Nový test odhalil propast mezi AI a člověkem. Nejlepší modely nedosáhly ani jednoho procenta

Nový test odhalil propast mezi AI a člověkem. Nejlepší modely nedosáhly ani jednoho procenta

Benchmark ARC-AGI-3 postavil nejlepší AI modely světa před zcela nový typ úloh — a výsledky jsou zdrcující. Gemini, GPT-5.4 i Opus nedosáhly ani jednoho procenta, zatímco nepřipravení lidé zvládli všechno na sto procent. Propast mezi umělou a obecnou inteligencí je širší, než si technologický průmysl připouští.

Zatímco šéf Nvidie Jensen Huang minulý týden prohlásil, že lidstvo dosáhlo umělé obecné inteligence, nový benchmark právě ukázal opak. Žádný z nejlepších AI modelů světa nedokázal překonat hranici jednoho procenta v testu, který stoprocentně zvládl každý testovaný člověk — bez přípravy, bez nápovědy, na první pokus.

Co je ARC-AGI-3 a proč je jiný než všechno předtím

ARC Prize Foundation zveřejnila 24. června 2026 třetí verzi svého benchmarku ARC-AGI, který měří vzdálenost mezi současnou umělou inteligencí a lidskou obecnou inteligencí. Předchozí dvě verze už nestačily — modely se je naučily řešit tak dobře, že přestaly být užitečným měřítkem pokroku.

ARC-AGI-3 je zásadně odlišný. Zatímco starší verze testovaly schopnost rozpoznat vzory ve statických příkladech vstupů a výstupů, nová verze staví AI do interaktivních herních prostředí. Agent musí sám prozkoumat neznámé prostředí, formulovat hypotézy o tom, co je vlastně cílem, a pak svůj plán provést. Žádné instrukce, žádné nápovědy, žádné podpůrné nástroje.

Právě tohle dělá test tak náročným. Nejde o to, jestli AI umí odpovědět na otázku nebo napsat kód podle zadání. Jde o to, jestli dokáže samostatně přijít na to, co má dělat — a pak to udělat efektivně.

Výsledky, které otřásly průmyslem

Výsledky hovoří samy za sebe. Benchmark využívá metriku RHAE (Relative Human Action Efficiency), která měří, kolik akcí potřebuje AI ve srovnání s člověkem. Vzorec navíc používá druhou mocninu poměru, takže brutální přístup pokus-omyl je tvrdě penalizován — pokud AI potřebuje stokrát více kroků než člověk, dostane jen jedno procento skóre.

Všech 135 testovacích prostředí vyřešili nepřipravení lidé bez jakýchkoliv předchozích znalostí. Z deseti dobrovolníků na každé prostředí se jako lidský základ bral druhý nejlepší výkon — aby se vyloučili statistické odchylky, ale zachoval se realistický standard běžného člověka.

Obzvlášť výmluvný je jeden detail: model Opus 4.6 dosáhl na známých prostředích s ručně vytvořeným podpůrným kódem 97,1 procenta. Jakmile ale dostal neznámé prostředí bez speciální podpory, jeho skóre spadlo na nulu. Přesně tohle odlišuje specializovanou schopnost od obecné inteligence.

Co to znamená pro firmy, které sázejí na AI

Výsledky ARC-AGI-3 nezpochybňují užitečnost dnešní umělé inteligence. Velké jazykové modely excelují v úlohách, pro které byly navrženy — psaní textů, analýza dat, generování kódu, zákaznická podpora. Ale benchmark ukazuje na zásadní slepou skvrnu: když se AI ocitne v situaci, kterou nezná a nemá na ni návod, selhává způsobem, který je pro člověka nepředstavitelný.

Pro české podnikatele, kteří zavádějí AI do svých procesů, z toho plyne jasná zpráva. AI nástroje jsou výjimečné na opakující se, dobře definované úkoly. Jakmile ale narazíte na situaci, která vyžaduje skutečnou improvizaci — nový typ reklamace, neobvyklou tržní situaci, neočekávaný technický problém — lidský úsudek zůstává nenahraditelný.

Písmeno G v AGI znamená obecná inteligence — schopnost čelit novým úkolům samostatně. Pokud to zvládnou běžní lidé bez instrukcí a nástrojů, není důvod, proč by AGI potřebovala speciální vedení a ručně vytvořené podpůrné systémy.

Cholletova slova míří přímo proti narativu, který v posledních týdnech šíří technologičtí lídři. Jensen Huang tvrdí, že AGI je tady. Sam Altman naznačuje totéž. Ale ARC-AGI-3 ukazuje, že mezi tím, co AI umí v kontrolovaném prostředí, a tím, co znamená skutečná obecná inteligence, zeje propast širší než kdykoliv předtím.

Dva miliony dolarů čekají na toho, kdo propast překoná

ARC Prize Foundation vypsala prostřednictvím platformy Kaggle odměnu dva miliony dolarů pro každého, kdo vytvoří AI systém schopný vyrovnat se nepřipraveným lidem. Na platformě je k dispozici 25 prostředí pro veřejné testování.

Zajímavé je, že nejlepší dosavadní výsledek nepochází od žádného velkého jazykového modelu. Agent postavený na posilovaném učení a grafovém prohledávání dosáhl v preview režimu 12,58 procenta — stále daleko od lidského výkonu, ale řádově lepší než kterýkoliv komerční model. To naznačuje, že cesta k obecné inteligenci možná nevede přes škálování stávajících modelů, ale vyžaduje zcela nové přístupy.

Předchozí verze benchmarku měly dobrý track record v předpovídání průlomů. ARC-AGI-1 identifikoval potenciál rozumových modelů OpenAI ještě předtím, než se staly mainstreamem. ARC-AGI-2 zachytil pokrok v technikách scaffoldingu. Obě verze jsou dnes saturované — modely je řeší rutinně. ARC-AGI-3 nastavuje novou laťku.

Praktický závěr: nesázejte všechno na jednu kartu

Výsledky ARC-AGI-3 nejsou důvodem k panice ani k zastavení investic do AI. Jsou ale důvodem k realismu. Pokud vaše firma staví strategii na předpokladu, že AI brzy nahradí lidské rozhodování v komplexních, nepředvídatelných situacích, výsledky naznačují, že ten okamžik je dál, než se zdálo.

Nejlepší přístup pro rok 2026? Využívejte AI tam, kde prokazatelně funguje — v automatizaci rutiny, v analýze dat, ve zrychlení procesů. Ale investujte i do lidí, kteří dokážou řešit to, co žádný model zatím nezvládne: orientovat se v novém, neznámém a nepopsaném. Přesně ta schopnost, kterou ARC-AGI-3 měří — a kterou zatím má jen člověk.