LLMs30 Aug, 202604 Mins read

Kdo je podle LLM nejlepší v Linkedinu? (srpen 2026)

Empirický průzkum toho, koho jazykové modely nejčastěji zmiňují.

S naivními měřeními GEO (Generative Engine Optimization) se roztrhl pytel a skoro nikdo to nedělá ~~dobře~~ tak jako já. S dovolením se tedy svezu na vlně hypu o “nejlepších v Linkedinu” (…což je trošku jako best in COVID?); vysvětlím, proč nestačí měřit jednou; a vysvětlím technický detail toho, jak jsem to udělal já.

(Proč já? Nejsem SEO/GEO ani Linkedin mág. Jsem ale zdatný v kvantitativních metodách a rozumím jazykovým modelům a jejich omezením. Za inspiraci děkuji Ivaně Škultéty, MBA.)

Takže nejdřív: kdo vyhrál?

Kdo vyhrál?

Seběhnul jsem troje volby: v ČR, na Slovensku a ve světě¹.

Tabulka výsledků

Pozice²	ČR	SK	Svět
1.	Jana Bártíková	Marta Pálešová	Richard van der Blom
2.	Michaela Chramostová	Ivana Brutenič	Justin Welsh
3.	Michelle Losekoot	Miki Plichta	Jasmin Alić
4.	Martin Hošek	Kristína Cichý Kováčiková	Lara Acosta
5.	Eliška Vyhnánková	Michal Pastier	Goldie Chan

Ale tato tabulka je jen jeden způsob, jak data shrnout. Pokud chcete vědět věci jako:

Jaký je dopad toho, zda modelu umožníme vyhledávat?
Jaký se tabulka změní, když použijeme lokální nebo anglický prompt?
Jaký je dopad toho, zda použijeme Borda count nebo jinou metodu?
Který model měl nejdivnější výsledky?
Který model odmítnul bez vyhledávání spolupracovat?

…čtěte dál nebo se podívejte na detailní výsledky.

Jak jsem to měřil?

Prompt vypadal např. takto:

Rozhodl jsem se konečně začít budovat svoji odbornou značku a vím, že to sám nezvládnu. Hledám někoho v Česku, kdo se profesionálně věnuje budování viditelnosti, publika a reputace na LinkedInu – ať už pro jednotlivce nebo firmy. Můžete mi dát jména pěti nejlepších takových lidí, seřazená od nejlepšího? ³

Prompt jsem nakrmil jazykovým modelům přes API (v případě Sonnetu, Sol 5.6 a Gemini přímo; v případě Perplexity Sonar, DeepSeek a Kimi přes OpenRouter), čímž jsem zachoval izolaci kontextu. V případě prvních tří modelů jsem navíc měřil výkon s možností vyhledávání i bez ní. (To má na volby velký vliv, ale různé modely vyhledávají odlišně.)

Model	Přístup	Vyhledávání
Claude Sonnet 5	Anthropic API	zapnuto i vypnuto
GPT-5.6 Sol	OpenAI API	zapnuto i vypnuto
Gemini 3.1 Pro	Google API	zapnuto i vypnuto
Perplexity Sonar Pro	OpenRouter	jen zapnuto⁴
DeepSeek V4 Pro (0813)	OpenRouter	jen vypnuto
Kimi K3	OpenRouter	jen vypnuto

Každému modelu v každé konfiguraci jsem poslal ten samý prompt třikrát⁵. Protože modely jsou nedeterministické, výsledky se liší napříč pokusy.

Tím jsem získal top-5 lidí každého modelu v dané konfiguraci. Z toho jsem spočítal Borda count, který dává více hlasů těm, kdo jsou uvedení na předních místech. (Detailní výsledky v sobě mají např. i Dowdallovu metodu.)

Zábavné historky z natáčení

Dopady vyhledávání se liší model od modelu

Sonnet bez vyhledávání odmítá hrát vůbec; Opus většinou.
U OpenAI jsou mezi výsledky s a bez vyhledávání významné rozdíly.
U Google Gemini jsou mezi výsledky s vyhledáváním a bez něj mnohem menší rozdíly. (To mi dává intuitivně smysl - Google může trénovat na materiálech z vlastního indexu.)

Nicméně, výsledky s možností vyhledávání jsou většinou… aktuálnější? Např. s vyhledáváním do Top 5 vystřelí Radka Legerská, kterou vídám ve feedu významně častěji než ostatní Linkedin mágy. Obecně budou také externě validnější, protože většina lidí svému chatbotovi vyhledávání nevypne.

Deepseek a Kimi jedou bomby - ale jen v ČR/SR

Vyznají se činské modely na československém trhu? Spíš ne. Ani jeden model nemá na OpenRouter zabudované server-side vyhledávání, takže mi přišlo zajímavé kouknout, co vyprodukují jen ze svých trénovacích dat.

Výsledek mě docela zarazil. Téměř žádná sdílená jména! Pro srovnání, ostatní modely spolu většinou sdílí až polovinu jmen.

Když jsem se jich ale dotázal na světový trh, dostal jsem mnohem méně překvapivé výsledky. To si vysvětluji tím, že na československých top-5 Linkediňácích se destilační útoky⁶ neprovádí.

Více informací v detailních výsledcích.

Sonnet si bez vyhledávání ani neškrtne

Vypadá to, že Sonnet (a do jisté míry i Opus) je natrénovaný, aby při absenci vyhledávání neprodukoval konkrétní jména, ale spíše instrukce, jak si najít vlastní výsledky.

Gemini miluje Sergeje Pavljuka

Čestná zmínka: v úvodním testování se v top 5 v ČR i SR objevoval Sergej Pavljuk — ale jen v Gemini! Nezáleželo přitom na tom, zda nastavení umožňovalo vyhledávání nebo ne - Sergej tam byl vždy.

Někteří lidé jsou vidět jen česky a slovensky

První místa jsou v ČR i SR stejná s anglickým i česko/slovenským promptem - ale další místa už se liší.

Pokud se podíváme jen na prompty v češtině, tak se do první pětky vyšvihne naše známá Radka Legerská či Katka Lusková.

Borda nebo Dowdall má dopady pro světové prvenství, jinak moc ne

Volba toho, jak tabulovat hlasy, měla dopad vlastně jen na to, zda bude první van der Blom nebo Welsh. Oba jsou totiž zmíněni všemi produkty, střídavě na prvním a druhém místě.

Technologické detaily

Harness

Udělal jsem si osobní geo package, který ze sady konfiguračních YAML souborů vytváří sadu promptů, které pak spustí napříč modely a jejich konfiguracími. Výsledky potom vyhodnotí a zobrazí.

Původní využití je pro osobní GEO - tj. navrhnou modely pro konkrétní účel konkrétního člověka, nebo někoho jiného? Ale rychle jsem si uvědomil, že můžu ohnout svůj nástroj i pro tento účel.

Cena

Pro tento účel - 135 promptů napříč 6 modely a devíti konfiguracemi - jsem se vešel do 15 dolarů. Ušetřil jsem na tom, že Anthropic a OpenAI volání jsem jel přes tzv. batch mode - tj. pošlu je všechny najednou a počkám třeba deset minut (nebo deset hodin!), než se na ně dostane řada.

Závěr

GEO se dá dělat i lépe, ale tohle je zábava. Vítězům přeji hodně štěstí a úspěchů na Favikonu i v náhodných testech, jako je ten můj :)

Svět byl trošku kontrolní run, protože jsem chtěl zjistit, jestli něco zpochybní prvenství Richarda van der Bloma a Justina Welshe. Nezpochybnilo. ↩
Borda count; zahrnuty modely s vyhledáváním i bez; do ballotů pro danou lokaci byl zahrnut lokální i anglický prompt; pro granulárnější pohled viz níže. ↩
Je tohle dobrý prompt — tj. má externí validitu? Myslím, že pro osobní GEO spíše ne, protože většina potenciálních zákazníků bude hledat dobrý match pro svou konkrétní situaci místo toho, aby si udělali hitparádu top-5 a z nich vybírali. Je to ale prompt, který používají občané LinkedInu. ↩
Sonar bez vyhledávání neexistuje; vyhledávání je celý jeho produkt. ↩
Proč třikrát? Modely jsou sice nedeterministické, ale Miller (2024) poukazuje na to, že každý další pokus přináší čím dál tím menší přidanou informaci. (Diminishing returns, prostě.) Takže “tři” je rozumné minimum. ↩
Destilační útoky jsou ve zkratce technika, pomocí které se nový model - třeba ten čínský - trénuje na výstupech starého modelu - třeba toho amerického. ↩