Převod e-mailu na zadání zakázky dělá model deepseek-v4.1-flash a zatím zůstává: je rychlý a levný. Přesnější kimi-k3 je několikanásobně dražší, proto ho nepoužijeme. Levný glm-5.3-flash z OpenRouteru ale s nastavením podle své dokumentace vyšel na vzorku lépe (87 bodů proti 80–81): chybných údajů udělá zhruba třikrát méně. Převod je dvakrát až čtyřikrát dražší než dnes, ale stále levný, a trvá asi 4 minuty. Výsledek je z jednoho běhu.
Nechat deepseek-v4.1-flash (rozhodnuto 6. 10.). Je rychlý, levný a od včerejší úpravy zadání vychází na vzorku 80–81 bodů. Vyměníme ho, jen když se najde lepší model, který není výrazně dražší.
kimi-k3 nepoužívat. Je přesnější, ale převod přes Ollamu stojí zhruba osmkrát víc než dnes (tabulka Cena).
Ověřit glm-5.3-flash s nastavením podle dokumentace na celé zkušební sadě ve třech bězích a na e-mailech, které poptávky nejsou. Až potom rozhodnout o změně; jeden běh na 20 e-mailech nestačí.
Ke každému modelu přistupovat podle jeho dokumentace. Týž glm s nastavením dnešního modelu vyšel na 78 bodů, s vlastním na 87. Výsledky modelů měřených s nastavením dnešního modelu proto nejsou konečné.
Levné modely z OpenRouteru s nastavením dnešního modelu nenasazovat. Nejblíž je placený glm-5.3-flash: o 2–3 body pod dnešním modelem, chybných údajů dělá méně, ale víc jich vynechá; převod je levnější. Bezplatné modely vyšly výrazně hůř a dva z nich skoro nic nepřevedly. Texty šly maskované a jen k poskytovatelům, kteří data neuchovávají.
Ostatní nové modely z Ollamy zatím nepoužívat. deepseek-v4-pro, minimax-m3 a nemotron-3-ultra vyšly s nastavením dnešního modelu hůř a část e-mailů nepřevedly vůbec. glm-5.3 převáděl jeden e-mail 5 minut. Podle vlastní dokumentace měřeny nebyly.
Délka pruhu je shoda s vzorovými odpověďmi ve stupnici 0 až 100 (míra F1: zahrnuje správné, chybné i chybějící údaje). Všechny modely dostaly stejné zadání a stejně maskovaný text e-mailu.
| Model | Shoda F1 | Přesnost | Úplnost | Nepřevedeno | Sekund na e-mail | Poznámka |
|---|
Přesnost = kolik vyplněných údajů je správně. Úplnost = kolik údajů ze vzorové odpovědi model našel. Nepřevedený e-mail (model nevrátil platnou odpověď) se počítá jako e-mail bez údajů. Sekundy jsou průměr převedených e-mailů.
Na stejných e-mailech. Dnešní model má tři běhy, proto má tři čísla.
| Údaj | Chybné: kimi-k3 | Chybné: dnešní | Chybí: kimi-k3 | Chybí: dnešní |
|---|
Uvedeny jen údaje, kde se výsledky liší. Zelená = kimi-k3 lepší ve všech třech bězích dnešního modelu, červená = horší ve všech třech.
Cena za 1000 převedených e-mailů a za běžný měsíc ( převodů, odhad ze stránky Vytížení). Počítáno z ceníků poskytovatelů a z tokenů změřených při tomto testu; výpočet je náš, ceníky jsou převzaté.
| Model a poskytovatel | Za 1000 převodů | Za měsíc | Z kreditu Ollama Pro |
|---|
| Model a poskytovatel | Vstup $ / mil. tokenů | Výstup $ / mil. tokenů | Tokenů vstupu na převod | Tokenů výstupu na převod |
|---|
Ollama: ceník ollama.com/pricing, 6. 10. 2026; levnější sazba mimo špičku platí mimo 12–18 UTC ve všední dny a o víkendu, kimi-k3 ji nemá. Předplatné Pro: 20 $ měsíčně, v něm kredit 60 $. OpenRouter: ceník z jeho API, 6. 10. 2026; skutečně účtovaná cena bývá nižší, protože OpenRouter volí mezi poskytovateli (test glm-5.3-flash s nastavením dnešního modelu stál 0,016 $ za 19 převodů, tedy méně, než dává ceník). Počítáno bez slevy za opakovaný vstup (horní mez).
Poslední srovnání modelů v Ollamě bylo 23. 9. 2026.
Ráno se měřilo přes Ollamu, tedy stejnou cestou, kterou dnes jdou e-maily k deepseeku; odpoledne levné modely přes OpenRouter, jen u poskytovatelů, kteří data neuchovávají. Text odchází maskovaný: jména, e-maily a telefony zákazníků jsou nahrazené značkami.