AI a čeština: Co funguje, co ne a jak to otestovat

Na stejném testu dosáhla AI v angličtině 70,9 % — a v češtině jen 55,3 %. Patnáct bodů. Tolik ztrácí čeština oproti angličtině v benchmarcích jazykových modelů. A to není vše: za stejnou práci zaplatíte v češtině 1,5× až 2,5× víc tokenů, protože české slovo se v tokenizéru často rozpadne na víc částí než anglické. Výsledek? Horší kvalita za vyšší cenu. Jenže většina českých uživatelů AI o tomhle netuší — a místo systematického testování se spoléhá na pocit, že „to je dobrý". Tento článek vysvětluje, proč je čeština pro AI objektivně těžší než angličtina, kde konkrétně modely chybují, který model je v češtině nejlepší — a přináší 8bodový test, kterým si za 10 minut ověříte, jak dobře vaše AI češtinu skutečně zvládá.

Proč je čeština pro AI těžší než angličtina

Všechny velké jazykové modely jsou v jádru anglické. GPT, Claude, Gemini — všechny byly primárně trénovány na anglických datech. Angličtina tvoří odhadem 60–80 % trénovacích korpusů, zatímco čeština se pohybuje v jednotkách promile. To má tři konkrétní, měřitelné důsledky.

Tokenizace — české slovo stojí víc

Tokenizér je software, který před zpracováním textu rozseká slova na menší části — tokeny. Protože je tokenizér trénovaný primárně na angličtině, anglická slova většinou zůstanou celá: „company" = 1 token. České slovo se ale často rozpadne na 2–3 části: „společnost" → „spol" + „ečnost" = 2 tokeny. Slovo „nejneobhospodařovatelnější"? To je pro tokenizér noční můra.

V praxi to znamená dvě věci. Za prvé, za stejnou práci zaplatíte víc — API poplatky se počítají za tokeny, takže český text stojí 1,5–2,5× víc než anglický. Za druhé, rychleji vyčerpáte kontextové okno. Pokud model má limit 128 000 tokenů, v angličtině se do něj vejde zhruba 96 000 slov. V češtině jen 50 000–65 000. A kratší kontext znamená horší kvalitu u složitějších úloh — model „zapomíná" dřív.

Morfologie — 7 pádů, 14 vzorů, volný slovosled

Angličtina je analytický jazyk — vztahy mezi slovy vyjadřuje slovosledem a předložkami. „The dog sees the cat" — pořadí slov určuje, kdo koho vidí. Čeština je flektivní — stejnou informaci nese koncovka slova. „Pes vidí kočku" = „Kočku vidí pes" — obojí znamená totéž, protože koncovka „-u" označuje předmět.

Pro AI je tohle zásadní problém. Model musí zvládnout 7 pádů (nominativ, genitiv, dativ, akuzativ, vokativ, lokál, instrumentál), 14 deklinačních vzorů pro podstatná jména a ještě hláskové alternace — zámek → v zámcích, kniha → v knize, moucha → s mouškou. Každá z těchto změn vyžaduje znalost gramatických pravidel, která se v angličtině jednoduše nevyskytují. A protože model nemá gramatiku — pouze statistické vzory z trénovacích dat — chyby v koncovkách jsou nejčastějším typem české AI chyby.

Objem dat — angličtina je 100× větší

Internet je anglický. Odhadem 55–60 % veškerého webového obsahu je v angličtině, čeština představuje zhruba 0,5 %. Pro jazykový model to znamená, že na angličtině viděl stovky miliard slov — a na češtině řádově miliardy. Méně dat = méně vzorů = víc chyb. Zvlášť u specializovaného obsahu — právní texty, technická dokumentace, regionální terminologie — může být česká datová základna kriticky malá.

Kde AI v češtině funguje — a kde selhává

Česká AI není úplně špatná — je nerovnoměrná. Na některých úlohách funguje skoro stejně dobře jako v angličtině. Na jiných selhává způsobem, který je pro rodilého mluvčího okamžitě viditelný. Rozdíl je v tom, jak moc daná úloha závisí na gramatické přesnosti a kulturním kontextu.

Typ úlohy	Kvalita v češtině	Typické problémy
Konverzace a brainstorming	★★★★☆ Velmi dobrá	Občas nepřirozené obraty, ale celkově plynulá čeština
Shrnutí textu	★★★★☆ Velmi dobrá	Někdy přílišná formálnost, ale faktická přesnost OK
Překlad EN → CZ	★★★★☆ Velmi dobrá	Konkurenceschopný s DeepL, občas doslovný překlad idiomů
Kód s českými komentáři	★★★☆☆ Dobrá	Kód OK, české komentáře někdy nepřirozené
Formální dopisy a e-maily	★★★☆☆ Dobrá	Chyby v oslovení, nekonzistentní vykání/tykání
Kreativní psaní	★★★☆☆ Dobrá	Příliš „překladová" čeština, chybějící české reálie
Odborné texty (právo, medicína)	★★☆☆☆ Slabá	Nesprávná terminologie, anglické calky, chyby v pádech
Idiomy a přísloví	★★☆☆☆ Slabá	Doslovný překlad z angličtiny, neznalost českých frazémů
České kulturní znalosti	★☆☆☆☆ Velmi slabá	Halucinace, záměny slovenštiny, neznalost reálií
Český humor a ironie	★☆☆☆☆ Velmi slabá	Model nezná české kulturní reference, vtip nefunguje

Typické české chyby AI — příklady z praxe

Následující chyby nejsou teoretické — objevují se v reálných výstupech komerčních modelů při běžné práci v češtině.

BenCzechMark — jak se objektivně měří kvalita AI v češtině

Jak vlastně víme, že AI v češtině zaostává? Díky práci českých výzkumníků, kteří vytvořili první komplexní benchmark navržený speciálně pro hodnocení jazykových modelů v češtině. BenCzechMark (BCM), publikovaný v prestižním časopise Transactions of the Association for Computational Linguistics, přinesl do diskuze o AI v češtině něco, co tu dosud chybělo — tvrdá data.

Benchmark zahrnuje 50 úloh ve 8 kategoriích — od porozumění textu přes gramatiku a znalosti až po generování a klasifikaci. Klíčové je, že 14 z těchto úloh bylo vytvořeno speciálně pro češtinu a testuje věci, které se v angličtině vůbec nevyskytují: správné skloňování, použití pádů po předložkách nebo znalost českých historických událostí.

Za projektem stojí CZLC — Czech LLM Consortium, skupina českých výzkumníků, kteří se zaměřují na zlepšení AI pro češtinu. Součástí projektu je i BUT-Large Czech Collection, největší veřejně dostupný čistý český jazykový korpus, který slouží jako základ pro trénování nových modelů s lepší českou podporou.

Na leaderboardu BenCzechMark (huggingface.co/spaces/CZLC/BenCzechMark) bylo v době psaní článku hodnoceno přes 50 modelů. Výsledky potvrzují to, co čeští uživatelé intuitivně cítí — i nejlepší modely mají v češtině prostor ke zlepšení, zvlášť u úloh vyžadujících gramatickou přesnost a kulturní znalosti.

Který model je v češtině nejlepší — praktické srovnání 2026

Žádný model není v češtině jednoznačně nejlepší ve všem. Záleží na úloze. Následující srovnání vychází z kombinace benchmarkových dat, testů české komunity a praktických zkušeností s reálným nasazením.

Model	Gramatika CZ	Kreativní CZ	Odborné CZ	Cena (tokeny)	Celkový verdikt
Claude Opus 4.6	★★★★★	★★★★☆	★★★★☆	$$$	Nejlepší čeština celkově
GPT-5.4	★★★★☆	★★★★☆	★★★☆☆	$$	Dobrá čeština, občas formální
Gemini 3.1 Pro	★★★★☆	★★★☆☆	★★★★☆	$$	Silný v analýze, slabší kreativa
Claude Sonnet 4.6	★★★★☆	★★★☆☆	★★★☆☆	$	Nejlepší poměr cena/kvalita
DeepSeek V3	★★★☆☆	★★★☆☆	★★★☆☆	$	Překvapivě slušná čeština za zlomek ceny
Llama 4 (lokální)	★★☆☆☆	★★☆☆☆	★☆☆☆☆	Zdarma	Pro rychlé úlohy OK, na kvalitní češtinu ne

8bodový Český AI test — ověřte si kvalitu za 10 minut

Místo spekulací a pocitů nabízíme konkrétní testovací protokol. Zadejte svému AI modelu následujících 8 promptů a ohodnoťte odpovědi. Celý test zabere maximálně 10 minut a ukáže přesně, kde má váš model v češtině silné a slabé stránky.

Hodnocení: Za každý prompt dejte 0–2 body (0 = zásadní chyby, 1 = drobné nepřesnosti, 2 = perfektní). Skóre 14–16: model má výbornou češtinu. 10–13: dobrý pro běžnou práci, ale pozor u formálních textů. 6–9: slabá čeština, vždy kontrolovat. 0–5: pro seriózní českou práci nevhodný.

Jak z AI dostat lepší češtinu — praktické tipy

Znát problém je polovina řešení. Druhá polovina jsou konkrétní techniky, které kvalitu českého výstupu prokazatelně zlepšují. Žádná z nich nevyžaduje technické znalosti — stačí upravit způsob, jakým s AI komunikujete.

Promptovat v češtině, nebo v angličtině?

Překvapivě — záleží na úloze. Pro generování českého textu promptujte v češtině. Model pak „myslí" v češtině od začátku a neprovádí interní překlad. Výsledek je přirozenější. Pro analytické a logické úlohy může být anglický prompt lepší — model má v angličtině silnější reasoning schopnosti. Kompromis: zadejte instrukce v angličtině, ale přidejte „Answer in Czech" a ukázkový text v češtině. Kombinace anglické preciznosti a českého výstupu často dává nejlepší výsledky.

Systémový prompt pro kvalitní češtinu

Few-shot příklady v češtině

Jedna z nejúčinnějších technik: přidejte do promptu ukázku požadovaného stylu. Stačí 2–3 odstavce textu, který odpovídá tónu a kvalitě, jakou očekáváte. AI je výborné v napodobování vzorů — a pokud dostane vzor v kvalitní češtině, výstup se dramaticky zlepší. Podrobně se tímto přístupem zabývá článek Jak dostat z AI text, který nezní jako robot.

Iterativní zpětná vazba

Neočekávejte perfektní výsledek na první pokus. Nejlepší výsledky přináší feedback loop: vygenerujte text → identifikujte konkrétní chyby → řekněte AI, co opravit → zopakujte. Klíčové je být konkrétní: ne „oprav gramatiku", ale „ve třetím odstavci je špatný pád po předložce ‚s' — má být instrumentál". Čím přesnější zpětná vazba, tím lepší korekce.

České AI nástroje a budoucnost češtiny v AI

Čeština v AI není odsouzena k roli občana druhé kategorie. Na zlepšení pracuje několik paralelních iniciativ — od akademických projektů přes komerční nástroje až po vládní programy.

Česky.AI nabízí nejkvalitnější přepis mluvené češtiny — řeč-na-text s podporou českých specifik (diakritika, vlastní jména, odborná terminologie). Pro přepis porad, rozhovorů a přednášek je aktuálně nejlepší volba na trhu.

CZLC — Czech LLM Consortium je akademická iniciativa sdružující české výzkumníky na HuggingFace. Kromě BenCzechMark benchmarku vytvořili BUT-Large Czech Collection (největší čistý český korpus) a pracují na prvním českém 7B modelu s tokenizací optimalizovanou pro češtinu. Ten by měl dramaticky zlepšit poměr tokenů — a tedy i cenu a kvalitu.

OpenEuroLLM je mezinárodní projekt s účastí Česka, jehož cílem je vytvořit jazykové modely pro všechny evropské jazyky. Česká vláda projekt podporuje jako součást strategie digitální jazykové suverenity.

Seznam.cz investuje do vlastních českých embedding modelů a continued pretraining na čistých českých datech. Pro e-commerce a vyhledávání v češtině představují tyto modely zajímavou alternativu k mezinárodním řešením.

Často kladené otázky