ChatGPT Work: GPT-5.6 se otevřela všem a přišla s agentem, co odvede celou práci (a Meta hned přidala Muse Spark)

Když jsme před dvěma týdny psali o vydání GPT-5.6, měla ta zpráva jeden velký háček: celou trojici Sol, Terra a Luna dostalo kvůli vládnímu dohledu jen asi dvacet schválených firem, běžně venku nebyl ani jeden z modelů. Devátého července ten háček spadl. GPT-5.6 se otevřela všem, a co je důležitější, nepřišla sama. Nejsilnější novinka není model, ale agent postavený na něm: ChatGPT Work. A ve stejný den přidala Meta vlastního agentního giganta. Vypadá to na den, kdy se z chatbotů naplno stali agenti, a to je přesně to, co nás v Convenient.Solutions zajímá nejvíc.

Jak si ChatGPT Work představuje sama OpenAI, ukazuje ve svém videu:

ChatGPT Work: zadáš výsledek, ne otázku

Hlavní novinka se jmenuje ChatGPT Work a je to agent přímo uvnitř ChatGPT. Rozdíl proti běžnému chatu je v tom, co od něj čekáte. Klasickému chatbotu položíte otázku a dostanete text. ChatGPT Work zadáte výsledek, a on se o zbytek postará sám:

• sesbírá kontext napříč vašimi propojenými aplikacemi,
• rozloží cíl na dílčí kroky,
• ty pak samostatně odpracuje, klidně hodiny v kuse na jednom složitém projektu,
• a vrátí hotové výstupy: tabulky, prezentace, dokumenty i sdílitelné webové aplikace.

Není to tedy odpověď, kterou musíte ještě někam přepsat a dodělat. Je to rovnou ten materiál, kvůli kterému jste se ptali. Umí přitom pracovat s lokálními soubory a aplikacemi i sáhnout na web přes vestavěný prohlížeč, a napojíte ho na Slack, Microsoft Teams, Google Drive, SharePoint, e-mail, kalendáře, CRM i nástroje na řízení projektů. Díky plánování dokáže úlohy odbavovat i sám na pozadí.

Codex, Chat a Work pod jednou střechou

Zajímavý je i způsob, jakým to OpenAI zabalil. Dosud samostatná kódovací aplikace Codex se slévá s ChatGPT do jedné desktopové appky, kde vedle sebe žijí Chat, Work a Codex, a to na všech plánech včetně Free. Jinými slovy, konverzace, agent na práci i agent na kód přestávají být tři oddělené produkty a stávají se třemi režimy jednoho nástroje. Dostupnost je zatím odstupňovaná: ChatGPT Work naběhl pro plány Pro, Enterprise a Edu, na Plus a Business se má rozšířit během pár dní.

GPT-5.6: brána se otevřela a Sol míří na agenty

Model pod agentem už z velké části znáte z našeho článku: trojice Sol (5 / 30 dolarů za milion tokenů), Terra (2,50 / 15) a Luna (1 / 6), kde číslo značí generaci a jméno trvalou schopnostní třídu. Zásadní změna z 9. července je dostupnost: z limitovaného preview pro zhruba dvacet firem se stala obecná dostupnost napříč ChatGPT, Codexem i API.

Pro agenty jsou přitom klíčové dvě věci pod povrchem:

• Programmatic Tool Calling v Responses API. Model si umí sám napsat a v paměti spustit JavaScript, kterým koordinuje nástroje: volá je paralelně, používá smyčky a podmínky a průběžně zpracovává mezivýsledky. To je posun od "model požádá o zavolání nástroje" k "model si sám řídí celý workflow".
• Režim Ultra, který rozdělí práci mezi víc agentů v paralelních proudech, ve výchozím stavu čtyři najednou.

Že nejde jen o počet agentů, ale i o efektivitu, ukazují čísla z kódování: na indexu Artificial Analysis Coding Agent dosahuje Sol 80,0 bodu, o 2,8 víc než Claude Fable 5, a to prý při méně než polovině spotřebovaných tokenů, v méně než polovičním čase a zhruba o třetinu levněji. Agent, který je zároveň lepší i úspornější, je přesně to, co dělá tuhle vrstvu ekonomicky použitelnou.

Meta Muse Spark 1.1: agent, co si sám dělí práci

Aby toho nebylo málo, stejný den představila Meta Superintelligence Labs model Muse Spark 1.1, a jde úplně stejným směrem. Popisuje ho jako multimodální reasoning model stavěný na agentní úlohy s viditelným zlepšením v práci s nástroji, ovládání počítače, kódování a chápání obrazu, videa i dokumentů.

Zajímavé je, jak "agentně" se chová. Muse Spark 1.1:

• si sám spravuje kontext přes kompakci, pamatuje si své akce a umí si dohledat dřívější informace,
• deleguje práci na paralelní subagenty,
• zvládá zero-shot sáhnout po nových nativních nástrojích, MCP serverech i vlastních dovednostech, aniž by je znal předem,
• a sám se rozhoduje, jestli úlohu naskriptovat, nebo s ní pracovat přímo.

Do toho milionový kontext, nastavitelná míra "přemýšlení" na dotaz, strukturovaný výstup, paralelní volání nástrojů, prompt caching a vestavěné vyhledávání na webu s citacemi. V benchmarcích na práci s nástroji vede (MCP Atlas 88,1, JobBench 54,7, Humanity's Last Exam s nástroji 62,1), v ovládání počítače (OSWorld 80,8) a reálném kódování (SWE-Bench Pro 61,5) je zhruba třetí. Na agentní disciplíny je to velmi silný hráč.

Meta Model API: cizí model, vaše SDK

Neméně důležité je, jak Meta model pouští ven. Muse Spark 1.1 je první model, za který si Meta účtuje, přes nové Meta Model API (1,25 / 4,25 dolaru za milion tokenů, na start 20 dolarů kreditu zdarma). A klíčový detail pro vývojáře: to API je drop-in náhrada. Je kompatibilní s OpenAI SDK (stačí přepsat base URL) a přes Messages API i s harnessy ve formátu Anthropicu, takže ho rozjedete třeba i pod Claude Code. Háček pro nás v Evropě zůstává stejný jako u nové Siri: Muse Spark 1.1 je zatím jen v US preview, do EU nemíří.

Co to znamená

Dva různí giganti, stejný den, stejný směr. To není náhoda, to je změna kategorie. AI se posouvá od "odpověz mi" k "udělej to za mě", a s tím se mění i to, kde je hodnota.

Když jsme v květnu psali o Dynamic Workflows u Opus 4.8, tedy o koordinaci stovek paralelních subagentů, byla to ještě research preview a spíš příslib. Dneska je orchestrace více agentů na jeden cíl zabalená do tlačítka v ChatGPT Work i do chování Muse Sparku, který si práci sám dělí mezi subagenty. Přesně tenhle přechod od "jeden model, jeden prompt" k "více spolupracujících agentů" je práce, kterou pro klienty děláme, a je hezké vidět, jak rychle se z ní stává mainstream.

Dokud byl výstupem odstavec textu, stačilo model umět dobře promptovat. Ve chvíli, kdy má agent hodiny samostatně pracovat, sahat do Slacku, CRM a e-mailu a vracet hotové dokumenty, se těžiště přesouvá jinam: k napojení na vaše data, k jasně definovaným krokům procesu a k dohledu nad tím, co agent smí. Model je jen motor. Auto z něj dělá to ostatní. A přesně tady je naše práce.

Co si z toho vzít

• Agent není chatbot. Přestaňte měřit AI podle toho, jak dobře odpoví, a začněte podle toho, jaký hotový výstup doručí. Úlohy má smysl formulovat jako výsledky, ne jako otázky.
• Nová bitva je o napojení. Agent je jen tak dobrý, jak dobře vidí do vašich aplikací a dat. Konkurenční výhodu nedělá model, ale to, jak čistě je zapojený do vašeho konkrétního procesu.
• Model je zaměnitelný, proces ne. Drop-in SDK od Mety je důkaz, že poskytovatele lze měnit skoro za běhu. Stavte nad modelem abstrakci a mějte plán B, přesně jak jsme radili u vypnutí Fable 5.
• Dohled a oprávnění nejsou detail. Agent, který hodiny sám maká a sahá do citlivých systémů, je i otázka auditu, souhlasu a mantinelů. Čím víc autonomie, tím víc záleží na tom, co přesně mu dovolíte, obzvlášť s ohledem na GDPR.

Sečteno: den, kdy se z chatbotů začaly stávat agenti, byl pro nás spíš potvrzení než překvapení. Směr se nemění, jen zrychluje. A naše práce zůstává stejná: vzít tuhle rychle dozrávající sílu a proměnit ji v něco, co vaší firmě reálně ušetří čas nebo vydělá peníze.

Tenhle článek vám jako obvykle sepsal náš AI agent. Celou práci, od rešerše po tenhle odstavec, ale zvládl bez toho, aby si na hodiny sáhl do vašeho Slacku. Zatím. 🤖