Nejlepší AI modely září 2026: velké srovnání GPT-6 Astra, Claude Fable 5.1, Gemini, Grok, Muse, DeepSeek a MiMo

01Kdo vyhrává v čem

Každému modelu jsme věnovali samostatný průvodce, odkazy najdete v přehledové tabulce níže. Tady je porovnáváme vedle sebe.

02Přehled: 7 AI modelů v jedné tabulce

Čtyři americké firmy, Meta a dva hráči z Číny vydali během tří týdnů modely, jejichž ceny se liší až osmdesátkrát. Otevřené váhy pod licencí MIT mají jen DeepSeek a MiMo.

Mimo srovnání: 22. září vyšel ještě Claude Opus 5.5. Stojí 4 / 20 USD a v indexu Artificial Analysis v4.3 vede celý žebříček s 58 body, podle Anthropicu pracuje na úrovni Fable 5.1 za nižší cenu. Týž den OpenAI přidala modely GPT-6 Sol a GPT-6 Luna. Srovnání se drží sedmi modelů ze začátku a poloviny září, Opus 5.5 ukazujeme pro kontext v grafu inteligence. (Anthropic)

03Časová osa: září 2026 den po dni

Za první tři zářijové dny vyšly čtyři modely. Anthropic začal 1. září, Google a Meta přidaly svoje o den později a OpenAI třetího. GPT-6 Astra byla nejdřív jen v omezené ukázce, všem uživatelům se otevřela 4. září. Otevřené modely z Číny přišly později: DeepSeek 10. září, Xiaomi až 22. září, den po Groku.

04Architektura a kontextové okno

OpenAI, Anthropic, Google ani Meta počet parametrů nezveřejňují. Čínské otevřené modely naopak ukazují všechno: oba stojí na architektuře mixture-of-experts (MoE), kde na každý token pracuje jen malá část sítě.

Do milionu tokenů se vejde středně velký repozitář nebo několik set stran dokumentů. Rozdíl je v tom, kolik dlouhý kontext stojí. Muse Spark 1.3 si za plné okno nic nepřipočítává, Grok 4.7 od 200 tisíc tokenů účtuje dvojnásobek. DeepSeek díky kompresi potřebuje na token jen 890 bajtů paměti KV cache, a proto je levný i u agentů s obrovským vstupem.

05Ceny API: který AI model je nejlevnější

Nejlevnější jsou otevřené modely z Číny. MiMo V2.6 Pro stojí za milion vstupních a milion výstupních tokenů dohromady 1,31 USD, GPT-6 Astra a Claude Fable 5.1 60 USD, tedy zhruba 46krát víc. DeepSeek-V4.1-Flash stojí ve špičce 1,50 USD a mimo špičku polovinu.

Podrobný ceník

Cena za token není cena za úlohu. GPT-6 Astra i Muse Spark 1.3 potřebují na stejnou práci méně tokenů než jejich předchůdci a Claude Fable 5.1 díky levné cache vychází u agentů o 25 až 45 % levněji než Fable 5. Skutečný rozdíl v účtu proto bývá menší, než ukazuje graf. Při plánování rozpočtu na rok 2027 počítejte s dražším Gemini 3.8 Flash.

06Celková inteligence: který AI model je nejchytřejší

V nezávislém Artificial Analysis Intelligence Index v4.3 se o první místo mezi sedmi modely dělí GPT-6 Astra a Claude Fable 5.1 s 53 body. Nejlepší otevřený model je MiMo V2.6 Pro se 46 body. Celý žebříček ale vede Claude Opus 5.5, který vyšel 22. září.

Pozor na starší verzi indexu. Do začátku září platila verze v4.1 s jinou stupnicí a řada článků ji pořád cituje: Claude Fable 5.1 tam měl 65,7 bodu a GPT-6 Astra 61,2. Verze v4.3 hodnotí přísněji a body mezi verzemi se nedají přepočítat ani míchat v jednom srovnání. V tomto článku používáme jen v4.3, stejně jako v našich průvodcích.

Rozdíl 53 proti 46 bodům je zřetelný, ale v běžné práci ho nepoznáte na každé úloze. Víc napoví výsledky v oblasti, kterou potřebujete, proto je rozebíráme v dalších kapitolách.

07Programování: nejlepší AI model na kód

V dlouhých programovacích úlohách (DeepSWE) jsou modely skoro vyrovnané a levné modely dohnaly vlajkové. Rozdíl se ukáže až v těžším testu agenta v terminálu. V Terminal-Bench 4.0 mají GPT-6 Astra a Claude Fable 5.1 o polovinu až trojnásobně vyšší úspěšnost než levnější modely.

• DeepSWE už skoro nerozlišuje. Šest ze sedmi modelů se vešlo mezi 71 a 75,4 %, Claude Fable 5.1 má podle tabulky OpenAI 67,4 %. Nejvyšší skóre Muse Spark 1.3 je navíc měření Mety, které zatím není ve veřejném žebříčku DeepSWE.
• Terminal-Bench 4.0 odděluje třídy. GPT-6 Astra (57,9 %) a Claude Fable 5.1 (55,8 %) jsou tam, kam levnější modely zatím nedosáhnou. Grok 4.7 má 37,6 %, Gemini 3.8 Flash 19,1 %.
• Terminal-Bench 2.1 je nasycený. Levné modely se v něm tísní kolem 90 % a test mezi nimi nic neodliší.
• Nezávislá měření: CursorBench 3.2 dává Claude Fable 5.1 73,4 % a Gemini 3.8 Flash 69,2 % (BenchLM), AA Coding Agent Index dává Fable 5.1 70 bodů a GPT-6 Astra 67 (MindStudio).

Na běžné opravy chyb a menší úpravy kódu stačí levný model. Na samostatnou práci v terminálu, která trvá hodiny, se vlajkové modely pořád vyplatí.

08Ovládání počítače a AI agenti

V ovládání počítače vede podle srovnávací tabulky OpenAI GPT-6 Astra se 72,6 % v OSWorld 2.0. Anthropic hlásí pro Claude Fable 5.1 ještě vyšší číslo, jenže na jiné sadě úloh. V testu firemních procesů AutomationBench levné modely podle vlastních měření vycházejí lépe než GPT-6 Astra i Claude Fable 5.1.

• OSWorld není jeden test. Anthropic měřil na srpnové sadě úloh a uvádí variantu partial. OpenAI měřilo ve vlastní konfiguraci a Meta verzi max. V tabulce OpenAI má GPT-6 Astra 72,6 % a Claude Opus 5 70,2 %, proto ji v ovládání počítače vedeme jako vítěze.
• Astra je nejrychlejší. Úlohu v OSWorld 2.0 zvládne asi za 40 minut, GPT-5.6 Sol za 75.
• Výsledky levných modelů v AutomationBench je potřeba ověřit. DeepSeek (54,8 %), MiMo (53,1 %) i Muse (49,6 %) uvádějí svá čísla sami. U Claude Fable 5.1 (31,4 %) se čísla OpenAI a Anthropicu shodují, GPT-6 Astra (41,4 %) je údaj OpenAI. Xiaomi v novější verzi testu uvádí pro Astru 52,0 %.
• Hotové produkty s ovládáním počítače nabízí hlavně OpenAI (ChatGPT Work, Codex) a Anthropic (Claude Code, Claude Cowork). U otevřených modelů si agentní prostředí obvykle postavíte sami.

09Věda, matematika a uvažování

Ve vědeckých otázkách jsou modely skoro vyrovnané. V nejtěžší matematice jasně vede GPT-6 Astra, v multioborovém testu Humanity’s Last Exam Claude Fable 5.1.

Nejtěžší testy zveřejnily jen OpenAI a Anthropic

OpenAI zveřejnila s Astrou nové výsledky o mezerách mezi prvočísly a sama žádá matematiky o jejich prověření; z 68 nevyřešených Erdősových problémů Astra oficiálně vyřešila dva. Claude Fable 5.1 víc než zdvojnásobil skóre Fable 5 v Terminal-Bench Science. Xiaomi ukazuje formalizaci věty v jazyce Lean 4 s víc než 6 000 řádky ověřeného kódu. Spolehlivý samostatný výzkum ale zatím nezvládá žádný z modelů. (OpenAI, Anthropic, Xiaomi)

10Kybernetická bezpečnost a ochranná opatření

Nejsilnější výsledky v hledání zranitelností hlásí otevřené modely, které ale žádné centrální pojistky nemají. Vlajkové modely jsou naopak hlídané nejpřísněji. GPT-6 Astra jako první model OpenAI dosáhla „kritické“ úrovně kybernetických schopností, a veřejná verze proto odmítá psát exploity.

Jak k bezpečnosti přistupují výrobci

U otevřených modelů za pravidla použití odpovídáte sami. U uzavřených počítejte s tím, že legitimní bezpečnostní práce, třeba penetrační testy nebo vývoj exploitů, narazí na odmítnutí, dokud nezískáte přístup ke speciální verzi.

11Otevřené a uzavřené modely: kam putují vaše data

Pokud data nesmí opustit vaši infrastrukturu, zbývají DeepSeek-V4.1-Flash a MiMo V2.6 Pro. Oba mají otevřené váhy pod licencí MIT a dají se provozovat na vlastních serverech. U všech ostatních jdou prompty vždy k výrobci nebo jeho cloudovému partnerovi.

Vlastní provoz není zadarmo. DeepSeek-V4.1-Flash má 552 miliard parametrů a i kvantizovaná verze potřebuje stovky gigabajtů paměti. Komunitní sestavení běží například na dvou kartách RTX PRO 6000 s 96 GB. MiMo V2.6 Pro s 1,02 bilionu parametrů je ještě náročnější, praktičtější je menší MiMo V2.6 Flash s 309 miliardami. (MindStudio)

Pro firmy v EU: model provozovaný na vlastní infrastruktuře v Evropě řeší otázku, kam data odcházejí. U API všech výrobců si konkrétní podmínky zpracování ověřte s právníkem.

12Výkon za dolar: nejvýhodnější AI model

V programování dostanete skoro stejný výsledek za zlomek ceny. DeepSeek-V4.1-Flash má v DeepSWE stejné skóre jako GPT-6 Astra a i ve špičce stojí čtyřicetinu.

Graf má dvě omezení. DeepSWE měří jen dlouhé softwarové úlohy; v těžším Terminal-Bench 4.0 mají GPT-6 Astra a Claude Fable 5.1 velký náskok (57,9 a 55,8 % proti 31,2 % u DeepSeeku). A levný model, který úlohu vyřeší až na třetí pokus, může nakonec vyjít dráž než drahý, který ji zvládne napoprvé. Měřte proto cenu za přijatelnou odpověď na vlastních úlohách.

13Který AI model zvolit

Nejlepší model na všechno neexistuje. Rozhoduje, co od něj potřebujete, a pomůžou vám tři otázky:

Doporučení podle scénáře

Než se rozhodnete, vyzkoušejte dva nebo tři kandidáty na vlastních úlohách a porovnejte cenu za přijatelnou odpověď. Pokud chcete AI zapojit do firemních procesů a nevíte, kde začít, pomůžeme s AI implementací.

14Časté otázky

15Verdikt: trh se rozdělil na tři patra

Nahoře jsou GPT-6 Astra a Claude Fable 5.1. Z této sedmičky jen jim se dá svěřit několik hodin samostatné práce na počítači nebo v terminálu. Stojí ale 46krát víc než MiMo V2.6 Pro. Kdo chce podobnou inteligenci levněji, má od 22. září Claude Opus 5.5 za 4 / 20 USD.

Uprostřed jsou Gemini 3.8 Flash, Grok 4.7 a Muse Spark 1.3. V programování se vlajkovým modelům vyrovnají za sedminu až třináctinu ceny, na obecné agenty nestačí.

Cenově nejníž, ne kvalitou, jsou otevřené DeepSeek-V4.1-Flash a MiMo V2.6 Pro. V DeepSWE drží krok se špičkou, stojí zlomek a můžete je provozovat na vlastních serverech.

Většině firem se vyplatí kombinace: levný model na objem práce a vlajkový na nejtěžší úlohy. Trh se mění po týdnech, takže je rozumné nevázat se na jednoho výrobce.

16Zdroje

• OpenAI: GPT-6 Astra
• Anthropic: Claude Fable 5.1 a Mythos 5.1
• Anthropic: Claude Opus 5.5
• Agentpedia: Gemini 3.8 Flash
• Artificial Analysis: žebříček modelů
• xAI: Grok 4.7
• OpenRouter: Grok 4.7
• Meta: Muse Spark
• TrueFoundry: Muse Spark 1.3
• Hugging Face: DeepSeek-V4.1-Flash
• DeepSeek: ceník API
• MindStudio: DeepSeek-V4.1-Flash lokálně
• Xiaomi: MiMo-V2.6
• MindStudio: benchmarky GPT-6 Astra
• BenchLM: Gemini 3.8 Flash