Kodo. Předpokládá stejný účtovaný objem, nezapočítává cache, další poplatky, slevy, daně, opravy ani jiné služby. U konkrétního provozu je potřeba ověřit i pravidla účtování tokenů při uvažování.
Nižší sazba se v takovém výpočtu projeví přímo. Celková úspora ale vznikne až tehdy, pokud zůstane přijatelná kvalita a provozní podmínky. Jestliže levnější varianta vyvolá více opakování nebo ručních oprav, náklad na použitelný výsledek bude jiný.
Podobně může být příplatek za rychlost rozumný u úkolu, který musí skončit v krátkém čase. Nemusí se však vrátit u práce, která stejně čeká na další systém nebo na lidské schválení.
Cache může změnit skutečný účet
Některé požadavky opakovaně posílají stejný obsah, například pravidla nebo část konverzace. Pokud služba tento vstup obslouží z cache, může se účtovat jinou sazbou než nový vstup.
Nestačí proto porovnat jen sloupec se slevou. Potřebujeme zjistit, kolik obsahu se v našem procesu opravdu opakuje, co poskytovatel považuje za způsobilý vstup a jak se využití cache projeví ve skutečném vyúčtování.
Naměřená úspěšnost cache v benchmarku patří k jeho konkrétní zátěži. Nelze ji automaticky převzít jako očekávanou úsporu v jiném firemním procesu. Základní principy popisuje metodika Artificial Analysis.
Co prověřit před přepojením automatizace
Změna poskytovatele může vypadat jako úprava adresy služby a přístupového klíče. K ověření funkčního provozu je však potřeba projít více věcí:
| Oblast | Co potřebujeme ověřit |
|---|---|
| Přesná varianta | Model, verzi, nastavení úsilí a případný rychlostní režim |
| Kvalita výsledku | Správnost na stejných běžných i obtížných vstupech |
| Napojení | Požadovaný formát odpovědi a skutečné chování při volání nástrojů |
| Kapacita | Velikost vstupu, souběžné požadavky a reakci při překročení limitů |
| Čas | První použitelnou odpověď, dokončení celého procesu a pomalejší případy |
| Cena | Vstup, výstup, cache, další poplatky a opakované pokusy |
| Data a podmínky | Příslušné smluvní podmínky, práci s údaji, dostupné regiony a požadavky firmy |
Veřejný benchmark neověřuje všechny poslední body za zákazníka. Rychlost služby sama nic nedokládá o jejích smluvních zárukách nebo vhodnosti pro konkrétní firemní dokumenty. Potřebné posouzení musí vycházet ze skutečného nasazení a aktuálních podmínek poskytovatele.
Pokud systém používá záložní službu, otestujte i tento přechod. Automatizace má poznat, zda požadavek skončil chybou, zda už částečně provedla navazující krok a zda může bezpečně pokračovat. Bez této kontroly může opakovaný pokus vytvořit duplicitní záznam nebo další práci pro člověka.
Jak vybrat službu podle typu práce
U dávkového zpracování bývá důležitý náklad, kapacita a dokončení do stanoveného termínu. Několik sekund u jednoho požadavku nemusí rozhodovat, pokud zpracování celé dávky splní požadovaný čas.
U zákaznického asistenta má větší váhu doba do použitelné odpovědi a pravidelnost odezvy. Zákazník nehodnotí rychlost modelu odděleně od vyhledání správné informace.
U navazující firemní automatizace potřebujeme vedle výsledku správný formát, napojení na další kroky a dohled nad neúspěchy. Levnější API je přínosem, pokud celý proces dál funguje spolehlivě.
Začněte malým srovnáním stejné práce u několika kandidátů. Do rozhodnutí zahrňte celý náklad a čas včetně oprav. Teprve potom má smysl měnit službu v běžném provozu.
Jak s tím může pomoci Kodo
Kodo může pomoci popsat požadavky automatizace, připravit srovnání modelů a služeb a ověřit výsledky na konkrétních firemních podkladech. Součástí návrhu je také kontrola údajů, návaznost na další systémy a postup při chybě.
Pokud už automatizaci máte, vhodným začátkem je jeden krok s vysokou spotřebou, dlouhým čekáním nebo častými opravami. Probrat možnosti s Kodo.
Časté otázky
Je stejný název modelu zárukou stejné služby?
Ne. Je potřeba ověřit přesnou verzi, konfiguraci, režim a podmínky poskytovatele. I u stejného základního modelu se mohou lišit rychlost, limity, podporované funkce nebo způsob účtování.
Znamená levnější token automaticky levnější automatizaci?
Ne. K ceně spotřeby patří opakované pokusy, další služby a čas na opravy. Rozhodující je náklad na správný a použitelný výsledek při požadovaných provozních podmínkách.
Proč nestačí počet tokenů za sekundu?
Nezachycuje celé čekání před odpovědí ani práci dalších částí systému. U modelů s uvažováním navíc může mezi prvním tokenem a první částí vlastní odpovědi uplynout další čas.
Doporučuje tabulka jednoho konkrétního poskytovatele?
Ne. Ukazuje rozdíly ve vybraném vzorku. Volba vyžaduje posouzení skutečných výsledků, provozní kapacity, ceny a podmínek práce s daty pro konkrétní firmu.
Související články
- Jak ušetřit na AI modelech: automatizace, přepínání a lokální kontrola
- Firemní dokumenty v AI: co zůstává lokálně a co může odejít do cloudu
- Co připravit před nasazením firemního AI asistenta
Zdroje a metodika
- Artificial Analysis: poskytovatelé DeepSeek V4.1 Flash 1017 — 23 variant rozhraní u 19 poskytovatelů v načteném datovém snímku, včetně cen a měřeného výkonu. Tabulka článku obsahuje vybraný vzorek a samostatně označený režim FAST.
- Artificial Analysis: metodika měření výkonu API — výchozí zátěž, mediány, definice rychlosti a časů, testovací prostředí a omezení měření.
Ceny a měření odpovídají snímku načtenému 1. listopadu 2026 přes Firecrawl Alexandria. Mohou se měnit a nejsou zárukou odezvy ani konečné ceny konkrétního účtu. Cenový příklad je modelový výpočet. Článek neuvádí vlastní laboratorní měření Kodo.