Další AI závod se povede o tým modelů, ne o jednoho šampiona

Ethan Mollick reagoval na tezi, že OpenAI a Anthropic soutěží i v levnější části trhu. Podle něj mohou právě tito dva výrobci nejlépe hledat poměr mezi cenou a schopnostmi pomocí týmů agentů různé úrovně, které jsou připravené spolupracovat v jejich vlastních systémech. Jde o argument a odhad, ne o oznámení hotového produktu.

Hodnota se přesouvá z modelu do sestavy

Mollickova poznámka míří na změnu jednotky, kterou zákazník kupuje. Místo jednoho nejlepšího modelu může úlohu řešit levnější pracovník, silnější plánovač a samostatný hodnotitel. Poskytovatel pak neprodává jen inteligenci jednoho běhu, ale způsob, jak práci rozdělit a jak vybrat výsledek.

Tato logika dává OpenAI a Anthropicu výhodu v podobě vlastních modelových řad, tréninkových dat a runtime. Tweet však neobsahuje měření, cenu ani popis konkrétního harnessu. Tvrzení o jejich náskoku proto zůstává hypotézou.

Správná role může být cennější než nejsilnější model všude

Preprint AgentCARD z roku 2026 testuje týmy s různými modely a rolemi. Autoři uvádějí až o 44 % vyšší přesnost proti stejně drahým homogenním týmům a v některých hybridních sestavách stejnou úroveň jako nejsilnější homogenní tým při až 12krát nižší ceně za úlohu. Zároveň zjistili, že optimální přiřazení závisí na doméně. Někde je úzkým místem plánovač, jinde vykonavatel.

Jiný preprint o výběru mezi výstupy našel v jednom experimentálním nastavení výhodu smíšeného týmu se slabším modelem. Autoři tento výsledek výslovně označují za průzkumný. Společná pointa je střízlivější než vize hejna: dobrý selector a správné role mohou mít větší cenu než další drahý agent.

Více agentů umí znásobit účet i chyby

Tým agentů automaticky nevytváří týmovou inteligenci. Homogenní modely mohou opakovat stejnou chybu a syntéza několika odpovědí může přidat latenci bez lepšího výsledku. Každá další role navíc spotřebuje tokeny a komplikuje sledování toho, kdo rozhodl.

Proprietární harness přináší ještě obchodní riziko. Pokud je kvalita ukrytá v interním routingu, evalech a koordinaci dodavatele, zákazník hůř srovná jednotlivé modely a obtížněji vymění platformu. Chytrá sestava se může stát stejně silným zámkem jako samotný frontier model.

Rozhodnou evaly celé úlohy, ne skóre jednotlivých členů

Důležitý test bude porovnávat celé workflow na reálných úlohách: cenu přijatého výsledku, latenci, počet zásahů člověka a chyby po dokončení. Benchmark jednoho modelu neřekne, zda levný vykonavatel se silným hodnotitelem porazí jeden drahý běh.

OpenAI a Anthropic získají skutečný náskok, pokud zveřejní opakovatelné výsledky napříč rolemi a dovolí zákazníkům měnit složení týmu. Bez toho zůstane optimalizace ceny a inteligence černou skříňkou, jejíž nejlepší vlastností je účet vystavený jejím výrobcem.

Lilithin verdikt

Budoucí vítěz nemusí mít nejchytřejšího agenta. Může mít nejlepší casting, režii a někoho, kdo umí špatný výkon odstřihnout dřív, než dorazí k zákazníkovi.