Anthropic přeskočil OpenAI. A nejlepší vlastnost nového Claude není rychlost

Minulý týden se ve světě AI stalo víc věcí najednou, než se obvykle vejde do měsíce. 28. května Anthropic vydal nový model Claude Opus 4.8, ve stejný den oznámil, že pozvedl 65 miliard dolarů a valuací 965 miliard přeskočil OpenAI jako nejhodnotnější AI firmu světa, a do toho potvrdil, že zamčený model Mythos – ten, o kterém jsme psali v dubnu – míří „v řádu týdnů“ ke všem zákazníkům.

Tohle není článek o tom, kdo vede v žebříčku. Valuace je čtení pro investory, ne pro firmu, která řeší, jestli a jak nasadit AI do provozu. Zajímavější je něco, co v titulcích zapadlo: nejdůležitější změna v Opus 4.8 není rychlost ani benchmark. Je to, že model častěji přizná, že si není jistý. A to je pro reálné nasazení důležitější než jakékoli skóre.

Co je nového v Opus 4.8

Začněme čísly, ať je máme z cesty. Opus 4.8 vyšel 28. května, pouhých 41 dní po verzi 4.7. Na benchmarku SWE-Bench Pro, který měří schopnost řešit reálné softwarové úlohy, dosáhl 69,2 % a porazil GPT-5.5 i Gemini 3.1 Pro. Cena zůstává stejná jako u předchozího Opusu. To je standardní upgrade rétorika a sama o sobě by za článek nestála.

Zajímavá je druhá rovina. Podle prvních testerů Opus 4.8 „častěji označuje nejistoty ve své práci a méně často tvrdí věci, které nemá čím podložit „. Investiční firma Bridgewater Associates, která model testovala na analytické práci, vyzdvihla přesně tohle: model sám od sebe upozorňuje na problémy ve vstupních datech i ve vlastních výstupech. Anthropic zároveň uvádí, že míra“ misaligned“ chování – tedy klamání nebo ochoty spolupracovat na zneužití – je u 4.8 podstatně nižší než u 4.7.

Proč je to důležitější než benchmark? Protože největší brzdou nasazení AI ve firmách není to, že model něco neumí. Je to, že neumí spolehlivě říct, kdy něco neumí. Model, který sebevědomě vymyslí číslo, paragraf nebo fakt a vy ho použijete v nabídce klientovi, je nebezpečnější než model, který upřímně napíše „tohle z dat nevyčtu.“ Halucinace nejsou kosmetická vada. Jsou důvod, proč spousta firem AI zkusila, jednou se spálila a zalekla se.

Posun směrem k „radši přiznám nejistotu“ je proto pragmaticky cennější než dva procentní body na benchmarku. Pořád to neznamená, že model nikdy nehalucinuje – znamená to, že se na jeho varování dá víc spolehnout a že kontrolní mechanismy kolem něj můžou být lehčí.

Dynamic Workflows: subagenti v průmyslovém měřítku

Druhá novinka 4.8 je nástroj Dynamic Workflows (zatím research preview). Umí koordinovat stovky paralelních subagentů a poslat je na jeden velký úkol najednou – Anthropic to demonstruje na migracích celých codebase přes statisíce řádků kódu.

Pokud vám to zní povědomě, je to proto, že je to přesně ten princip, který jsme popisovali v článku o subagentech v Claude Code, jen posunutý o řád výš. Místo hrstky agentů, kteří si rozdělí práci, tu běží celý dav. Mimochodem, tenhle text vznikl s pomocí Opus 4.8 v Claude Code – ne že by ho napsal sám, ale rešerši napříč desítkami zdrojů a první draft odbavil za zlomek času, který by to zabralo ručně.

Pro malou firmu to neznamená, že zítra spustí stovku agentů na vlastní systémy. Znamená to něco prozaičtějšího: práce, která dřív byla ekonomicky neúnosná, protože by zabrala člověko-týdny, se posouvá do pásma, kde dává smysl ji udělat. Hromadná migrace dat mezi systémy, refaktoring zděděného kódu, projití tisíců dokumentů podle stejného klíče. Ne každá taková úloha se vyplatí automatizovat, ale hranice „kdy se to vyplatí“ se posunula.

Valuace: co z ní vyčíst a co ne

Teď ta čísla z titulků. Anthropic pozvedl 65 miliard dolarů v kole Series H při valuaci 965 miliard, vedeném fondy Altimeter, Dragoneer, Greenoaks a Sequoia. Tím přeskočil OpenAI, naposledy oceněnou na 730 miliard. Od února, kdy měl Anthropic hodnotu 380 miliard, se valuace téměř ztrojnásobila. Run-rate revenue (anualizovaný běžný obrat) firma uvádí přes 47 miliard dolarů – proti 10 miliardám koncem roku 2025.

Co z toho má vyčíst běžná firma? Dvě věci, zbytek je hluk.

Za prvé: ten obrat. Růst z 10 na 47 miliard za pět měsíců neznamená, že AI je bublina ani že je spása. Znamená, že firmy za tyhle nástroje reálně platí a reálně je nasazují do provozu. To je signál, že nejde o demo fázi – jde o infrastrukturu, kterou někdo používá na konkrétní práci a je ochotný za ni platit.

Za druhé: závod o compute. Peníze jdou primárně do výpočetní kapacity a do bezpečnostního výzkumu. Tempo, ve kterém modely vycházejí – 41 dní mezi dvěma verzemi Opusu – je dané právě tím. Pro vás to má jeden praktický důsledek: nestavte kritický proces na konkrétní verzi modelu. Co je dnes špička, je za půl roku průměr a za rok legacy. Architektura, která počítá s výměnou modelu pod kapotou, vydrží. Ta, která je na jeden model napevno přibitá, ne.

Zbytek – kdo je zrovna nejhodnotnější, kdy přijde IPO (Anthropic prý chystá důvěrné podání, možná na podzim 2026) – je zajímavé sledovat, ale na vaše rozhodování to nemá vliv.

Mythos míří ke všem

Třetí novinka uzavírá příběh, který jsme rozepsali v dubnu. Připomenutí: Mythos je nejsilnější model Anthropic, hodnocený podle nejpřísnější verze jejich bezpečnostní politiky. Vyznamenal se tím, že našel stovky zranitelností v kritickém softwaru, a tím, že ho Anthropic odmítl běžně vydat – nechal ho jen úzké koalici v rámci Project Glasswing. Pak z té koalice unikl přístup.

Teď Anthropic potvrdil, že kvůli kyberbezpečnostním obavám sice Mythos pořád drží, ale že „v řádu týdnů“ zpřístupní modely této třídy všem zákazníkům. Jinými slovy: schopnosti, které byly v dubnu výsadou dvanácti jmenovaných firem, se za pár týdnů otevírají trhu.

To je dobrá zpráva i špatná zpráva v jednom. Dobrá: stejný nástroj, který umí najít zranitelnosti, je obranný nástroj. Špatná: je dostupný i druhé straně. Argument z našeho dubnového článku tím jen zrychluje – schopnost automatizovaně skenovat vlastní kód, rychle patchovat a vědět, co máte vystavené na internetu, přestává být luxus a stává se minimem. Kdo s tím čekal, až to bude opravdu naléhavé, ten okamžik právě nastal.

Co si z toho týdne odnést

Pět titulků, jeden závěr. Když odhlédneme od valuací a žebříčků, zůstávají tři věci, které reálně mění práci s AI ve firmě:

Modely jsou spolehlivější v tom, kdy přiznat nejistotu. To snižuje riziko nasazení víc než jakýkoli skok ve výkonu. AI, které se dá věřit varování „tohle nevím,“ potřebuje kolem sebe lehčí kontrolu než AI, které sebevědomě lže.
Hranice ekonomické únosnosti se posunula. Úlohy, které dřív stály příliš mnoho lidských hodin, jsou teď v dosahu. Ne všechny se vyplatí automatizovat, ale seznam těch, které ano, se prodloužil.
Tempo změn je neúnosně rychlé na to, stavět napevno. Nová verze každých pár týdnů. Smysl dává architektura, která model bere jako vyměnitelnou součástku, ne jako základ.

Žádný z těchto závěrů není revoluce. Jsou to spíš tři posuny, které zlevňují a zbezpečňují to, co už dávalo smysl. Nejhorší reakce na takový týden je nechat se zahltit titulky a neudělat nic. Druhá nejhorší je přepnout do paniky a začít „dělat AI“, protože to dělají všichni.

Rozumná reakce je vzít jeden konkrétní proces, který vás stojí čas, a zeptat se: dá se na něj tahle technologie použít tak, aby to bylo měřitelně levnější a aby se na výsledek dalo spolehnout? Pokud ano, je teď lepší doba než před půl rokem. Pokud ne, žádná valuace na tom nic nemění.

Nevíte, jestli zrovna váš proces dává smysl automatizovat? V rámci Quick Auditu projdeme vaše procesy a řekneme rovnou, kde se to vyplatí a kde ne.

Zdroje:

Čtěte dál: