OpenAI O3 Mini vs DeepSeek pro agentické využití

K 31. lednu uvedla OpenAI svou novou generaci modelů pro uvažování, O3 Mini Model. Celkově se zdá, že model OpenAI O3 Mini je 15krát levnější při zhruba stejné přesnosti jako model O1, předchozí generace modelů pro uvažování od OpenAI. Nový model, OpenAI O3 Mini, je ve FlowHunt dostupný méně než den po oficiálním uvedení od OpenAI. V tomto blogu se podrobněji podíváme na schopnosti tohoto modelu a porovnáme jej s DeepSeek.

Metriky hodnocení pro OpenAI O3 Mini vs DeepSeek

Při tomto hodnocení jsem využil jednoduchý, ale efektivní pracovní postup zahrnující chat input, chat output a AI generátor, abych získal jasné a srozumitelné vysvětlení hlavní linie zahájení šachu Ruy López. Porovnáním výkonu DeepSeek a O3 Mini jsem mohl posoudit, jak si každý systém vedl při úkolu popsat klíčové tahy—například 1. e4 e5, 2. Nf3 Nc6, 3. Bb5 a6, 4. Ba4 Nf6 a 5. O-O Be7—a jejich další pokračování. Tato komparativní analýza nejen ukazuje schopnosti těchto AI nástrojů při zpracování a předávání komplexních šachových strategií, ale také zdůrazňuje hodnotu jednoduchého konverzačního workflow pro dosažení čitelnosti a praktických hodnotících výsledků.

Toto je postup:

Výsledky DeepSeek

Model jsem požádal následujícím dotazem:
“Dej mi prvních 10 tahů Ruy López.”
Výsledek je následující. Toto je myšlenkový postup DeepSeek:

o3 mini vs deepseek Restarting session Please wait give me first 10 moves of ruy lopez
Dobře, snažím se přijít na prvních 10 tahů zahájení Ruy López v šachu. Vím, že Ruy López je jedno z nejstarších a nejoblíbenějších zahájení, začínající tahy 1.e4 e5. Poté bílý hraje 2.Nf3, rozvíjí jezdce a připravuje se ovládnout centrum. Následuje 2…Nc6, kde černý rozvíjí jezdce a chrání pěšce na e5. Nyní samotné zahájení Ruy López začíná tahem 3.Bb5, kterým bílý útočí na jezdce na c6. Myslím, že toto je klíčový tah, který definuje toto zahájení. Černý obvykle reaguje 3…a6, aby vyzval střelce. Poté bílý hraje 4.Ba4, ustupuje střelcem na bezpečné pole. Zatím mám šest tahů: 1.e4 e5 2.Nf3 Nc6 3.Bb5 a6 4.Ba4. Dalším tahem černého bývá často 4…Nf6, rozvíjí jezdce a napadá pěšce na e4. Bílý poté rošuje 5.0-0, aby zajistil krále a zapojil věž do hry. To je osm tahů. Dále může černý hrát 5…b5, aby vyzval bělopolného střelce na a4 a získal prostor na dámském křídle. Bílý odpovídá 6.c3, podporuje postup d4 a připravuje rozvoj dalších figur. Desátým tahem by bylo 6…d6, čímž černý zpevňuje pěšce na e5 a připravuje rozvoj černopolného střelce. Počkejte, nejsem si jistý, jestli černý vždy hraje 5…b5. Někdy může místo toho zahrát 5…Be7, ale myslím, že 5…b5 je běžnější v uzavřené variantě Ruy López. Také po 6.c3 může černý volit mezi 6…d6 nebo 6…b5 znovu, ale 6…d6 je standardnější pro podporu e5. Měl bych si ještě jednou ověřit pořadí tahů, abych neudělal chybu. Ještě jednou: e4 e5 Nf3 Nc6 Bb5 a6 Ba4 Nf6 0-0 b5 c3 d6 Ano, to vypadá správně. Takže prvních deset tahů je, jak jsem uvedl. Myslím, že je to solidní základ, ale nejsem si jistý, jestli nejsou alternativní varianty, například po 3.Bb5, možná 3…g6 místo 3…a6, ale myslím, že 3…a6 je hlavní linie vedoucí k Morphyho obraně. Takže pro prvních deset tahů zůstanu u toho. Základ pro bílé i černé, bílý usiluje o silné centrum a rozvinutí figur, zatímco černý napadá bělopolného střelce a připravuje další rozvoj.

Finální výsledek:

Prvních deset tahů zahájení Ruy López, podle Morphyho obrany, je následujících:
e4 e5 Nf3 Nc6 Bb5 a6 Ba4 Nf6 0-0 b5 c3 d6
Tato sekvence vytváří pevný základ pro bílé i černé, bílý usiluje o silné centrum a rozvinutí figur, černý napadá střelce a připravuje svůj další rozvoj.

Výsledky OpenAI O3 Mini

Vítězí O3. Odpověď O3 Mini je srozumitelnější a správná.

Ruy López (nebo Španělská hra) je bohaté zahájení s mnoha variantami. Jedním z nejběžnějších způsobů, jak dospět ke klasické uzavřené variantě Ruy López, jsou tyto tahy:
e4 e5 Nf3 Nc6 Bb5 a6 Ba4 Nf6 O-O Be7 Re1 b5 Bb3 d6 c3 O-O h3 Nb8 d4

Zde je krátké vysvětlení myšlenek těchto tahů:

• 1. e4 e5 zakládá klasický boj o centrum.
• 2. Nf3 rozvíjí jezdce a útočí na pěšce e5; černý brání Nc6.
• 3. Bb5 váže jezdce na c6 (který brání e5) a zvyšuje tlak na centrum; černý odpovídá a6.
• 4. Ba4 ustupuje, ale stále drží vazbu; černý rozvíjí další figuru Nf6.
• 5. O-O zajišťuje bezpečí krále; černý hraje Be7 a připravuje rošádu.
• 6. Re1 posiluje pěšce e4; černého b5 vyhání střelce a získává prostor na dámském křídle.
• 7. Bb3 uchovává diagonálu střelce; černý upevňuje centrum tahem d6.
• 8. c3 připravuje podporu pozdějšího postupu d4 a zároveň umožňuje případný ústup střelce, černý rošuje O-O.
• 9. h3 brání vniknutí figury (jezdec nebo střelec) na g4, kde by mohl obtěžovat centrum bílého nebo figury; černý ustupuje jezdcem Nb8 kvůli přesměrování.
• 10. d4 je bílý průlom ve středu šachovnice, který má za cíl narušit pěšcovou strukturu černého.

Mějte na paměti, že se jedná pouze o jednu z mnoha možných variant zahájení Ruy López. Varianty jako otevřená Ruy López nebo jiné linie uzavřené varianty se mohou lišit po 4. tahu nebo dále. Ale výše uvedená sekvence je dobře známou cestou, kterou se řídí mnoho hráčů v klasické šachové teorii.

Hodnocení DeepSeek a OpenAI O3 Mini v agentickém chování

Hodnotili jsme modely pro uvažování na úloze vyžadující použití 2–3 nástrojů pro AI agenty. Zadaný úkol byl:

Zadaný název firmy, vyhledej a najdi stránku s cenami produktu a navrhni vylepšení.
Pořiď také screenshot stránky s cenami.
Poté mi pošli e-mail s výsledky.

Úloha vyžaduje připojení k Google vyhledávači pro nalezení stránky s cenami, procházení této stránky a zaslání podrobné zprávy e-mailem.

Úkol byl záměrně popsán vágně, aby bylo možné ověřit schopnosti modelů v uvažování.

Využití DeepSeek jako AI agenta

DeepSeek nedokázal odeslat e-mail. Celkově naše zkušenost ukazuje, že DeepSeek není při volání nástrojů tak přesný jako OpenAI GPT4o nebo OpenAI O3 Mini. Toto je report vygenerovaný DeepSeekem při analýze stránky s cenami FlowHunt. Zde je myšlenkový proces DeepSeek:

1. Volání Google nástroje:

2. Scraping URL:

Uvažování:

Předmět: Recenze a doporučení stránky s cenami FlowHunt

Dobrý den, [Vaše jméno],

doufám, že Vás tento e-mail zastihne v pořádku. Níže najdete shrnutí stránky s cenami FlowHunt a několik návrhů na vylepšení.

Přehled cen:

FlowHunt nabízí čtyři cenové tarify:

Starter plán (10 €/měsíc):

• 10 kreditů
• 5 workflow na workspace
• 1 workspace
• 1 člen týmu na workspace
• 5 chatbotů na workspace
• 2 weby na workspace
• 5 dokumentů na workspace
• 50 FAQ na workspace
• Přístup ke všem nejnovějším OpenAI LLM, včetně vlastních modelů
• Všechny integrace
• E-mailová podpora

Pro plán (50 €/měsíc):

• 55 kreditů (včetně 10% slevy na kredity)
• 20 workflow na workspace
• 5 workspace
• 10 členů týmu na workspace
• 20 chatbotů na workspace
• 10 webů na workspace
• 50 dokumentů na workspace
• 100 FAQ na workspace
• Přístup ke všem nejnovějším OpenAI LLM, včetně vlastních modelů
• Pro podpora
• Přístup k API klíči
• Základní analytika (již brzy)
• Všechny integrace

Premium plán (500 €/měsíc):

• 600 kreditů (včetně 20% slevy na kredity)
• 50 workflow na workspace
• 10 workspace
• 100 členů týmu na workspace
• 50 chatbotů na workspace
• 30 webů na workspace
• 100 dokumentů na workspace
• 200 FAQ na workspace
• Přístup ke všem nejnovějším OpenAI LLM, včetně vlastních modelů
• Prioritní podpora
• Přístup k API klíči
• Pokročilá analytika (již brzy)
• Úvodní konzultace workflow
• Úvodní školení workflow
• Všechny integrace

Enterprise plán (individuální cena od 1500 €/měsíc):

• Smluvní tokeny (vlastní klíč – BYOK)
• Neomezené workflow
• Neomezené workspace
• Neomezený počet uživatelů
• Neomezený počet chatbotů
• Neomezené harmonogramy
• Neomezené dokumenty
• Neomezený počet otázek a odpovědí
• Neomezená historie chatu
• Přístup ke všem nejnovějším OpenAI LLM, včetně vlastních modelů
• Vyhrazená prioritní podpora
• Přístup k API klíči
• Pokročilá analytika (již brzy)
• Modulární workflow na míru
• Volitelná podpora školení
• Pokročilé zabezpečení a nasazení on-premises

Doporučená vylepšení:

• Porovnávací tabulka funkcí: Vytvořte porovnávací tabulku znázorňující funkce jednotlivých tarifů vedle sebe, aby uživatelé rychleji rozpoznali rozdíly mezi plány.
• Zákaznické reference / případové studie: Přidání referencí nebo případových studií stávajících zákazníků zvýší důvěryhodnost.
• Cenová kalkulačka: Implementujte interaktivní cenovou kalkulačku, která umožní uživatelům odhadnout cenu podle vlastních potřeb, zvláště u Enterprise plánu.
• Zvýraznění zkušební verze zdarma: Zviditelněte možnost bezplatné zkoušky, aby uživatelé byli více motivováni službu vyzkoušet.
• Podrobnější dokumentace / návody: Přidejte odkazy na dokumentaci nebo průvodce nastavením, které uživatelům pomohou co nejlépe využít funkce jednotlivých plánů.

Využití OpenAI O3 Mini jako AI agenta

Naopak model OpenAI O3 Mini dokázal i při tomto stručném zadání přesně rozpoznat potřebné kroky:

1. Google vyhledávání

2. Scraping URL

3. Odeslání e-mailu

Toto je e-mail, který jsem obdržel:

Dobrý den,

níže naleznete výsledky recenze stránky s cenami FlowHunt a několik návrhů na vylepšení:

URL stránky s cenami: https://www.flowhunt.io/pricing/

Screenshot: Byla pořízena obrazovka stránky s cenami. (Prosím, podívejte se na připojený screenshot ve vašem systému.)

Shrnutí stránky s cenami:

Stránka zřetelně zobrazuje čtyři plány: Starter (10 €/měsíc), Pro (50 €/měsíc), Premium (500 €/měsíc) a Enterprise (od 1500 €/měsíc). Každý plán uvádí počet kreditů, limity workflow a týmu, klíčové funkce a možnosti podpory. Stránka obsahuje jak přehled, tak detailní srovnání v podobě tabulky, což potenciálním zákazníkům usnadňuje porovnání jednotlivých plánů.

Doporučená vylepšení:

• Interaktivní cenová kalkulačka: Zvažte přidání interaktivní kalkulačky, která umožní uživatelům upravovat parametry (například počet workflow, členů týmu) a získat tak dynamický odhad měsíčních nákladů.
• Vizuální vylepšení a UX: Přidejte poutavější vizuály (například ikony nebo infografiky), které lépe odliší funkce jednotlivých plánů. Přidejte jemné animace při najetí na detaily plánů pro lepší uživatelský zážitek.
• Převodník měn: Protože ceny jsou uvedeny v eurech, přidejte možnost převodu měny pro lepší lokalizaci pro zahraniční uživatele.
• Výraznější výzva k akci (CTA): Zviditelněte CTA tlačítka a případně přidejte sekundární CTA (např. “Zjistit více” o výhodách plánu) pro uživatele, kteří potřebují před registrací více informací.
• Rozšířená sekce FAQ: Rozšiřte sekci FAQ o podrobnější odpovědi týkající se systému kreditů, možných překročení a typických scénářů zákazníků. Zvažte využití rozbalitelných sekcí pro čistotu stránky a zároveň nabídněte více informací.
• Sociální důkazy a reference: Umístěte reference zákazníků nebo příběhy o úspěchu poblíž cenových sekcí pro zvýšení důvěryhodnosti.
• Optimalizace pro mobilní zařízení: Ujistěte se, že cenová tabulka a všechny interaktivní prvky fungují optimálně i na mobilních zařízeních.
• Integrace chat podpory: Přidejte na stránku s cenami integrovanou live chat nebo chatbot podporu pro okamžité zodpovídání dotazů ohledně cen či detailů plánů.

Implementací těchto vylepšení může FlowHunt nabídnout poutavější a přívětivější prostředí, což může zvýšit míru konverze.

S pozdravem,
[Vaše jméno]

(P.S. Tento e-mail obsahuje výsledky a doporučení pro stránku s cenami FlowHunt i informaci o pořízeném snímku obrazovky.)