Nové AI modely vycházejí prakticky neustále. Ukážu vám jednoduchý postup, podle kterého si vybírám modely pro běžný vývoj i složitější úlohy.
Kdykoliv vyjde nový jazykový model, YouTube se zaplní videi o tom, že právě tenhle model je nejlepší na světě. Za pár týdnů vyjde samozřejmě další a celé kolečko začíná znovu.
Já se téhle honby neúčastním. Dnešní modely jsou vesměs velmi dobré a pro mě je mnohem důležitější jiná otázka: který model budu používat jako výchozí pro běžnou práci a který si nechám na těžší úlohy? Dobrá volba znamená, že po týdnu nebudu mít propálené všechny AI kredity.
Začněte u informací od výrobce
Když OpenAI, Anthropic nebo Google vydají nový model, typicky k němu zveřejní announcement, dokumentaci nebo model card. Právě tam jsou informace, které mě zajímají nejvíc: schopnosti modelu, ceny, případná omezení a výsledky benchmarků. OpenAI má karty a informace přeložené i do češtiny.
Nemusíte to celé studovat. Klidně vezměte odkaz, hoďte ho do ChatGPT nebo Claude a nechte si vytáhnout jen změny, které jsou relevantní pro vývoj. Celé je to práce na 10 minut a je to podle mě mnohem užitečnější než sledovat deset videí o tom, že nový model „všechno mění“.
Online školení pro vývojáře
Vyberte si svůj další krok s AI
4 živé podzimní termíny · prakticky · cca 3 hodiny online
Hledá svůj general purpose model
Když se nabídka modelů změní, snažím se najít jeden general purpose model, který budu používat jako default pro drtivou většinu vývojářských úloh. Refactoring, úpravy komponent, psaní testů, práce s API nebo běžné změny v projektu podle mě nepotřebují nejlepší a nejdražší model, který je právě dostupný. Aktuálně mám v této roli GPT-5.6 Luna s effortem Max. Základní cena je 0.2 USD za milion vstupních tokenů a svou práci zastane velmi dobře, byť je pomalejší.
Vedle něj mám jeden TOP model
Pak si držím druhý model pro situace, kdy se dostanu k opravdu složitému problému. Typicky nějaký nepříjemný bug, složitější návrh nebo úloha, na které se levnější model začne motat v kruhu. Tam už mi dává smysl sáhnout po tom nejlepším, co mám k dispozici. Aktuálně je to u mě GPT-5.6 Sol na Max, někdy i GPT-5.6 Terra na Max. Obecně jsem zjistil, že rodinu modelů 5.6 vytěžuji vždy na Max effort.
Benchmarky beru jako odrazový můstek
Při výběru LLM sleduju Artificial Analysis.
Nezajímá mě jen jeden obecný žebříček. Dívám se hlavně na výsledky relevantní pro coding a agentní úlohy a porovnávám je s cenou a nastaveným reasoning effortem. Benchmark vám samozřejmě neřekne, který model bude nejlepší právě ve vašem projektu. Ale je to výrazně lepší výchozí bod než vybírat model podle pocitu nebo podle thumbnailu na YouTube.
Zkouším
Nakonec stejně rozhodne praxe. Nastavím si model jako výchozí, několik dní s ním normálně pracuju a sleduju, jestli výsledky odpovídají tomu, co naznačovaly benchmarky. Pokud ano, nechám ho tam. Pokud ne, změním ho.
Můj setup tedy není dogma. Je to průběžně aktualizovaná konfigurace podle toho, jak se mění modely, ceny a hlavně výsledky při skutečné práci.
A díky tomu nemusím pokaždé, když vyjde nový model, překopat celé své workflow.