Jak vybrat správný AI model pro váš úkol: Rozhodovací framework

Ceny AI modelů se v dubnu 2026 pohybují od $0,08 do $25 za milion tokenů — rozdíl 300×. A přesto většina firem i jednotlivců používá jeden model na všechno, protože „ten je přece nejlepší". Na Redditu, LinkedIn i českých fórech se opakuje stejná otázka: „Který AI model mám používat?" Odpovědi jsou vždy stejné — někdo řekne ChatGPT, někdo Claude, někdo Gemini. Nikdo neřekne: záleží na úkolu, rozpočtu a jazyce. A hlavně — nikdo nedá praktický rámec, podle kterého se rozhodnout. Tento článek to mění. Přináší 5krokový rozhodovací framework, aktuální cenovou mapu a doporučení podle typu úkolu — aby výběr AI modelu přestal být otázkou osobního přesvědčení a stal se měřitelným rozhodnutím.

Proč neexistuje „nejlepší AI model"

V dubnu 2026 dosahují tři přední modely — Claude Opus 4.6, GPT-5.4 a Gemini 3.1 Pro — na většině standardních benchmarků skóre vzdálená maximálně o 1–2 procentní body. Na SWE-bench Verified (test schopnosti opravovat reálné bugy v kódu) je rozložení 80,8 % vs. 80,6 % vs. 79,6 %. Na GPQA Diamond (vědecké otázky postgraduální úrovně) vede Gemini s 94,3 %. Na Chatbot Arena s 6 miliony hlasů uživatelů je na prvním místě Claude.

Benchmarkové výsledky konvergují. Ceny, rychlost a jazykové schopnosti nikoli. Claude Opus 4.6 stojí $25 za milion výstupních tokenů. Gemini 3.1 Pro nabízí srovnatelný výkon za $12. A Claude Haiku 4.5 zvládne jednoduché úkoly za $1,25 — dvacetkrát levněji než Opus. Při 50 000 dotazech měsíčně je to rozdíl tisíců dolarů.

K tomu přistupuje jazyková dimenze. AI modely dosahují v češtině o 15+ procentních bodů horší výsledky než v angličtině — a české texty spotřebují 1,5–2,5× víc tokenů. Výběr modelu, který dominuje anglické benchmarky, neznamená, že bude nejlepší volbou pro české úkoly. Podrobněji viz AI a čeština: Co funguje, co ne a jak to otestovat.

A konečně — ekosystémový lock-in. Kdo pracuje v Google Workspace, má přirozenou cestu ke Gemini. Kdo používá Microsoft 365, směřuje ke GPT přes Copilot. Kdo píše kód v editoru s Claude Code, má tendenci používat Claude i na analýzu. Tyto gravitační síly nejsou špatné — ale měly by být vědomou volbou, ne důsledkem setrvačnosti.

Tři cenové třídy AI modelů v dubnu 2026

Orientace v desítkách dostupných modelů je jednodušší, než se zdá. Pro praktické účely stačí rozlišovat tři cenové třídy — každá s jiným profilem výkonu, rychlosti a nákladů. Hranice mezi nimi nejsou ostré, ale pomáhají při rozhodování.

Frontier modely ($15–180 za 1M výstupních tokenů) nabízejí absolutně nejlepší výkon na složitých úlohách — hluboký reasoning, kreativní psaní, analýza rozsáhlých dokumentů. Používejte je tam, kde cena chyby je vysoká: právní analýza, strategické rozhodování, komplexní kód.

Mid-tier modely ($3–15) představují nejlepší poměr ceny a výkonu. Claude Sonnet 4.6 dosahuje na SWE-bench 79,6 % — jen bod pod Opusem — za pětinu ceny. Gemini 3.1 Pro nabízí kontextové okno přes 1 milion tokenů za $12. Pro většinu firemních úkolů je mid-tier optimální volba.

Budget modely ($0,25–3) zvládnou klasifikaci, jednoduchou extrakci dat, přepisování textu a rutinní konverzace. Při velkých objemech (desítky tisíc dotazů denně) je cenový rozdíl oproti frontier modelům řádově tisíce dolarů měsíčně.

5krokový rozhodovací framework

Většina návodů na výběr AI modelu začíná srovnáním produktů. Tento framework začíná jinde — úkolem, který potřebujete vyřešit. Vendor přichází na řadu až jako poslední krok. Celý proces zabere 15 minut a výsledkem je konkrétní doporučení, ne pocit.

Krok 1: Klasifikujte úkol

Každý úkol, který AI řeší, spadá do jedné z pěti kategorií. Kategorie určuje, jaké schopnosti model potřebuje — a tím zúží výběr.

Generování textu (psaní článků, emailů, marketingových materiálů) vyžaduje kreativitu a jazykový cit. Extrakce a klasifikace (vytahování dat z dokumentů, třídění ticketů, parsování faktur) vyžaduje přesnost a konzistenci. Reasoning (analýza dat, matematika, strategické plánování) vyžaduje hluboké uvažování. Multimodální úkoly (práce s obrázky, videem, zvukem) vyžadují specializované schopnosti. Konverzace (chatboty, asistenty) vyžaduje nízkou latenci a přirozenost.

Jeden projekt často kombinuje více kategorií. E-commerce chatbot potřebuje konverzaci (rychlost) i extrakci (vytahování informací z katalogu). V takovém případě zvolte model podle nejnáročnější kategorie — nebo použijte routing (krok 5).

Krok 2: Definujte omezení

Než se díváte na modely, odpovězte na čtyři otázky:

Rozpočet: Kolik dotazů měsíčně očekáváte? Při 1 000 dotazech měsíčně je rozdíl mezi Opusem a Haiku desítky dolarů. Při 500 000 dotazech jsou to tisíce.

Latence: Potřebujete odpověď pod 1 sekundu (chatbot), nebo stačí 30 sekund (dávkové zpracování)? Menší modely jsou rychlejší — Haiku a Gemini Flash odpovídají v řádu stovek milisekund.

Soukromí: Mohou data opustit firmu? Pokud ne, zvažte lokální modely (Llama 3.3, Mistral, Gemma 3) — viz průvodce lokálním AI s Ollama. Pokud ano, stačí ověřit, že poskytovatel API nepodléhá jurisdikci, která je pro vaši firmu problematická.

Jazyk: Pracujete primárně v češtině? AI modely ztrácejí v češtině 15+ procentních bodů a český text je dražší kvůli tokenizaci. Claude zde tradičně vede — ale ověřte na vlastních datech (krok 4).

Krok 3: Vyberte cenovou třídu

Na základě kombinace úkolu a omezení zvolte cenovou třídu:

Budget ($0,25–3/1M tokenů) — klasifikace, jednoduchá extrakce, FAQ chatboty, přepisování textu, velké objemy. Modely: Claude Haiku 4.5, Gemini Flash, DeepSeek V3.2.

Mid-tier ($3–15/1M) — většina firemních úkolů: psaní obsahu, analýza dokumentů, kódování, střední objemy. Modely: Claude Sonnet 4.6, Gemini 3.1 Pro, GPT-5.2.

Frontier ($15–180/1M) — úkoly s vysokou cenou chyby: právní analýza, kritický kód, hluboký výzkum, kreativní práce nejvyšší kvality. Modely: Claude Opus 4.6, GPT-5.4, GPT-5.4 Pro.

Krok 4: Testujte na vlastních datech

Benchmarky měří výkon na standardizovaných úlohách. Vaše data jsou jiná. Model, který dominuje SWE-bench, nemusí být nejlepší na analýzu vašich smluv v vaší češtině.

Postup: připravte 20–30 reálných příkladů z vlastní praxe. Pošlete je 2–3 modelům ze zvolené cenové třídy. Hodnoťte kvalitu výstupů na škále 1–5 (ideálně víc lidí nezávisle). Změřte latenci a spočítejte náklady. Výsledkem je tabulka, která jasně ukazuje vítěze — pro vaše konkrétní použití.

Tento krok se často přeskakuje. Přitom 20 minut testování ušetří měsíce práce se špatným modelem. Podrobněji o ověřování AI výstupů viz AI halucinace: Proč AI lže a jak ověřit každý výstup.

Krok 5: Monitorujte a routujte

Výběr modelu není jednorázové rozhodnutí. Modely se aktualizují (a někdy zhoršují). Ceny klesají. Nové alternativy se objevují každý měsíc. Nastavte si pravidelný review — ideálně při každé větší aktualizaci modelu nebo čtvrtletně.

A pokud zpracováváte různé typy úkolů, zvažte model routing — automatické směrování dotazů na různé modely podle složitosti. Více v sekci o multi-model architektuře níže.

Který model na co — přehled podle typu úkolu

Následující přehled vychází z benchmarků, uživatelských recenzí a vlastního testování. Uvádí doporučení první volby a alternativu — vždy s důvodem, proč právě tento model.

Podrobnější srovnání Claude a ChatGPT pro vývojáře najdete v Cursor, Windsurf, Claude Code: AI pro vývojáře. Průvodce prací s AI přes API je v Jak používat AI přes API. Pro výpočetní biology a drug discovery týmy vznikla v dubnu 2026 dedikovaná vrstva — viz Claude Operon a vertikální tah Anthropicu.

Kolik to stojí ve skutečnosti — cenový kalkulátor

Jednorázová cena za milion tokenů je abstraktní číslo. Reálné náklady závisí na objemu dotazů a průměrné délce odpovědi. Následující tabulka ukazuje měsíční náklady pro tři typické scénáře — předpokládá průměrně 500 výstupních tokenů na dotaz.

Při 500 000 dotazech měsíčně je rozdíl mezi Opus a Haiku přes $5 900. To je roční úspora přes $70 000. Otázka tedy není „který model je nejlepší", ale „pro kolik procent mých dotazů skutečně potřebuji frontier model?"

Pro výpočet ROI konkrétního AI projektu doporučujeme ROI umělé inteligence: Jak měřit návratnost AI investic. Pro identifikaci procesů vhodných k automatizaci viz AI audit: Kde AI ušetří firmě čas a peníze. A pro detailní rozpis cen všech providerů s kalkulačkou ve třech reálných scénářích v CZK viz Náklady na AI API: Jak nekrvácet na tokenech.

Malé modely vs. velké: Kdy stačí SLM

Malé jazykové modely (SLM — Small Language Models) mají méně než 10 miliard parametrů. Oproti frontier modelům s desítkami až stovkami miliard parametrů nabízejí 50–90 % nižší latenci, možnost běhu na vlastním hardwaru a náklady blížící se nule. V roce 2026 dosahují modely jako Phi-3.5, Gemma 3 a Mistral 7B 80–90 % kvality GPT-4 na úzce definovaných úkolech.

Klíčové zjištění z výzkumu: fine-tuned SLM s přibližně 2 000 trénovacími příklady dosahuje srovnatelného výkonu s fine-tuned LLM. Pokud máte dostatek dat specifických pro váš úkol, menší model může být nejen levnější, ale stejně dobrý.

Kdy SLM nestačí: Komplexní reasoning přes více kroků, kreativní psaní vyšší kvality, práce s dlouhým kontextem (nad 32K tokenů), úkoly vyžadující široké znalosti světa. V těchto případech zůstávají frontier a mid-tier modely nezastupitelné.

Praktický průvodce nasazením lokálního AI modelu najdete v Jak rozjet lokální AI s Ollama.

Model routing — proč budoucnost patří multi-model architektuře

Podle IDC budou do roku 2028 tři ze čtyř předních AI podniků používat multi-model routing — automatické směrování dotazů na různé modely podle typu a složitosti úkolu. Důvod je prostý: firmy používající jeden model na všechno přeplácejí o 40–85 %.

Princip model routingu (kaskádování) je jednoduchý: každý dotaz se nejprve pošle nejlevnějšímu modelu. Pokud model vrátí odpověď s dostatečnou mírou jistoty (confidence score), odpověď se předá uživateli. Pokud ne, dotaz se eskaluje na silnější model. Výsledek: většina dotazů se zpracuje levně, a pouze ty skutečně složité zatíží drahý frontier model.

Implementace je dnes dostupnější, než kdy dříve. Nástroje jako LiteLLM (open-source proxy s fallback routingem), komerční AI gateway řešení nebo vlastní logika v orchestrační vrstvě umožňují routing nasadit během dní, ne měsíců.

Confidence signály pro rozhodování routeru zahrnují: délku a složitost vstupního dotazu, přítomnost specifických klíčových slov (např. „analyzuj", „porovnej" vs. „co je"), historii konverzace a explicitní uživatelskou volbu. Každý z těchto signálů přidává informaci — a v kombinaci vytváří spolehlivý klasifikátor.

4 chyby, kterých se při výběru vyvarovat

Chyba 1: Výběr podle benchmarků místo vlastních dat

Benchmarky měří specifické schopnosti na standardizovaných datasetech. Model, který vede na SWE-bench (oprava GitHub issues), nemusí být nejlepší na analýzu vašich interních dokumentů. Benchmarky zužují výběr na 2–3 kandidáty. Rozhodnutí dělají vaše data.

Chyba 2: Jeden model na všechno

Nejčastější chyba v praxi. Firma pořídí ChatGPT Enterprise a používá GPT-5.4 na všechno — od FAQ chatbotu po právní analýzu. Výsledek: přeplatek 40–85 % a suboptimální kvalita na obou koncích spektra. FAQ chatbot nepotřebuje frontier model. Právní analýza si zaslouží ten nejlepší.

Chyba 3: Ignorování nákladů na češtinu

Český text spotřebuje 1,5–2,5× víc tokenů než anglický. Při plánování rozpočtu na základě anglických kalkulací tak skutečné náklady překročí odhad o 50–150 %. Vždy počítejte s českou přirážkou.

Chyba 4: Lock-in do jednoho ekosystému

Google Workspace → Gemini. Microsoft 365 → GPT přes Copilot. AWS → Bedrock. Ekosystémová integrace je pohodlná, ale znamená závislost na jednom dodavateli. Ceny se mění, modely se aktualizují (a někdy zhoršují), nové alternativy vznikají každý měsíc. Navrhujte architekturu tak, abyste mohli model vyměnit bez přepisování celé aplikace.

Často kladené otázky

Shrnutí: Začněte úkolem, ne vendorem

Výběr AI modelu není otázka osobního přesvědčení ani benchmarkových tabulek. Je to rozhodovací proces, který začíná pochopením vlastního úkolu a končí měřením výsledků na vlastních datech.

Pět kroků, které fungují vždy:

1. Klasifikujte úkol — generování, extrakce, reasoning, multimodální, konverzace. 2. Definujte omezení — rozpočet, latence, soukromí, jazyk. 3. Vyberte cenovou třídu — budget, mid-tier, frontier. 4. Testujte na vlastních datech — 20–30 příkladů, 2–3 modely, měřitelné hodnocení. 5. Monitorujte a routujte — pravidelný review, multi-model architektura pro různé typy úkolů.

Framework z tohoto článku zůstává platný bez ohledu na to, který model zrovna vede benchmarky. Modely se mění každé měsíce. Dobrý rozhodovací proces vydrží roky.

Podobný rozhodovací přístup lze aplikovat i na výběr AI nástrojů pro konkrétní úkoly — například AI pro zápisy z porad, kde srovnáváme 7 nástrojů podle přístupu (bot vs. bez botu), české podpory a ceny.