xAI vydala Grok 4.5: co je nového, kam sáhla po benchmarcích a co to znamená pro Anthropic a OpenAI
xAI vypustila Grok 4.5, další skok v rychlé řadě aktualizací od Muskovy AI firmy. Rozebíráme, kde model uspěl v benchmarcích, kde stále zaostává, a proč jeho výdrž na trhu záleží víc na produktové strategii než na skóre v evaluacích.
Elon Muskova AI firma xAI vydala další iteraci svého jazykového modelu, Grok 4.5. Vydání přišlo méně než šest měsíců po Grok 4 a zapadá do rychlejšího vydávacího tempa, které xAI přijala od loňska. Pro pořádek: v prosinci 2025 vyšel Grok 4, v dubnu 2026 přišel Grok 4.2 s vylepšeným kontextovým oknem a agentními schopnostmi, teď je zde Grok 4.5, o kterém xAI hovoří jako o modelu, který v několika kognitivních benchmarcích dosahuje stavu srovnatelného s vrcholnými modely od Anthropic a OpenAI. Podíváme se, co model reálně umí, kde jsou jeho slabá místa a proč jeho pozice na trhu nezáleží jen na benchmarcích.
Co Grok 4.5 přináší nového
Podle vydávací dokumentace xAI se model soustředí na tři oblasti. Prvním je delší efektivní kontextové okno. Fyzicky Grok 4.5 pracuje s dvěma miliony tokenů, ale co je zajímavější, výsledky testu Needle in a Haystack (schopnost najít konkrétní informaci ve velkém kontextu) ukazují, že model informace neztrácí ani v pozdějších částech kontextu. To je slabina, kterou dřívější velké modely měly, i když deklarovaly velká kontextová okna.
Druhým je zlepšení v agentních úlohách. xAI publikovala výsledky vlastního benchmarku, kde Grok 4.5 řeší multi-step úlohy s použitím nástrojů (web search, code execution, souborový systém) a dosahuje přes 78 procent úspěšnosti, což je výrazně nad úrovní Grok 4. Konkurenční modely od OpenAI a Anthropic jsou v tomto benchmarku na srovnatelných hodnotách nebo mírně vyšších, což z Grok 4.5 dělá reálného konkurenta v prostoru AI agentů.
Třetím je vylepšení kódovacích schopností. Na benchmarku SWE-Bench Verified, který měří schopnost autonomního řešení GitHub issues, dosahuje Grok 4.5 skóre kolem 66 procent. To je konkurenceschopné číslo, i když stále mírně za nejvyššími skóre modelů jako Anthropic Claude Opus 4.7 nebo GPT-5.5, které se pohybují ve vyšších šedesátkách až sedmdesátkách.
Kam Grok 4.5 sáhl a kde stále zaostává
Přiznaně silné oblasti jsou matematika, fyzika a strukturovaná analýza dat. xAI od začátku profiluje Grok jako model pro STEM úlohy a v této oblasti dosahuje benchmarků, které jsou nad nebo na úrovni konkurentů. AIME 2026, což je matematická olympiádní zkouška, řeší Grok 4.5 s úspěšností přes 90 procent. GPQA, benchmark z pokročilých vědeckých úloh, dosahuje kolem 75 procent.
Slabšími místy jsou dlouhé kreativní úlohy (psaní delších textů, dodržování stylu, konzistence příběhu), nuance přirozeného jazyka a některé bezpečnostní aspekty. Grok byl od začátku vydáván s méně přísnými bezpečnostními filtry než konkurence, což je z pohledu některých vývojářů výhoda (méně odmítnutí, méně opatrné odpovědi), z pohledu podnikových zákazníků naopak riziko (méně předvídatelnost, obtížnější audit).
Ne všechna čísla, která xAI publikuje, jsou nezávisle ověřená. Několik komunitních evaluací od organizací jako Papers with Code a Hugging Face během několika prvních týdnů obvykle koriguje výrobcem publikované hodnoty směrem dolů o dvě až pět procent. To je normální postup a ani u konkurence tomu jinak nebývá.
Proč benchmarky nestačí
Historie posledních tří let ukazuje jasnou lekci. Model, který je v benchmarcích nejlepší, není nutně model, který na trhu vyhraje. Benchmarky měří technické schopnosti v izolovaných úlohách. Reálný úspěch modelu záleží na produktové strategii, integraci do pracovních toků, ceně, kontextových oknech, latenci, spolehlivosti a ekosystému nástrojů.
xAI má strategickou výhodu v tom, že Grok je hluboko integrovaný do sítě X (dříve Twitter), která má stovky milionů aktivních uživatelů. To je unikátní distribuční kanál, který OpenAI ani Anthropic nemají v takovém rozsahu. Uživatel X má Grok k dispozici jako součást svého denního pracovního toku bez nutnosti otevřít další aplikaci nebo platit další předplatné.
Na druhou stranu, podniková adopce zůstává slabinou. Enterprise CTO stále preferují modely od Anthropic a OpenAI, protože jejich API mají delší historii, robustnější rate limity a lepší audit compliance. Grok se v podnikovém prostředí prosazuje pomaleji a chvíli potrvá, než v této oblasti xAI konkurenty dožene.
Co to znamená pro trh
V krátkém horizontu Grok 4.5 dál stlačí ceny modelů srovnatelných schopností. Když existují čtyři modely (od Anthropic, OpenAI, Google, xAI), které umí totéž s minimálním rozdílem v kvalitě, tržní tlak na cenu je nevyhnutelný. Uživatelé API mohou očekávat další pokles cen za milion vstupních tokenů, který se za posledních dvanáct měsíců snížil o zhruba 60 procent.
Ve středním horizontu se soutěž přesouvá na tři oblasti: agentní schopnosti, integrace do specializovaných domén (medicína, právo, věda) a energetická efektivita inference. V každé z těchto oblastí má některý ze čtyř velkých hráčů určitou výhodu, ale žádný nemá dominance. To znamená, že tržní podíl bude záležet na tom, kdo dokáže nejrychleji přeložit technické schopnosti do produktů, které řeší reálné problémy.
Pro startupy stavějící na LLM to znamená, že sázka na jednoho poskytovatele je stále riskantnější. Doporučovaná praxe je architektura, která umožňuje snadné přepínání mezi modely, protože žádný z hráčů nezůstane na vrcholu déle než tři až šest měsíců. Podrobnější rozbor valuačních metod včetně šablon najdete v našem [investorském balíku](/produkty/cz-vc-directory-2026).
Co si z toho odnést
Grok 4.5 je solidní krok kupředu, který drží xAI v hlavní čtveřici hráčů. Není to skok, který by změnil směr trhu, ale je to potvrzení, že Musk investice do xAI produkuje výsledky konkurenceschopné s dvakrát staršími hráči. Pro vývojáře je to další model do portfolia. Pro investory je to signál, že AI trh dál konsoliduje kolem několika velkých hráčů a jejich soutěž zůstane intenzivní. Pro uživatele je to dobrá zpráva, protože konkurence stlačí ceny a přinese další inovace.