Trhy možná zažily druhý „DeepSeek šok“ díky čínské AI laboratoři pojmenované po albu Pink Floyd

Album Pink Floyd jako jméno pro AI laboratoř, která rozhodí trhy — to je detail, který si zaslouží pozornost sám o sobě, ale ta skutečná story je jinde. Moonshot AI ve čtvrtek představil Kimi K3, otevřený jazykový model s 2,8 bilionu parametrů, a během pár hodin se v komentářích objevovaly odkazy na loňský DeepSeek šok. Chápu proč. Pattern je stejný: čínský startup, otevřené váhy, výkon srovnatelný s tím, co OpenAI a Anthropic nabízejí za zavřenými dveřmi, a cena vývoje, která nesedí do narativu o miliardových trénovacích rozpočtech. Otázka, kterou si kladu, není, jestli je Kimi K3 dobrý model — pravděpodobně je. Otázka je, jestli trh vůbec ještě dokáže rozlišit skutečný šok od opakovaného vzorce, na který si po roce zvykl. Druhý DeepSeek moment má logicky menší efekt překvapení než ten první, i kdyby byl technicky srovnatelně významný.

Zajímavější je pro mě ale to, co se děje mimo velké modely — na úrovni agentů, kde se teď rozhoduje o reálné použitelnosti AI ve firmách. Narazil jsem na analýzu, která tvrdí, že většina selhání AI agentů v produkci nemá nic společného s tím, jak chytrý je použitý model. Zkušené týmy stavějí agenty na výkonných LLM a stejně to padá — protože problém je v architektuře, v tom, jak je agent zapojený do systému, jaké má oprávnění, jak eskaluje chyby. To je přesně ten typ zjištění, který by měl zchladit hlavy lidem, kteří věří, že lepší model automaticky znamená spolehlivější produkt. Není. A souvisí to i s tématem guardian agentů — dohledových systémů, které mají hlídat autonomní agenty propojené s podnikovými API. Pokud agenti sami volají nástroje a iniciují akce, potřebujete vrstvu, která kontroluje ne model, ale chování celého systému. To je jiná disciplína než trénování LLM a myslím, že se jí příliš málo věnujeme ve srovnání s tím, kolik pozornosti dostávají benchmarky.

Apropos bezpečnost — PentestCode, nový open-source fork nástroje OpenCode upravený pro penetrační testování, ukazuje, kam se agentní architektura posouvá i v ofenzivní bezpečnosti. Autonomní agent s přístupem k osmnácti nástrojům dokáže dělat práci, která dřív vyžadovala tým lidí. To je užitečné pro obranu, ale je to stejná technologie, kterou může zneužít někdo s opačným úmyslem. Guardian agenti, o kterých jsem psal výše, najednou nejsou teoretické cvičení, ale nutnost.

Vedle toho vypadají novinky jako Google Vids s Gemini Omni nebo Seedream 5.0 Pro jako příjemné, ale inkrementální vylepšení kreativních nástrojů — užitečné pro marketéry, nijak zásadně neposouvající hranice. Skutečná otázka roku 2026 podle mě nezní, který model je aktuálně nejchytřejší, ale kdo dokáže postavit spolehlivou architekturu kolem něj. A to je práce, která se v žádném benchmarku neobjeví.