Autor WorldofAI vo videu z 29. 10. 2026 predstavil ukážku Gemini 4 Carbon - modelu, ktorý podľa tam uvedených benchmarkov dosiahol špičkové výsledky v kybernetickej bezpečnosti aj v dlhých, viackrokových úlohách.
Ten istý deň zaznel aj náznak, že Google DeepMind už pripravuje niečo výkonnejšie. A presne tu vzniká problém pre každú firmu: ak sa frontier modely striedajú rýchlejšie, než stíhate prepisovať smernice, pravidlá výberu modelu sa nesmú opierať o konkrétny názov modelu. Musia sa opierať o kritériá.
Čo Carbon (podľa videa z 29. 10. 2026) reálne ukazuje
Čísla z videa berte ako predbežné - ide o benchmarky zverejnené pri ohlásení, nie o nezávislé meranie na vašich dátach:
- Cena: podľa videa úvodná cena 2 USD za milión vstupných tokenov a 10 USD za milión výstupných, pričom cachované vstupné tokeny majú byť výrazne lacnejšie. Ceny ani zľavu nepotvrdzuje oficiálny cenník - pred rozpočtom si ich overte priamo u dodávateľa a prepočet na eurá urobte podľa aktuálneho kurzu.
- Dostupnosť: model sa najprv sprístupňuje cez program pre obrancov v kybernetickej bezpečnosti, široký prístup sa očakáva v priebehu niekoľkých týždňov. To znamená, že do firemného postupu ho dnes zapíšete len ako „kandidáta“, nie ako produkčný model.
- Bezpečnosť: video uvádza vysoké skóre v benchmarkoch zameraných na hľadanie reálnych zraniteľností, overenie zraniteľnosti exploitom a hľadanie a opravu koreňovej príčiny. Ide o čísla zverejnené pri ohlásení, nie o nezávislé meranie - presné hodnoty aj názvy benchmarkov si overte v pôvodnom zdroji.
- Dlhé úlohy: prvé miesto na „vending bench“ - simulované riadenie predajného automatu cez stovky prepojených rozhodnutí (sklad, ceny, financie). Práve to je test, na ktorom väčšina modelov padá.
- Obmedzenia: vo webovom vývoji je Carbon podľa videa tesne za Claude Opus 5.5. A hlavne - akékoľvek tvrdenie o odolnosti voči prompt injection berte ako hypotézu na otestovanie, nie ako fakt. Pri modeli, ktorý púšťate k firemným dátam, si takú odolnosť overte vlastnými testami.
Prečo „vyberáme najlepší model“ prestáva fungovať
Ak sa špičkové modely obmieňajú rádovo v mesiacoch, každá smernica, ktorá obsahuje konkrétny názov modelu, má trvanlivosť pár týždňov. Riešenie nie je častejšie prepisovanie smernice - je ním smernica, ktorá názov modelu vôbec neobsahuje.
Pravidlá výberu modelu, ktoré prežijú výmenu modelov
Postavte ich na štyroch vrstvách a ku každej pridajte merateľné kritérium:
- Úloha, nie model. Rozdeľte prácu do kategórií: krátke texty, analýza dokumentov, generovanie kódu, agentové viackrokové úlohy, práca s citlivými dátami. Ku každej kategórii napíšte minimálnu latku (napr. „musí zvládnuť 50-stranový dokument bez straty kontextu“), nie meno modelu.
- Jednotková cena za dokončenú úlohu. Neporovnávajte cenu za token, ale cenu za výsledok. Lacnejší model, ktorý potrebuje tri pokusy, môže byť drahší než dvojnásobne drahší model, ktorý uspeje na prvý raz. Pri Carbone je vstup 2 USD / výstup 10 USD za milión tokenov - to je východiskový bod výpočtu, nie odpoveď.
- Overiteľnosť výstupu. Pre každú kategóriu určte, ako výsledok skontrolujete (test, kontrola človekom, porovnanie so vzorom). Model bez kontroly nesmie ísť do produkcie, nech má benchmarky akékoľvek.
- Výstupná brána. Dohodnite vopred, čo musí model splniť, aby sa dostal z „kandidáta“ do „produkcie“: konkrétny počet testovacích úloh, maximálna chybovosť, strop nákladov na mesiac.
Kde sú pasce
- Benchmark ≠ vaše dáta. Vysoké skóre na SEC Bench neznamená, že model rozumie vašej legislatíve alebo internému žargónu.
- Cachovanie mení ekonomiku. Zľava 95 % na cachované vstupy je pri opakovaných dotazoch nad tým istým dokumentom podstatná - ak systém cache nevyužíva, platíte viac, než ste počítali.
- Dodávateľ mení podmienky. Limity predplatného aj ceny API sa menia aj bez nového modelu. Pri rozpočte preto neviažte postup na jedného dodávateľa a majte vždy overenú druhú možnosť.
- Náklady na overenie. Čím viac modelov skúšate, tým viac práce má tím, ktorý výsledky kontroluje. Počet kandidátov na kategóriu preto držte čo najnižšie a zvážte, koľko overovania tím reálne zvládne.
Čo si z toho vziať
Postup, ktorý obstojí pri ďalšej vlne modelov: kategórie úloh s minimálnou latkou, cena za dokončenú úlohu namiesto ceny za token, povinná kontrola výstupu a písomná brána pre postup z kandidáta do produkcie. Gemini 4 Carbon je dnes kandidát s dobrou cenou (podľa videa 2 / 10 USD za milión tokenov, cachované vstupy výrazne lacnejšie) a silnými číslami v bezpečnosti a dlhých úlohách, no s otvoreným prístupom až v najbližších týždňoch a s tvrdeniami, ktoré si musíte overiť na vlastných dátach. Kto má pravidlá postavené na kritériách, vymení model za hodinu. Kto ich má postavené na názve modelu, prepisuje smernicu každý mesiac.
Zdroje
- WorldofAI - Gemini 4 Carbon IS Best Model Ever?! Fable 5.5 Benchmarks, Gemini 4 Ultra, & Claude Ultrathink!, YouTube, 29. 10. 2026, youtube.com/watch?v=L4yqXWDyGCg (citované 30. 10. 2026)
