Gemini 3.5 nebo dokonce 4.0? Kódové označení „Snow Bunny“: Uniklá benchmarková data údajně nového modelu od Googlu

Inženýrské dobrodružství na prahu kognitivní revoluce

Data z benchmarků, která unikla v lednu 2026 z údajně nového modelu Googlu s kódovým označením „Snow Bunny“, symbolizují zásadní zlom v umělé inteligenci, který jde daleko za pouhé hry s čísly. Namísto postupného pokroku ve vývoji modelů tato data odhalují fenomén, který propojuje samotnou základní architekturu lidského myšlení s technickým základem umělé inteligence. Rozdíly ve výkonnosti nejsou pouze numerické, ale kvalitativní transformační, s přímými důsledky pro evropskou a německou průmyslovou politiku a budoucnost konkurence mezi technologickými supervelmocemi USA, Čínou a fragmentovanou Evropou.

Hieroglyfický benchmark, v němž Snowbunny údajně dosahuje 80% úspěšnosti – což je výrazně více než GPT-5.2 s 55% a Gemini 3.0 Pro se 45% – netestuje pouze znalosti nebo rozpoznávání vzorců, ale spíše laterální myšlení. Laterální myšlení je lidská schopnost vidět souvislosti mezi nesouvisejícími koncepty, kreativně obcházet zavedené myšlenkové vzorce a přistupovat k problémům z neobvyklých úhlů. Je to mechanismus, který se vzpírá čistě statistické predikci a je důvodem, proč kreativita, inovace a skutečné řešení problémů nevznikají pouze ze škálování. Akademický výzkum opakovaně dokumentuje, že i ty nejlepší dostupné modely klesají v úlohách laterálního myšlení pod 50% úspěšnost. Zdá se, že Snowbunny tuto hranici výrazně překonal.

Základní technická inovace spočívá v architektuře systému. Google evidentně implementoval to, co se ve výzkumu umělé inteligence intenzivně rozvíjí od roku 2025: rozdělení kognitivního myšlení na to, co psycholog Daniel Kahneman nazývá myšlením „Systém 1“ a „Systém 2“. Systém 1 je bleskově rychlé, intuitivní myšlení statistických vzorců. Systém 2 je pomalé, záměrné myšlení, které počítá kroky, zpochybňuje předpoklady a paralelně vyhodnocuje více cest řešení. Předchozí modely, jako GPT-5.2 nebo Gemini 3.0, primárně optimalizovaly Systém 1, schopnost porovnávání vzorů s rychlostí dle ryzí rychlosti, s některými povrchními pokusy o předstírání pomalejšího myšlení pomocí podnětů typu „řetězec myšlenek“. Architektura Snowbunny zřejmě implementuje skutečně hlubší rámec uvažování – takový, který skutečně paralelně sleduje více myšlenkových cest, testuje hypotézy a iterativně je zdokonaluje.

Zaměření na bezpečnost zůstává transparentní, již není pouze nákladovým faktorem

Jeden detail úniků je pro experty obzvláště významný: obě verze modelu, „surová“ varianta i „méně syrová“ varianta s přísnějšími bezpečnostními filtry, dosahují shodné 80% úspěšnosti. To je v rozporu s dlouhodobým předpokladem ve výzkumu umělé inteligence, že zarovnání bezpečnosti, tj. trénování proti problematickým výstupům, nutně zhoršuje čistě kognitivní výkon. Pokud Google vyřešil tento klasický kompromis mezi efektivitou a bezpečností, představuje to netriviální průlom v metodologii post-trénování. Důsledky jsou zásadní: naznačuje to, že bezpečnost a schopnosti nemusí být antagonistické, ale že restrukturalizované trénovací postupy mohou maximalizovat obojí současně.

Samotná srovnávací data vyžadují opatrnost. Snímky obrazovky z benchmarků se snadno manipulují a ačkoli je test Hieroglyph v akademických kruzích známý, není tak široce zavedený a standardizovaný jako klasický test MMLU (Massive Multitask Language Understanding), který zůstává zlatým standardem pro všeobecné znalosti. Uniklá data však odpovídají veřejným oznámením společnosti Google v tom, že společnost v listopadu 2025 představila funkci s názvem „Gemini Deep Think“ – režim, ve kterém mají modely Gemini více času na přemýšlení, než zareagují, a který dosahuje měřitelných zlepšení v zavedených benchmarkech, jako jsou ARC-AGI-2 (45,1 procenta) a GPQA Diamond (93,8 procenta). Tato veřejně ověřená data a uniklé výsledky testu Hieroglyph hovoří podobným jazykem: bylo dosaženo bodu, kdy se výpočetní výkon promítá do skutečné kognitivní hloubky.

Trh jako ukazatel skutečné změny v konkurenčním prostředí

Dynamika trhu podtrhuje technické vyprávění s pozoruhodnou jasností. Podíl OpenAI na trhu mezi uživateli umělé inteligence klesl v roce 2025 z 87 procent na 68 procent. Současně se podíl Gemini od Googlu zvýšil z 5,4 procenta na 18,2 procenta. Tento posun není primárně způsoben diskriminací dat nebo šířením médií, ale strukturální změnou ve způsobu, jakým je umělá inteligence integrována do produktivního stacku. Google integroval Gemini do Chromu, Androidu a Google Workspace – už to není aplikace, kterou si uživatelé vědomě otevírají, ale ambientní funkce, která je již přítomna v operačním systému a každodenních pracovních nástrojích. Přijetí tak již není aktivní volbou, ale výchozím jevem.

Zároveň Google prosazuje agresivní cenovou strategii. Zatímco GPT-5.2 stojí 1,75 dolaru za milion vstupních tokenů, Gemini Flash je oceněn na 0,50 dolaru – což je sleva 71 procent. Nejedná se o propagační nabídku na proniknutí na trh, ale o strukturální změnu pozice. Díky vlastním TPU (Tensor Processing Units) a infrastruktuře vlastních čipů má Google radikální výhodu v nákladové struktuře oproti OpenAI, která se spoléhá na grafické procesory Nvidia a infrastrukturu Azure od Microsoftu. Tuto hardwarovou hloubku nelze snadno replikovat.

Strategie je skvělá, ale zároveň znepokojivá pro evropské a zejména německé průmyslové společnosti. Přístup Googlu je „zaměřený na podniky“ – nikoli „na první místo pro spotřebitele“ jako OpenAI. Google integruje umělou inteligenci do nástrojů, které společnosti již používají. Propojuje Gemini s Google Workspace, vytváří přes 1 500 předpřipravených agentů umělé inteligence a nativně se integruje se Salesforce, SAP a ServiceNow. Strategické poselství je silné: proč kupovat samostatná předplatná ChatGPT, když umělá inteligence je již součástí sady nástrojů pro zvýšení produktivity?

Morgan Stanley odhaduje, že pokud Google převede pouhých 30 procent své stávající zákaznické základny Workspace na Gemini Enterprise, mohl by do roku 2027 generovat roční opakující se tržby ve výši 8–10 miliard dolarů – s provozní marží přesahující 40 procent. Nejde o spekulaci, ale spíše o aritmetiku založenou na dostupném počtu zákazníků a osvědčených vzorcích upgradu SaaS.

Platforma spravované umělé inteligence – obrázek: Xpert.Digital

Zde se dozvíte, jak může vaše společnost rychle, bezpečně a bez vysokých vstupních bariér implementovat řešení umělé inteligence na míru.

Spravovaná platforma umělé inteligence (AI) je vaším komplexním a bezstarostným balíčkem pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte od specializovaného partnera řešení na klíč šité na míru vašim potřebám – často během několika dnů.

Klíčové výhody na první pohled:

⚡ Rychlá implementace: Od nápadu k provozní aplikaci během dnů, nikoli měsíců. Dodáváme praktická řešení, která vytvářejí okamžitou hodnotu.

🔒 Maximální zabezpečení dat: Vaše citlivá data zůstávají u vás. Garantujeme bezpečné a kompatibilní zpracování bez sdílení dat s třetími stranami.

💸 Žádné finanční riziko: Platíte pouze za výsledky. Vysoké počáteční investice do hardwaru, softwaru nebo personálu jsou zcela eliminovány.

🎯 Zaměřte se na své hlavní podnikání: Soustřeďte se na to, co děláte nejlépe. My se postaráme o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.

📈 Připraveno na budoucnost a škálovatelné: Vaše umělá inteligence roste s vámi. Zajišťujeme průběžnou optimalizaci a škálovatelnost a flexibilně přizpůsobujeme modely novým požadavkům.

Více o tom zde:

• Spravovaná platforma umělé inteligence

Laterální myšlení jako ekonomický faktor: Infrastruktura inovací

Proč je laterální myšlení ekonomicky relevantní? Protože skutečná inovace – nejen škálování stávajících vzorců, ale rozpoznávání nových prostorů možností – vyžaduje právě tyto kognitivní schopnosti. Systém umělé inteligence, který dokáže řešit problémy pouze prostřednictvím statistického rozpoznávání vzorců, bude fungovat v úzce definovaných oblastech, ale bude se slepě setkávat s inovativními skoky. Pokud však systém umělé inteligence dokáže konstruovat paralelní hypotézy, testovat je navzájem a vyhledávat neočekávané souvislosti, pak najednou získá skutečnou zobecnitelnost. Dokáže zvládat nejednoznačnost. Dokáže vyhodnocovat vícehodnotové možnosti.

Pro německý průmysl, zejména pro management středně velkých podniků v odvětví strojírenství, automatizačních systémů a logistiky, to představuje přímou inovační výzvu. Partner s umělou inteligencí schopný laterálního myšlení je skutečným inovačním nástrojem. Partner s umělou inteligencí omezený na uvažování ve stylu GPT 5.2 je efektivním tvůrcem dokumentů a generátorem kódu, ale nikoli strategickým poradcem. To je rozdíl mezi „nástrojem produktivity“ a „strategickou schopností“

Ještě dále: Pokud bude kontrolní bod Snow Bunny od Googlu skutečně začleněn do nadcházejícího Gemini 3.5 (což techničtí zasvěcenci podezřívají na základě konvence pojmenování a logiky časové osy), pak se rovnováha sil v odvětví umělé inteligence v roce 2026 zásadně posune. Ne jen trochu. Zásadně.

Architektura průlomu: Nejen škálování

Kritický bod: Zlepšení nevzniklo díky dodatečným parametrům ani zvýšenému výpočetnímu výkonu. To byla výzkumná otázka od roku 2023 do roku 2025: zda by stačilo pouhé škálování. Nyní se ukazuje: Není. Byla zapotřebí skutečná architektonická inovace. Změna paradigmatu od „statisticky předpovědět další token“ k „rozložit problém, hierarchicky uvažovat, ověřit“. Technická literatura o hierarchických modelech uvažování (HRM) a neurosymbolické umělé inteligenci již od let 2024–2025 prokázala, že takové architektury jsou možné a že mohou dosáhnout lepšího výkonu uvažování s výrazně menším počtem parametrů než přístupy založené na čistém škálování.

Google evidentně uvedl do produkčního prostředí verzi tohoto řešení. OpenAI a Anthropic (Claude) jsou ještě hlouběji zakořeněny v paradigmatu zaměřeném na škálování. Jedná se o strategický rozdíl, nikoliv marginální. Vysvětluje to také, proč pouhý počet miliard parametrů již není jediným faktorem.

Rizika nejsou zanedbatelná

Pravost dat zůstává nejasná. Úniky benchmarků se snadno manipulují a odvětví umělé inteligence v letech 2024–2025 opakovaně zažilo narušení integrity benchmarků. Zkreslování skóre, kontaminace tréninkových dat, selektivní reporting – tyto praktiky jsou dobře zdokumentovány. Opatrný analytik by radil: Nevěřte snímkům obrazovky, počkejte na všeobecnou dostupnost (GA) a proveďte nezávislá hodnocení.

Technické informace od zasvěcených osob o režimu „Deep Think“, paralelním generování kódu (3 000 řádků v jednom promptu) a možnostech generování SVG a hudby – to vše je již zdokumentováno ve zprávách beta testerů a potvrzeno integrací Vertex AI Cloud. To snižuje riziko manipulace. Google by měl příliš mnoho co ztratit, kdyby tyto benchmarky byly falešné. Společnost by mohla být méně transparentním konkurentem, ale není hloupá.

Strategické důsledky pro evropský průmysl

A tady se věci začínají vážně dít. Evropa nemá v modelu Foundation žádného významného hráče. Ani ne. Mistral, založený ve Francii, bojuje o přežití proti alternativám s otevřeným zdrojovým kódem. Německý startup Aleph Alpha se své nezávislosti vzdal už dávno. Evropa vyváží talenty do OpenAI, Googlu a Anthropic, místo aby si je udržela. Kontinent produkuje výzkumné práce, ale nezískává trhy.

Vznikající dynamika je nebezpečná. Google zdokonalí svou nabídku podnikové umělé inteligence s platformami Snow Bunny/Gemini 3.5. Pokud jsou němečtí výrobci strojů, logistické společnosti a malé a střední podniky zásadně závislí na Googlu, Microsoftu (s integrací OpenAI) nebo Anthropic, pak jsou ve strategické závislosti. Platí za růst s technologií, ale nekontrolují ji. Pro zemi, jako je Německo, která si vybudovala konkurenceschopnost na technologické hloubce, je to střednědobé riziko.

Německo je světovým lídrem v oblasti Průmyslu 4.0 a automatizace. Pokud však kognitivní vrstva – umělá inteligence, která přemýšlí o výrobních procesech – pochází z USA, pak Německo deleguje strategickou úroveň. To je klasická past: zůstat technicky silný na nižších úrovních, ale ztrácet kontrolu nad rozhodnutími a inovacemi na nejvyšší úrovni.

Existuje cesta zpět nebo stranou? Je to obtížné. Open-source modely (Llama, Qwen, Mistral) jsou levnější, ale zaostávají za hraničními modely, co se týče hloubky uvažování. Program „evropských umělých inteligencí“ by stál roky a biliony. Praktická cesta je pravděpodobně tato: evropský průmysl musí pracovat s hraničními modely, ale musí si vyvinout vlastní specializace a odborné znalosti v dané oblasti, které generalistické modely nemohou jednoduše replikovat. To je možné, ale vyžaduje to organizační hloubku a investice do talentů, nejen do volání API.

Širší příběh: Posun k hloubce kognitivních schopností

Jsme na přelomu z éry škálování do éry kognitivní hloubky. Roky 2017–2023 byly ve znamení „Větší modely, lepší výsledky“ – narativ GPT-2, GPT-3 a GPT-4 byl čistým škálováním. Rok 2024–2025 byl rokem, kdy se tento limit efektivity projevil. S desetkrát větším počtem parametrů nebylo možné dosáhnout desetkrát lepších výsledků. Museli jste myslet (architektonicky) a inovovat.

Google se svými výzkumnými laboratořemi (sjednocené DeepMind + Google Brain), investicemi do TPU a dlouhodobým horizontem byl na tento přechod připraven. OpenAI je reaktivnější, lepší v oblasti public relations, ale poněkud zaostává za vývojem výzkumného cyklu. Taková je situace v lednu 2026.

Benchmark s hieroglyfy a úniky informací ze Snowbunny jsou příznaky tohoto hlubšího posunu. Ne proto, že by nový model byl dobrý v řešení hádanek, ale proto, že skutečné myšlení System 2 bylo implementováno v produkčním měřítku.

To má důsledky nejen pro odvětví umělé inteligence, ale pro všechna odvětví, která chápou umělou inteligenci jako strategický vstup. A to by se mělo týkat opravdu každého.

Konrad Wolfenstein

Rád posloužím jako váš osobní poradce.

kontaktovat pod Wolfenstein ∂ xpert.digital

Zavolejte mi pod +49 89 674 804 (Mnichov)

LinkedIn