GPT či Claude po slovensky: 64 otázok ešte neurčuje víťaza

Na porozumenie slovenským otázkam nemá z dvojice testovaných konfigurácií GPT a Claude jednoznačný náskok. Zverejnené dáta SlovakBench im v maturite z roku 2025 pripisujú po 96,9 % zo 64 otázok: claude-opus-4.5-thinking-high má vykázanú odozvu 10,55 sekundy a náklad 1,04 dolára, gpt-5.1-default 3,65 sekundy a 0,15 dolára. V samostatnom vetnom rozbore sa celkové skóre týchto konfigurácií líši: 89,8 % pre Claude a 85,4 % pre GPT.

Ak potrebujete rýchle odpovede na úlohy podobné maturite, v tomto meraní má testovaný GPT výhodu v odozve aj náklade pri rovnakej úspešnosti. Na štruktúrovaný vetný rozbor vychádza lepšie skúšaný Claude. Pri písaní a korektúre hotového slovenského textu z týchto výsledkov víťaza nevyčítate: ide o odlišné úlohy a kvalita štýlu v nich nemá samostatnú známku.

Čo sa skrýva za maturitným skóre

Vysoké skóre hovorí o schopnosti riešiť zadané otázky, nie o celkovej kvalite každej odpovede po slovensky. Metodika SlovakBench používa oficiálne maturitné úlohy zo slovenského jazyka a literatúry: výberové odpovede hodnotí presnou zhodou, krátke textové odpovede významovou zhodou a samostatnú úlohu opravy gramatických, pravopisných a štylistických chýb zatiaľ označuje za plánovanú. Pri otázkach zachováva aj sprievodné články či básne, ktoré sú potrebné na ich vyriešenie.

Takéto meranie pokrýva porozumenie zadaniu, gramatické vedomosti a literárny kontext. Nehovorí však, či bude výsledná veta prirodzená v zákazníckom e-maile, či model dodrží firemnú terminológiu alebo či pri úprave článku zachová autorov zámer. Správne pomenovať gramatické pravidlo a citlivo opraviť konkrétnu vetu sú dve rôzne schopnosti.

Rovnaký výsledok tiež patrí presne uvedeným konfiguráciám. Prívlastok thinking-high pri Claude a default pri GPT označuje rozdielne nastavenia behu; vyššiu či nižšiu odozvu preto nemožno pripísať samotnej značke bez zohľadnenia nastavenia. Údaj o náklade je cena zaznamenaná pri tomto teste, nie pevná suma za ľubovoľnú budúcu slovenskú odpoveď.

Vetný rozbor ukazuje iný obraz než korektúra

Pri vetnom rozbore benchmark pracuje s údajmi Slovenského národného korpusu a porovnáva správnosť označenia slovných druhov, základných tvarov slov a syntaktických vzťahov. Model má vytvoriť štruktúrovaný jazykový rozbor, ktorý sa dá porovnať so známymi značkami. Preto môže byť táto úloha dôležitá pri spracovaní jazykových dát, hoci čitateľ hotového článku takýto rozbor nikdy neuvidí.

Vyššie celkové skóre testovaného Claude v rozbore je konkrétny dôvod, prečo remíza z maturity nestačí na všeobecné poradie. Aj v rámci rozboru má zmysel pozerať sa na požadovaný výstup: kto potrebuje lemy, zaujíma sa o presnosť základných tvarov; kto potrebuje vzťahy medzi slovami, sleduje syntaktické značky. Súhrnné skóre spája tieto rozdielne chyby do jednej hodnoty.

Pri úprave autentického textu treba posudzovať aj to, čo model nechal nedotknuté: oprava chýb nemá meniť význam, vlastné mená ani úmyselný tón. Takáto kvalita sa z presnosti slovných druhov alebo z krátkej maturitnej odpovede neodvodí. Pre zákaznícky e-mail sa navyše používa iný register než pre odborný článok, hoci obe úlohy sú po slovensky.

Dostupnosť modelu mení hodnotu staršieho výsledku

Rebríček zachytáva výkon pomenovanej verzie v čase testu. Prehľad vyraďovania modelov OpenAI označuje GPT-5.1 za model v procese vyraďovania a uvádza ukončenie prístupu cez API na 1. apríla 2027. Označenie neznamená, že API prestalo fungovať už teraz; znamená však, že pri novej integrácii treba rátať s prechodom na iný model.

Historicky lepší pomer rýchlosti a ceny preto automaticky neurčuje najrozumnejší nový nákup. Pri nasadení rozhoduje presný identifikátor modelu, prístup v používanom účte a podmienky jeho životného cyklu. Chatová aplikácia navyše nemusí ponúkať rovnaké nastavenie uvažovania ako test cez API, takže používateľ v nej nemusí dostať zhodný výsledok ani pri známom názve rodiny modelov.

Náklad testu, cena API a predplatné

Dolárové hodnoty z maturitného behu opisujú spotrebu pri tamojšom súbore úloh. Na odhad vlastných výdavkov potrebujete počet vstupných a výstupných tokenov, používanú verziu a spôsob volania. Dlhý podklad môže zvýšiť vstupnú spotrebu; rozsiahla odpoveď zasa výstupnú. Porovnanie samotných súm v rebríčku s mesačným predplatným by miešalo odlišné jednotky.

Cenník Anthropic účinný od 27. mája 2026 uvádza pri Claude Opus 4.5 v štandardnom globálnom režime API s kontextom do 200-tisíc tokenov sadzbu 5 dolárov za milión vstupných a 25 dolárov za milión výstupných tokenov. To sú jednotkové ceny služby, nie cena za maturitný test ani prísľub, že model bude v rovnakej podobe dostupný v každom chatovom pláne.

Podmienky plánu Claude Pro výslovne uvádzajú, že predplatné chatu nezahŕňa používanie API cez Claude Console; to sa platí osobitne. Pri ručnom písaní v aplikácii teda porovnávajte dostupné modely, limity a cenu plánu na Slovensku. Pri automatickom spracovaní textov počítajte tokenovú spotrebu a sledujte, či bude potrebná aj kontrola ľudským redaktorom.

Rozhodnutie na vlastných slovenských textoch

Pre korektúru alebo tvorbu obsahu má najväčšiu hodnotu rovnaká skúška na vašich skutočných úlohách. Vyberte krátke aj dlhšie slovenské vstupy, odborné názvy, nejednoznačnú vetu a text s chybami; pritom vopred určte, čo sa smie zmeniť a čo musí zostať. Rovnaké zadanie a porovnateľné nastavenia dávajú odpovediam zmysluplný spoločný základ.

1. Pri porozumení otázke sledujte vecnú správnosť a to, či odpoveď rešpektuje celý kontext. Pri tvorbe textu hodnotí človek zrozumiteľnosť, prirodzenosť a primeraný tón pre slovenského čitateľa.
2. Pri korektúre oddeľte skutočne opravené chyby od zásahov, ktoré menia význam alebo pridajú novú chybu. Výstupy možno pred hodnotením anonymizovať, aby známa značka neovplyvnila úsudok hodnotiteľa.
3. Pri automatizácii si zapíšte odozvu a spotrebu vstupných i výstupných tokenov. Po zmene verzie opakujte tie isté úlohy: nový model môže zmeniť kvalitu aj náklad bez zmeny pracovného postupu.

Ak prevažujú otázky podobné maturite, zaznamenaná konfigurácia GPT ponúka pri rovnakej úspešnosti rýchlejší a lacnejší beh. Pri vetnom rozbore vyšla lepšie skúšaná konfigurácia Claude. O tom, ktorý dostupný model sa hodí na publikované alebo opravované slovenské texty, rozhodnú až výsledky na takýchto textoch spolu s podmienkami konkrétnej služby.

Prečítajte si aj:

• Mistral Large 4 má bilión parametrov, špičku uzavretých modelov ešte nedobehol
• Dublinská deklarácia chce suverénnu AI, no termíny ani rozpočet neurčuje
• Claude vstúpi do Webexu ako kolega, firmy však musia strážiť jeho kontext