Gemini 3.8 Flash vede mezi 14 modely, GLM-5.3 Flash je 6x levnější
Třináct nových modelů otestovaných na šesti úlohách s dokumenty v pěti jazycích: Gemini 3.8 Flash je první, GLM-5.3 Flash je levný druhý a Sonnet 5.5 nahrazuje Sonnet 5.
Publikováno 12. října 2026 · čísla z běhu 20261010T220935Z-c30495
Poslední kolo přidává do srovnání 13 modelů, takže je nyní řazeno 14 modelů. Dokument se počítá jako správný, pouze pokud jsou správně všechna pole. Náklady odpovídají tomu, co API účtovalo za 1 000 dokumentů. Všechny dokumenty jsou syntetické, teplota je 0 a jazyky jsou cs, de, en, es a fr.
Pořadí: nahoře dva modely Flash
Gemini 3.8 Flash obsazuje první místo s 97,40 % zcela správně zpracovaných dokumentů za 4,03 USD. Druhý je GLM-5.3 Flash, model s otevřenými váhami, s 96,55 % za 0,68 USD. To je zhruba 6x levněji než lídr při rozdílu menším než jeden bod. Třetí je GPT-6 Sol a čtvrtý Claude Sonnet 5.5.
| Pořadí | Model | Zcela správně | USD za 1 000 dokumentů |
|---|---|---|---|
| 1 | Gemini 3.8 Flash | 97,40 % | 4,03 USD |
| 2 | GLM-5.3 Flash | 96,55 % | 0,68 USD |
| 3 | GPT-6 Sol | 95,97 % | 4,56 USD |
| 4 | Claude Sonnet 5.5 | 95,48 % | 5,55 USD |
| 5 | DeepSeek V4.1 Flash | 93,00 % | 0,45 USD |
| 6 | GPT-6 Luna | 92,44 % | 0,24 USD |
Níže následují: Claude Sonnet 5 (8., 91,28 %), Mistral Large 4 (9., 88,99 %), Qwen3.8 Flash (10., 88,60 %), Gemini 3.5 Flash Lite (11., 86,99 %), Mistral Medium 3.5 (12., 86,37 %), Gemma 4 31B (13., 81,15 %) a Mistral Small 4 (14., 73,66 %).
Ceníková cena je špatným vodítkem skutečných nákladů. Mistral Large 4 má ceník 0,68 / 2,09 USD za milion vstupních / výstupních tokenů, a přesto stojí 5,50 USD za 1 000 dokumentů. Modely s uvažováním totiž generují dlouhý skrytý výstup, který se také účtuje.
Sonnet 5.5 proti modelu, který nahrazuje
Claude Sonnet 5.5 nahrazuje Claude Sonnet 5 a je lepší téměř ve všem. Celkově dosahuje 95,48 % oproti 91,28 % a je i levnější: 5,55 USD oproti 5,96 USD. U faktur zvládne 99,59 % dokumentů zcela správně, zatímco Sonnet 5 jen 92,66 %. U skenů a fotografií dosahuje 100,00 %, což je nejlepší výsledek ze všech 14 modelů; Sonnet 5 má 91,33 %.
Jeho slabým místem jsou shrnutí schůzek: 89,46 %, zatímco Sonnet 5 má 77,86 %. Gemini 3.8 Flash a DeepSeek V4.1 Flash tam oba dosahují 100,00 %. Skromný je také výsledek v třídění e-mailů: 84,80 %. Viz přímé srovnání nebo stránka o Sonnet 5.5.
V čem jsou modely dobré a v čem chybují, podle úloh
- Smluvní doložky: Gemini 3.8 Flash 99,73 %, Sonnet 5.5 99,46 %. Gemma 4 31B klesá na 56,39 %.
- Třídění e-mailů: nejtěžší úloha. Vede GLM-5.3 Flash s 89,06 % za 0,47 USD, těsně před Gemini 3.8 Flash s 88,93 %. Mistral Medium 3.5 dosahuje 53,73 % a Mistral Small 4 pouze 35,59 %.
- Anonymizace osobních údajů: u většiny modelů téměř vyřešeno. Sonnet 5.5 má 99,60 %, GLM-5.3 Flash a Gemma 4 31B 99,06 %. Výjimkou je Gemini 3.5 Flash Lite s 84,66 %.
- Otázky nad dokumentem: GPT-6 Sol, Sonnet 5.5, Mistral Medium 3.5, Gemma 4 31B i Mistral Small 4 dosahují 100,00 %. Mistral Large 4 má 88,53 % a u 4,66 % dokumentů chybí platná odpověď.
- Shrnutí schůzek: Mistral Medium 3.5 dosahuje 100,00 % za 1,92 USD. Mistral Large 4 má 89,33 % za 8,56 USD a u 10,66 % jeho dokumentů platná odpověď chybí.
Podobný problém se u faktur projevuje u Qwen3.8 Flash: 6,66 % dokumentů bez platné odpovědi a 75,86 % zcela správně. Tento model podrobněji rozebírá naše recenze Mistral Large 4.
Faktury, skeny a skutečná cena
Faktury dobře oddělují jednotlivé modely. Každá má 13 polí, takže jediné chybné pole znehodnotí celou fakturu; proč na tom záleží, vysvětluje článek o přesnosti na úrovni polí a dokumentů. Při nákladech na opravu 3 minuty na každou chybnou fakturu a sazbě 40 USD/hodinu vypadá skutečná cena za 1 000 faktur takto:
- Sonnet 5.5: API 10,65 USD, včetně oprav 19 USD.
- Gemini 3.8 Flash: API 5,83 USD, včetně oprav 49 USD.
- GLM-5.3 Flash: API 1,00 USD, včetně oprav 110 USD.
- GPT-6 Luna: API 0,53 USD, včetně oprav 169 USD.
- Mistral Small 4: API 0,43 USD, včetně oprav 998 USD.
Nejlevnější faktura za API tedy neznamená nejlevnější výsledek. U skenů a fotografií se rozdíl ještě zvětšuje: Gemini 3.8 Flash dosahuje 98,44 %, GLM-5.3 Flash 93,99 %, GPT-6 Luna 86,00 %, Gemma 4 31B 43,33 % a Mistral Small 4 40,89 %.
Jazyky
Nejvyrovnanější je Gemini 3.8 Flash: jeho rozpětí je od 96,44 % (de) do 98,11 % (cs). GPT-6 Sol klesá na 93,66 % v es i fr. GLM-5.3 Flash je nejslabší ve fr s 95,00 % a v de s 95,11 %. Největší výkyvy vykazuje Gemma 4 31B, od 91,66 % v en po 73,89 % ve fr a 75,44 % v de. DeepSeek V4.1 Flash je nejslabší v de s 89,44 %.
Který model zvolit
Pro nejvyšší přesnost zvolte Gemini 3.8 Flash. Pro nejlepší poměr ceny a přesnosti zvolte GLM-5.3 Flash. Pro faktury a skeny, kde jsou chyby drahé, je nejsilnější Sonnet 5.5. GPT-6 Luna za 0,24 USD je nejlevnější model, který stále dosahuje přes 92 %. Mistral Small 4 a Gemma 4 31B se pro faktury nedoporučují.
Celou tabulku najdete v žebříčku a způsob testování v metodice.