Claude Opus 5.5 vede uvedený žebříček výkonu. GPT-6.1 Sol má z modelů se zveřejněným nákladem nejlevnější benchmarkovou úlohu. Pro firmu je užitečné znát obě informace a potom změřit vlastní práci.
Jeden model připraví podrobnější rozbor, jiný rychle vytřídí stovky podobných požadavků. Rozdíl poznáte v kvalitě výsledku, čekání i účtu za provoz. Při výběru firemní AI proto potřebujeme vedle výkonu rozumět také ceně a úkolu, který má model zvládnout.
Přehled vychází z Artificial Analysis, Intelligence Index v4.3.2, který zahrnuje 272 modelů. Pracujeme s datovým snímkem z 24. října 2026. Jde o srovnání výsledků testů a API cen, tedy cen za programové využití modelů v aplikacích a automatizacích.
V Kodo tato data pomáhají zúžit výběr. Při návrhu asistenta, práce s dokumenty nebo automatizace poptávek pak rozhoduje, jak model zvládá konkrétní firemní podklady a kolik práce po něm zbývá člověku.
Deset nejvýše hodnocených modelů
Intelligence Index je souhrnné skóre výkonu v testech. Vyšší číslo znamená lepší výsledek v daném hodnocení; nevyjadřuje procento správně vyřešených firemních požadavků.
| Model | Intelligence Index | API vstup / výstup | Náklad benchmarkové úlohy |
|---|---|---|---|
| Claude Opus 5.5 (Max) | 57,62 | 4 / 20 | 5,98 |
| Claude Sonnet 5.5 (Max) | 56,00 | 2 / 10 | 5,46 |
| Muse Wonder Full (Max) | 55,80 | neuvedeno | neuvedeno |
| Kimi K3.1 Pro | 55,09 | 2 / 10 | 2,11 |
| Claude Fable 5.1 (Max) | 53,35 | 10 / 50 | 7,63 |
| GPT-6 Astra (Max) | 52,67 | 10 / 50 | 3,26 |
| Gemini 4 Argon (High) | 52,56 | 2 / 10 | 1,99 |
| Muse Wonder (Max) | 52,39 | 4 / 20 | 4,54 |
| GPT-6.1 Sol (Max) | 51,83 | 2 / 10 | 0,72 |
| Grok 4.7 (Xhigh) | 46,45 | 2 / 6 | 3,74 |
Zdroj: Artificial Analysis, datový snímek 24. 10. 2026. Všechny ceny jsou v USD. API sazby platí za jeden milion vstupních a výstupních tokenů; token je jednotka, ve které model zpracovává text. Poslední sloupec uvádí náklad standardizované úlohy Intelligence Indexu při ceníkových sazbách. Označení Max, High a Xhigh patří k hodnoceným nastavením.
Anthropic obsazuje první dvě příčky a v první desítce má tři modely. Meta má dva zástupce, u varianty Muse Wonder Full však v podkladu cena uvedená není. Kimi K3.1 Pro od Moonshotu dosahuje čtvrtého nejvyššího skóre. OpenAI, Google a xAI doplňují srovnání modely s odlišnou kombinací výsledku a nákladů.
Výkon a cena dávají několik různých odpovědí
Claude Opus 5.5 má nejvyšší skóre: 57,62. Je proto užitečným kandidátem pro test náročnější práce. Z tohoto výsledku ale nelze odvodit, že bude nejlepší pro každý český e-mail, katalog nebo firemní dokument.
Claude Sonnet 5.5 je výkonem blízko Opusu. Dosahuje skóre 56,00 a má poloviční sazby za vstup i výstup. Náklad benchmarkové úlohy však činí 5,46 USD oproti 5,98 USD u Opusu. Poloviční sazba za token tedy v tomto testu neznamená poloviční cenu dokončené práce.
Kimi K3.1 Pro spojuje vysoké skóre s nižším nákladem testu. S indexem 55,09 a částkou 2,11 USD za benchmarkovou úlohu stojí za zařazení do vlastního srovnání. Jeho vhodnost pro konkrétní nasazení musí zahrnout také kvalitu češtiny, práci s podklady a podmínky zpracování dat.
GPT-6.1 Sol má nejnižší uvedený náklad benchmarkové úlohy: 0,72 USD. Následují Gemini 4 Argon s 1,99 USD a Kimi s 2,11 USD. Při důrazu na provozní náklady jde o jiné pořadí než při řazení podle Intelligence Indexu.
Proto z tabulky nevyhlašujeme jednoho vítěze poměru ceny a výkonu pro všechny firmy. Nejdřív potřebujeme určit, jakou kvalitu výstupu požadujeme, a potom porovnat cenu jejího dosažení.
Proč může stejná sazba znamenat jiný účet
Sonnet 5.5, Kimi K3.1 Pro, Gemini 4 Argon a GPT-6.1 Sol mají v přehledu stejné sazby: 2 USD za milion vstupních a 10 USD za milion výstupních tokenů. Jejich náklady benchmarkové úlohy se přesto výrazně liší.
Pro cenu je totiž podstatné také množství zpracovaného vstupu, vytvořeného výstupu a další spotřeba během řešení. V reálné automatizaci se přidávají opakované pokusy, volání nástrojů a čas na opravy.
Částka 0,72 USD u Solu proto není ceníkem za jeden zákaznický dotaz. Krátké vytřídění e-mailu má jiný rozsah než porovnání několika dokumentů. Benchmark pomáhá vybrat kandidáty, vlastní náklady změří až test daného procesu.
Záleží také na poskytovateli a rychlosti
Vedle názvu modelu je potřeba zaznamenat, přes jakou službu a v jakém režimu jej používáte.
V podkladu je například Sonnet 5.5 dostupný přes Anthropic, Microsoft Azure, Amazon Bedrock a Google se stejnou sazbou 2 / 10 USD. U Azure je přitom uveden náklad benchmarkové úlohy 4,96 USD, zatímco u Anthropic 5,46 USD. Porovnávat je proto potřeba celé nastavení, včetně účtování opakovaně použitého vstupu, tedy cache.
U GPT-6.1 Sol přehled uvádí tyto režimy:
| Režim | Vstup za 1 mil. tokenů | Výstup za 1 mil. tokenů |
|---|---|---|
| Flex | 1 USD | 5 USD |
| Standard | 2 USD | 10 USD |
| Fast | 4 USD | 20 USD |
| Ultrafast | 12 USD | 60 USD |
U Flex je uveden náklad benchmarkové úlohy 0,36 USD oproti 0,72 USD ve standardním režimu. Kimi má vedle standardních sazeb 2 / 10 USD také variantu High Speed za 4 / 20 USD.
Rychlejší zpracování může být důležité v rozhovoru se zákazníkem. U dávky, která se připravuje na další den, může být přijatelná delší čekací doba. Konkrétní režim je proto součástí výběru stejně jako model.
Jak to spojujeme s prací v Kodo
V Kodo navrhujeme AI asistenty a automatizace kolem konkrétního výsledku: připravené poptávky, nalezené informace v dokumentech, návrhu odpovědi nebo podkladů pro cenovou nabídku. K tomu patří zdroje dat, napojení systémů a pravidla pro předání člověku.
Představme si servisní firmu, které chodí poptávky e-mailem a přes web. Jeden zákazník pošle několik jasných údajů, další přiloží dlouhý dokument a třetí neuvede potřebné rozměry. Každý případ potřebuje trochu jiný postup.
- Pro vytřídění zprávy a převod známých údajů do připravených polí lze otestovat úspornější model.
- Porovnání několika podkladů nebo rozpoznání rozporů může vyžadovat silnější model a více času.
- Chybějící informaci je potřeba získat od zákazníka nebo odpovědného člověka.
- Cenu nabídky určují schválený ceník a výpočetní pravidla. Závazný výsledek má určeného schvalovatele.
Takové rozdělení může vypadat následovně:
Načítání schématu…
Přečíst schéma jako text
flowchart TD
A["Poptávka nebo firemní dokument"] --> B["Výběr postupu podle úlohy"]
B -->|Rutinní zpracování| C["Úspornější model"]
B -->|Náročnější rozbor| D["Silnější model"]
C --> E["Kontrola podle zdrojů a firemních pravidel"]
D --> E
E --> F["Návrh ke schválení, nejasnosti člověku"]
classDef source fill:#ffffff,stroke:#ded5ca,color:#282623;
classDef process fill:#e8ded1,stroke:#c7b8ac,color:#282623;
classDef result fill:#282623,stroke:#282623,color:#f8f4ed;
class A source;
class B,C,D,E process;
class F result;Ilustrační návrh postupu. Modely a pravidla se vybírají podle výsledků testu a konkrétního provozu.
Stejný princip používáme při návrhu AI asistenta pro firemní web nebo nákupního asistenta pro e-shop: model musí dostat správná data a vědět, jaký další krok může připravit.
Co otestovat před výběrem
Vyberte vzorek skutečných zadání a doplňte k nim očekávané výsledky. Zahrňte běžné požadavky i případy s chybějícími údaji nebo rozpory.
U několika kandidátů potom porovnejte:
- Věcnou správnost a práci se zdroji.
- Dodržení požadovaného formátu a firemních pravidel.
- Kvalitu češtiny a srozumitelnost pro příjemce.
- Čekání na výsledek a náklady celého zpracování.
- Počet oprav a čas, který u nich stráví člověk.
V Kodo můžeme připravit takový test, navrhnout rozdělení úloh mezi modely a propojit výsledek s webem, e-shopem nebo interním procesem. Smyslem je zjistit, která varianta přinese použitelný výstup za přijatelnou cenu.
Pokud chcete začít, pošlete nám jeden opakovaný úkol a ukázku podkladů přes kontakty Kodo. Na konkrétním příkladu se dá dobře určit rozsah prvního testu.
Časté otázky
Který model má v tomto přehledu nejvyšší výkon?
Claude Opus 5.5 v nastavení Max dosahuje nejvyššího Intelligence Indexu: 57,62. Jde o výsledek v uvedeném datovém snímku Artificial Analysis, nikoli o záruku nejlepšího výsledku v každé firemní úloze.
Je Claude Sonnet 5.5 o polovinu levnější než Opus?
V tabulce má poloviční sazbu za vstupní i výstupní tokeny. Náklad benchmarkové úlohy je ale 5,46 USD oproti 5,98 USD u Opusu. Skutečný účet závisí také na spotřebě při řešení, proto je potřeba porovnat cenu dokončeného úkolu.
Platí tyto ceny i pro měsíční předplatné chatu?
Tabulky uvádějí API ceny, které se používají při programovém volání modelů. Z těchto sazeb nelze odvodit cenu ani limity měsíčního předplatného uživatelské aplikace.
Související články
- Jak ušetřit na AI modelech: automatizace, přepínání a lokální kontrola
- Co připravit před nasazením firemního AI asistenta
- Jak automatizovat přípravu cenových nabídek bez ztráty kontroly
Zdroj dat
Artificial Analysis — Intelligence Index v4.3.2, přehled 272 modelů, datový snímek 24. října 2026. Ceny v USD jsou převzaté z podkladu a popisují uvedená nastavení modelů a poskytovatelů.
Článek zachycuje stav k uvedenému datu. Benchmarková skóre a ceny slouží ke srovnání; náklady a kvalitu konkrétního firemního řešení je potřeba změřit na vlastním zadání.