← Tagasi blogisse
AI & Automatiseerimine8 min lugemist

AI-mudelite lahing ei käi enam tarkuse peale. Võidab kasutaja.

Veiko-Peeter Kargu, Navik OÜ

Mängu laadimisekraani moodi pilt: autod GPT-6.2 Astra, Claude Fable 5.2 ja Gemini 4 Neon jõuavad korraga finišisse, tekst „AI tipp koos. Arve otsustab.”

Sõidad hommikul tööle ja tee ääres seisavad kaks tanklat vastamisi. Üks lööb hinna sendi võrra alla, õhtul koju sõites vastab teine. Järgmisel hommikul reageerib jälle esimene. Keegi ei leiutanud öösel uut bensiini ega muutnud füüsikaseadusi. Mootor käib mõlemaga samamoodi, ainult tabloo vilgub iga päev.

Täpselt sama käib praegu tehisintellekti turul. Kui kasutad või kaalud ettevõttes ChatGPT-d, Geminit või Claude’i, jõuab sinuni iga paari päeva tagant teade järgmisest uuest mudelist. Iga kord tekib tuttav küsimus: kas eelmisel kuul valitud tööriist on juba vanaraud ja kas peaks jälle kalleima paketi võtma?

Lühivastus on julgustav. AI-tippmudelite lahing ei käi enam selle peale, kes on kõige targem. Sõltumatute mõõtmiste järgi on tipp tihedalt koos ning võistlus käib kiiruse ja hinna pärast. Eesti ettevõttele, olgu see väike või suur, on see parim uudis, mis sellest turust tulla saab: tipptase läheb odavamaks ja kiiremaks ning oskus seisneb õige mudeli valimises konkreetse töö, mitte pressiteate kuupäeva järgi.

Kümme päeva ja kuus uut mudelit

Viimase paari nädala tempo võtab ka rahulikuma juhi silme eest kirjuks. Kümne päevaga, 9. kuni 18. novembrini, tõid kolm suurt tootjat välja kuus uut mudelit:

  • 09.11.2026: Anthropic avaldas Claude Fable 5.2 (eelmisest odavam).
  • 10.11.2026: Google tegi avalikuks Gemini 4 Carboni.
  • 12.11.2026: Google lisas kiirema igapäevamudeli Gemini 4 Hydrogen.
  • 17.11.2026: OpenAI tõi korraga välja kaks mudelit: GPT-6.2 Astra (sõltumatu mõõtja andmetel 20% odavam kui eelmine Astra) ja GPT-6.2 Soli.
  • 18.11.2026: Google vastas järgmisel päeval mudeliga Gemini 4 Neon.

Nimede poolest meenutab olukord keemiatunni, täheatlase ja muinasjuturaamatu kokkupõrget. Üks tootja käib läbi perioodilisustabelit, teine tähtkujusid ja kolmas kirjandusžanre. Kes ees, see mees. Kuni ülejärgmise päevani.

Kui aga pressiteated kinni panna ja vaadata sõltumatu hindaja Artificial Analysisi (AA) koondtabelit, avaneb väga rahustav pilt. Suurte tootjate igapäeva- ja tippmudelid mahuvad üldindeksis kitsasse vahemikku 54–65 punkti. Kui varem tähendas uus mudelipõlvkond hüpet jalgrattalt autosse, siis täna seisavad kõigi kolme tootja mudelid ühe ja sama tankla järjekorras. Kütus on sama klassi. Vahe on hinnasildis ja selles, kui kiiresti paagi täis saad.

Liitrihind ei näita veel, palju sõit maksab

Siit algab koht, kus pealiskaudne võrdlus alt veab. Kui võrrelda AI-mudeleid ainult ametliku hinnakirja järgi (dollarit miljoni sisend- ja väljundühiku kohta), teed sama vea nagu autoostja, kes vaatab tankla liitrihinda ega küsi, kas auto võtab viis või kaheksateist liitrit sajale.

Tehisintellekti puhul tähendab see „kütusekulu” jutukust ja mõtlemismahtu. Üks mudel vastab lühidalt ja asjalikult. Teine arutleb enne vastamist pikalt ja kirjutab vastuseks terve traktaadi, mis teeb lõpparve kordades suuremaks ka soodsa liitrihinnaga.

Sõltumatud AA mõõtmised annavad sellest kaks selget näidet. Claude Fable 5.2 ja GPT-6.2 Astra maksavad hinnakirjas täpselt sama palju. Ometi maksis keskmine testiülesanne Fable 5.2-ga 26,54 $, samas kui Astra tegi sama testikomplekti keskmise ülesande ära 4,00 $ eest ja üle kolme korra kiiremini. Sama hinnasilt, üle kuue korra erinev arve.

Teisest servast tuleb hinnalöök GPT-6.2 Solilt: keskmine ülesanne maksab 1,01 $ ja võtab 8,0 minutit. Eelmine versioon võttis samas mõõtmises ligi kolm korda rohkem aega, aga hinnakiri ei tõusnud sentigi. Ja Google’i värske Gemini 4 Neon jõudis põhjalikul mõtlemistasemel firma enda senise lipulaeva tasemele umbes 2,5 korda kiiremini (tootja andmetel ka umbes kolmandiku võrra odavamalt).

Kümne päeva mudelid ja võrdlus ühes tabelis

Tabelis on kõik kuus värsket mudelit ning võrdluseks varasem igapäevane tippmudel Claude Opus 5.5. Indeks, ülesandehind ja aeg pärinevad Artificial Analysisi kaalutud võrdlusest (kontrollitud 18.–19.11.2026) ega ole garantii ühegi konkreetse äriülesande kohta. Igas arvuveerus on esile tõstetud tugevaim näitaja.

MudelIlmusIndeksHinnakiri $/1M (sisse/välja)Ülesanne $Aeg minMilleks
Claude Fable 5.2max09.11.2026658 / 4026,5441,1Kriitiline audit, raske töö
GPT-6.2 Astramax17.11.2026628 / 404,0012,9Süvaanalüüs, lepingud, otsused
Gemini 4 Neonxhigh18.11.2026613 / 156,4421,5Põhitöö, analüüs, kood
Gemini 4 Carbonhigh10.11.2026602 / 10*7,7637,1Äriprotsessid, pikk töö
Claude Opus 5.5maxvarasem594 / 2010,0424,6Kooditöö, põhjalik tekst
GPT-6.2 Solmax17.11.2026572 / 101,018,0Kiire igapäevatöö, mustandid
Gemini 4 Hydrogenxhigh12.11.2026541,50 / 7,503,1615,0Kiire korduv mahutöö

* Carboni tutvumishind 2/10 $ kehtib 30.11.2026 lõpuni (alates 01.12 on hind 4/20 $, millega AA arvestas ka 7,76 $ ülesandehinna). Neoni põhjalik tase (high) annab indeksi 60 ja aja 14,8 min; Claude’i tulemused sisaldavad AA metoodikas vaikimisi asendusmudelit.

Rohkem mõtlemist ei anna alati paremat vastust

Enamikul uutel mudelitel ei vali sa enam ainult mudelit, vaid ka mõtlemisastet: kiire, tavaline, põhjalik või maksimum. Kiusatus on keerata nupp igaks juhuks maksimumi peale, nagu paneks muruniidukisse kalleimat bensiini.

Sõltumatud mõõtmised näitavad aga kiiret piiri. Parim näide on uus Gemini 4 Neon: põhjalik aste annab talle sama üldindeksi mis Google’i eelmisel lipulaeval. Kui aga keerata Neon maksimumastmele, tõuseb üldskoor vaid ühe punkti võrra, kuid mudel muutub nii jutukaks, et ooteaeg pikeneb ligi poole võrra ja ülesande hind kerkib kallimaks kui paberil mitu korda kallimal GPT-6.2 Astral.

Veel kõnekam: keerukate PDF-dokumentide sõltumatus testis sai Neon maksimumastmel hoopis kehvema tulemuse kui põhjalikul astmel. Kuigi üksikutes kontori- ja dokumenditöödes võib maksimum veel juurde anda, tasub igapäevatöös hoida tavalist või põhjalikku taset ja keerata nupp põhja alles siis, kui esimene vastus jäi pinnapealseks.

Tõrvatilk meepotis: mida tootja graafik vaikib

Iga väljalaskega käib kaasas viisakas tulpdiagramm, kus tootja uusim laps on teistest alati pikem. Sõltumatute tabelitega kõrvutades ei ole pilt nii roosiline.

Kõige õpetlikum näide on GPT-6.2 Sol. Üldindeksis ja kiiruses tegi uus Sol tubli sammu edasi, aga koodi lugemise sõltumatus testis kukkus tulemus eelkäijaga võrreldes 14 punkti, sest kiirem mudel jätab vastustest sagedamini olulisi fakte välja. Uuem ei ole automaatselt igas töös parem.

Sama ettevaatlik tasub olla ka tootjate enda graafikutega. Mitmes kontori- ja ohutustestis on arvud ainult tootja enda mõõdetud ning OpenAI enda turvaraport tunnistab (tootja andmetel), et uus Astra varjas raskendatud katsetes tekkinud takistust sagedamini kui eelmine versioon. Lisaks ei näita API hinnakiri, kui kiiresti mudel sinu ChatGPT, Claude’i või Google’i kuupaketi limiiti sööb. Ka värske eeltrükk, mis uuris varasemaid mudeleid, ei leidnud päris arendustiimides mudeliuuendustest selget tootlikkuse hüpet. Inimese kontroll ei kao kuhugi.

Näide päris tööst: kolm AI-agenti ja iganädalane kontroll

Kasutan igapäevatöös kolme AI-agenti: Claude Code’i, Codexit ja Antigravityt. Need on AI-abilised, kes teevad mulle igapäevaselt analüüsi, kontrolli ja kooditööd. Lasen nende mudelivaliku kord nädalas sõltumatute mõõtmiste järgi üle vaadata, et ma ei maksaks vanast harjumusest vale mudeli eest ega tormaks iga pressiteate peale seadeid muutma.

19. novembril viisin Antigravity analüüsi- ja kontrollitöö Gemini 4 Carbonilt üle Gemini 4 Neonile, sest Neon andis põhjalikul tasemel sama üldindeksi umbes 2,5 korda kiiremini. Pika iseseisva töö jätsin esialgu Carbonile, sest Neoni kohta ei olnud selles kategoorias veel sõltumatuid tulemusi.

Lasin samal päeval teha proovi ühe ja sama arvamusülesandega: Neon põhjalikul tasemel sai valmis 48 sekundiga, Carbon tavalisel tasemel võttis 73 sekundit ja sisu oli samaväärne.

Minu järeldus ei ole „vaheta kogu ettevõte üle ühele pakkujale”. Kui ühe tootja mudel teeb ühe töö kiiremini, teine odavamalt ja kolmas täpsemalt, tasub tööriist valida ülesande, mitte logo järgi.

Mida ettevõtte juht selle teadmisega peale hakkab

Sa ei pea pidama iga nädal mudelite tabelit. Ettevõttes piisab neljast lihtsast harjumusest.

  • Ära maksa igapäevatöö eest lipulaeva hinda. Kiri, pakkumise mustand, koosoleku kokkuvõte ja lihtsam tabelitöö ei vaja edetabeli esinumbrit. Kiired ja soodsad mudelid teevad igapäevatöö ära korralikult ja ootamata.
  • Jaga töö kaheks: igapäev ja raske otsus. Valdav osa ettevõtte tööst saab tehtud kiire mudeli ja tavalise või põhjaliku mõtlemisastmega. Kallis tippmudel tasub lahti võtta siis, kui laual on siduv leping, keeruline äriotsus või kallis viga. Ka äriprotsesside automatiseerimise sõltumatus testis (Zapier) olid odavam ja kallim mudel tulemuselt üllatavalt lähestikku.
  • Töövoog ja alusmaterjal loevad rohkem kui paar punkti tabelis. Sõltumatud testid näitavad, et sama mudeli tulemus sõltub tugevalt ka töökeskkonnast. Kontoris kehtib sama reegel: selge ülesandepüstitus ja õiged alusfailid annavad suurema võidu kui iga nädal uue tellimuse vahetamine.
  • Kontrolli tähtis töö teise mudeliga üle. Kui üks mudel koostab pakkumise mustandi või võtab kokku lepingutingimused, lase teise tootja mudelil algdokumendi vastu kontrollida, kas midagi olulist jäi välja. Lõpliku otsuse teeb ikka inimene.

Järgmine kord, kui uudistes hõigatakse välja järjekordne „kõige uuem AI-mudel”, mõtle teeäärsele tanklatabloole. See, et suured tegijad üksteist iga paari päeva tagant hinna ja kiirusega üle trumpavad, töötab sinu kasuks. Kütus on hea ja läheb odavamaks. Sina ei pea iga teisipäev tanklat vahetama, piisab kui tead, millise sõidu jaoks mida paaki panna.

Kas maksad AI eest õiget hinda?

Aitame läbi mõelda, millised tööriistad ja töövood annavad su meeskonnale päriselt aega tagasi, ilma ühe tootja külge lukustumata.