מעניין עדכוני בינה מלאכותית

[!!!]

עדכונים מבזקים וחדשות בתחום הבינה המלאכותית

 

[אז נדברו]

חדש ב-Base44: לתכנן לפני שבונים עם Plan Mode

פלטפורמת הפיתוח Base44 משיקה היום את Plan Mode, שכבת תכנון חדשה שמפעילים רגע לפני כתיבת הפרומפט הראשון.

איך זה עובד?
במקום להתחיל ישר בבנייה, מתחילים עם רעיון גולמי ועונים על מספר שאלות ממוקדות שהמערכת מציגה. ה-Plan Mode לוקח את התשובות והופך אותן לתוכנית עבודה מסודרת וברורה.

למה זה משתלם?
גרסה ראשונה חזקה יותר: המערכת בונה את האפליקציה על בסיס התוכנית המובנית, מה שמבטיח תוצאה מדויקת יותר כבר בהתחלה.
חיסכון בקרדיטים: כשיש פחות ניחושים (Guesswork) מצד ה-AI, מגיעים לתוצאות טובות יותר בפחות תיקונים – מה שחוסך לכם קרדיטים יקרים.

הפיצ'ר מתחיל להתגלגל למשתמשים החל מהיום.
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

ה-Claude Opus 4.6 הושק: המודל הכי חכם נהיה חד הרבה יותר

אנתרופיק משיקה את Claude Opus 4.6, שדרוג למודל החזק ביותר שלה, כשהפעם הדגש הוא על יכולות סוכניות (Agentic), זיכרון ענק ואינטגרציה עמוקה לעולם העסקי והפיננסי.

מה חדש במנוע?
עובד עצמאי: המודל יודע לתכנן משימות מורכבות, לעבוד בתוך בסיסי קוד ענקיים ולראשונה – לתפוס ולתקן את הטעויות של עצמו.
זיכרון פנומנלי: זהו מודל ה-Opus הראשון שמציע חלונית קונטקסט של 1 מיליון טוקנים (בבטא), מה שמאפשר לו לעבד כמויות אדירות של מידע בבת אחת.


המהפכה במשרד (Excel & PPT):

המודל מציג קפיצת מדרגה ביכולות הפיננסיות (שיפור של 23% מול Sonnet 4.5) ומביא איתו כלים חדשים:
ה-Claude in Excel: התוסף שופר משמעותית ויודע כעת לטפל במשימות ארוכות, לערוך Pivot Tables, לשנות גרפים, לבצע פורמטינג מותנה ואימות נתונים (Data Validation).
ה- Claude in PowerPoint: פיצ'ר חדש (בבטא) שיושב כסרגל צד, קורא את התבניות (Masters) של הארגון ובונה מצגות שלמות או משפר שקפים קיימים מאפס.
ה-Cowork Mode: מצב עבודה שולחני המאפשר ל-Claude לגשת לתיקיות מקומיות, לערוך קבצים ולהריץ מספר אנליזות במקביל.


אנתרופיק טוענת שהמודל מסוגל לייצר טיוטות ראשונות ברמה כזו שמחליפה "שבועיים-שלושה של עבודת אנליסט בכיר".

מקור: Anthropic
(DT_Spotlight)

 

[nigun]

חברת Anthropic הדגימה שבינה מלאכותית יכולה כעת לבנות תוכנה מורכבת באופן עצמאי כמעט לחלוטין. בניסוי שנמשך שבועיים, מודל ה-AI האחרון של החברה, Claude Opus 4.6 , בנה מאפס מהדר (כלי שמתרגם קוד לשפה שמחשבים מבינים) ללא כמעט התערבות אנושית. התוצאה: תוכנה בת 100,000 שורות שמסוגלת לקמפל מערכות הפעלה ותוכנות אמיתיות, בעלות של פחות מ-20,000 דולר.


המשמעות העיקרית היא שינוי מהותי באופן שבו בינה מלאכותית משמשת לפיתוח תוכנה. עד כה, AI שימש ככלי עזר למתכנתים — השלמת שורות קוד, כתיבת פונקציות בודדות, או עבודה משותפת עם מפתח. הניסוי הזה מראה שהטכנולוגיה מתקרבת ליכולת לקחת פרויקט שלם ולהוציא אותו לפועל בעצמה. התוכנה עדיין לא מושלמת, אבל החוקר מ-Anthropic מודה שהוא לא ציפה שזה יהיה אפשרי כל כך מוקדם — ושלצד ההתלהבות, יש גם דאגה אמיתית מעולם שבו תוכנה נכתבת בלי שבן אדם באמת מפקח על התהליך.

ספוילר: הפוסט המלא

בניית מהדר C עם צוות של מופעי Claude מקביליים​

פורסם ב-5 בפברואר, 2026


הטלנו על Opus 4.6 באמצעות צוותי סוכנים (Agent Teams) לבנות מהדר C (C Compiler), ואז (בעיקר) הלכנו. הנה מה שזה לימד אותנו על העתיד של פיתוח תוכנה אוטונומי.


נכתב על ידי Nicholas Carlini, חוקר בצוות אמצעי ההגנה (Safeguards) שלנו.

---

ערכתי ניסויים עם גישה חדשה לפיקוח על מודלי שפה שאנחנו קוראים לה "צוותי סוכנים" (Agent Teams).


בצוותי סוכנים, מספר מופעים של Claude עובדים במקביל על בסיס קוד משותף ללא התערבות אנושית פעילה. גישה זו מרחיבה באופן דרמטי את היקף מה שניתן להשיג עם סוכני מודלי שפה גדולים (LLM).


כדי לבחון זאת בתנאי קיצון, הטלתי על 16 סוכנים לכתוב מהדר C מבוסס Rust, מאפס, המסוגל להדר את ליבת Linux (Linux Kernel). במהלך כמעט 2,000 סשנים של Claude Code ובעלות API של 20,000 דולר, צוות הסוכנים הפיק מהדר בן 100,000 שורות קוד שיכול לבנות את Linux 6.9 על x86, ARM ו-RISC-V.


המהדר הוא תוצר מעניין כשלעצמו, אך אני מתמקד כאן במה שלמדתי על תכנון מסגרות עבודה (Harnesses) לצוותי סוכנים אוטונומיים שרצים לאורך זמן: כיצד לכתוב בדיקות שמשאירות סוכנים על המסלול ללא פיקוח אנושי, כיצד לבנות את העבודה כך שמספר סוכנים יוכלו להתקדם במקביל, והיכן גישה זו מגיעה לתקרה שלה.

אפשור ריצה ממושכת של Claude​

תשתיות סוכנים קיימות כמו Claude Code דורשות ממפעיל להיות מקוון וזמין לעבודה משותפת. אם מבקשים פתרון לבעיה ארוכה ומורכבת, המודל עשוי לפתור חלק ממנה, אך בסופו של דבר הוא ייעצר ויחכה לקלט נוסף — שאלה, עדכון סטטוס, או בקשה להבהרה.


כדי לעורר התקדמות מתמשכת ואוטונומית, בניתי מסגרת עבודה שמכניסה את Claude ללולאה פשוטה (אם ראיתם את Ralph-loop, זה אמור להיראות מוכר). כשהוא מסיים משימה אחת, הוא מיד עובר לבאה. (הריצו את זה בקונטיינר, לא על המחשב האמיתי שלכם).

#!/bin/bash
while true; do
COMMIT=$(git rev-parse --short=6 HEAD)
LOGFILE="agent_logs/agent_${COMMIT}.log"
claude --dangerously-skip-permissions \
-p "$(cat AGENT_PROMPT.md)" \
--model claude-opus-X-Y &> "$LOGFILE"
done


בפרומפט הסוכן, אני אומר ל-Claude איזו בעיה לפתור ומבקש ממנו לגשת לבעיה על ידי פירוקה לחלקים קטנים, מעקב אחר מה שהוא עובד עליו, הבנה מה לעבוד עליו בהמשך, ולמעשה להמשיך עד שזה מושלם. (בנקודה האחרונה, ל-Claude אין ברירה. הלולאה רצה לנצח — אם כי במקרה אחד, ראיתי את Claude מריץ pkill -9 bash בטעות, ובכך הורג את עצמו ומסיים את הלולאה. אופס!).

הרצת Claude במקביל​

הרצת מספר מופעים במקביל יכולה לטפל בשתי חולשות של מסגרת עבודה חד-סוכנית:


סשן אחד של Claude Code יכול לעשות רק דבר אחד בכל רגע נתון. במיוחד ככל שהיקף הפרויקט מתרחב, ניפוי שגיאות במספר בעיות במקביל הוא הרבה יותר יעיל.


הרצת מספר סוכני Claude מאפשרת התמחות. בעוד מספר סוכנים מוקצים לפתרון הבעיה עצמה, סוכנים מתמחים אחרים יכולים להיות מופעלים (למשל) לתחזוקת תיעוד, שמירה על איכות קוד, או פתרון תת-משימות מתמחות.


המימוש שלי ל-Claude מקבילי הוא בסיסי ביותר. נוצר מאגר git חשוף חדש, ולכל סוכן מוקם קונטיינר Docker עם המאגר מותקן ב-/upstream. כל סוכן משבט עותק מקומי ל-/workspace, וכשהוא מסיים, דוחף מהקונטיינר המקומי שלו ל-upstream.


כדי למנוע משני סוכנים לנסות לפתור את אותה בעיה בו-זמנית, מסגרת העבודה משתמשת באלגוריתם סנכרון פשוט:


Claude "נועל" משימה על ידי כתיבת קובץ טקסט ל-current_tasks/ (למשל, סוכן אחד עשוי לנעול את current_tasks/parse_if_statement.txt, בעוד אחר נועל את current_tasks/codegen_function_definition.txt). אם שני סוכנים מנסים לתפוס את אותה משימה, מנגנון הסנכרון של git מכריח את הסוכן השני לבחור אחרת.


Claude עובד על המשימה, ואז מושך מ-upstream, ממזג שינויים מסוכנים אחרים, דוחף את השינויים שלו, ומסיר את הנעילה. קונפליקטים של מיזוג (Merge Conflicts) שכיחים, אך Claude חכם מספיק כדי להתמודד עם זה.


לולאת יצירת הסוכנים האינסופית משגרת סשן חדש של Claude Code בקונטיינר טרי, והמחזור חוזר על עצמו.


זהו אב-טיפוס מחקרי מוקדם מאוד. עדיין לא יישמתי שום שיטה אחרת לתקשורת בין סוכנים, וגם לא אני אוכף שום תהליך לניהול יעדים ברמה גבוהה. אני לא משתמש בסוכן תזמור (Orchestration Agent).


במקום זאת, אני משאיר לכל סוכן Claude להחליט כיצד לפעול. ברוב המקרים, Claude תופס את "הבעיה הבאה הברורה ביותר". כשהוא תקוע בבאג, Claude לעיתים קרובות ישמור מסמך מתעדכן של גישות שנכשלו ומשימות שנותרו. במאגר ה-git של הפרויקט, אפשר לעבור על ההיסטוריה ולצפות בו תופס נעילות על משימות שונות.

לקחים מתכנות עם צוותי סוכני Claude​

מסגרת העבודה מריצה את Claude בלולאה, אך הלולאה שימושית רק אם Claude יכול לזהות כיצד להתקדם. רוב המאמץ שלי הושקע בתכנון הסביבה סביב Claude — הבדיקות, הסביבה, המשוב — כך שיוכל להתמצא בלעדיי. אלה הגישות שמצאתי כמועילות ביותר בעת תזמור מספר מופעי Claude.

כתבו בדיקות באיכות גבוהה ביותר​

Claude יעבוד באופן אוטונומי לפתרון כל בעיה שאתן לו. לכן חשוב שמאמת המשימות יהיה כמעט מושלם, אחרת Claude יפתור את הבעיה הלא-נכונה. שיפור מסגרת הבדיקות דרש מציאת חבילות בדיקות מהדר באיכות גבוהה, כתיבת מאמתים וסקריפטי בנייה עבור חבילות תוכנה בקוד פתוח, וצפייה בטעויות ש-Claude עשה, ואז תכנון בדיקות חדשות בהתאם לדפוסי הכשל שזיהיתי.


לדוגמה, לקראת סוף הפרויקט, Claude החל לשבור לעיתים קרובות פונקציונליות קיימת בכל פעם שמימש תכונה חדשה. כדי לטפל בכך, בניתי צינור אינטגרציה רציפה (Continuous Integration) ויישמתי אכיפה מחמירה יותר שאפשרה ל-Claude לבדוק את עבודתו טוב יותר כך שקומיטים חדשים (Commits) לא יוכלו לשבור קוד קיים.

שימו את עצמכם בנעליים של Claude​

נאלצתי להזכיר לעצמי כל הזמן שאני כותב את מסגרת הבדיקות הזו עבור Claude ולא עבור עצמי, מה שאומר לחשוב מחדש על הרבה הנחות שלי לגבי האופן שבו בדיקות צריכות לתקשר תוצאות.


לדוגמה, כל סוכן מושלך לתוך קונטיינר טרי ללא הקשר, ויבלה זמן משמעותי בהתמצאות, במיוחד בפרויקטים גדולים. עוד לפני שמגיעים לבדיקות, כדי לעזור ל-Claude לעזור לעצמו, כללתי הנחיות לתחזק קבצי README ומסמכי התקדמות מפורטים שצריכים להתעדכן לעיתים קרובות עם הסטטוס הנוכחי.


גם שמרתי בראש את העובדה שלמודלי שפה יש מגבלות מובנות, שבמקרה הזה היה צריך לתכנן סביבן. אלה כוללות:


זיהום חלון ההקשר (Context Window Pollution): מסגרת הבדיקות לא צריכה להדפיס אלפי בייטים חסרי תועלת. לכל היותר, היא צריכה להדפיס כמה שורות פלט ולרשום את כל המידע החשוב לקובץ לוג כך ש-Claude יוכל למצוא אותו בעת הצורך. קבצי הלוג צריכים להיות קלים לעיבוד אוטומטי: אם יש שגיאות, Claude צריך לכתוב ERROR ולשים את הסיבה באותה שורה כך ש-grep ימצא אותה. זה עוזר לחשב מראש סטטיסטיקות סיכום מצטברות כך ש-Claude לא יצטרך לחשב אותן מחדש.


עיוורון זמן (Time Blindness): Claude לא יכול לדעת מה השעה, ואם משאירים אותו לבד, הוא ישמח לבלות שעות בהרצת בדיקות במקום להתקדם. מסגרת העבודה מדפיסה התקדמות הדרגתית לעיתים רחוקות (כדי להימנע מזיהום ההקשר) וכוללת אפשרות ברירת מחדל --fast שמריצה מדגם אקראי של 1% או 10%. המדגם הזה הוא דטרמיניסטי לכל סוכן אך אקראי בין מכונות וירטואליות, כך ש-Claude עדיין מכסה את כל הקבצים אך כל סוכן יכול לזהות רגרסיות בצורה מושלמת.

הפכו מקביליות לקלה​

כשיש הרבה בדיקות נכשלות שונות, המקביליות היא טריוויאלית: כל סוכן בוחר בדיקה נכשלת שונה לעבוד עליה. אחרי שחבילת הבדיקות הגיעה לשיעור הצלחה של 99%, כל סוכן עבד על הידור של פרויקט קוד פתוח קטן אחר (למשל, SQLite, Redis, libjpeg, MQuickJS, Lua).


אך כשהסוכנים התחילו להדר את ליבת Linux, הם נתקעו. שלא כמו חבילת בדיקות עם מאות בדיקות בלתי-תלויות, הידור ליבת Linux היא משימה אחת עצומה. כל סוכן נתקל באותו באג, תיקן את הבאג, ואז דרס את השינויים של האחרים. ל-16 סוכנים שרצים לא הייתה תועלת כי כולם היו תקועים בפתרון אותה משימה.


הפתרון היה להשתמש ב-GCC כאורקל מהדר תקין מקוון (Online Known-Good Compiler Oracle) להשוואה. כתבתי מסגרת בדיקות חדשה שהידרה באופן אקראי את רוב הליבה באמצעות GCC, ורק את הקבצים הנותרים עם מהדר ה-C של Claude. אם הליבה עבדה, הבעיה לא הייתה בתת-הקבוצה של הקבצים של Claude. אם היא נשברה, אפשר היה לצמצם עוד על ידי הידור מחדש של חלק מהקבצים עם GCC. זה אפשר לכל סוכן לעבוד במקביל, לתקן באגים שונים בקבצים שונים, עד שמהדר Claude יכול היה להדר את כל הקבצים. (אחרי שזה עבד, עדיין היה צורך להפעיל טכניקות ניפוי דלתא (Delta Debugging) כדי למצוא זוגות קבצים שנכשלו ביחד אך עבדו בנפרד.)

תפקידי סוכנים מרובים​

מקביליות גם מאפשרת התמחות. קוד שנכתב על ידי מודלי שפה גדולים ממש-מחדש לעיתים קרובות פונקציונליות קיימת, ולכן הקצאתי סוכן אחד לאחד כל קוד כפול שימצא. סוכן אחר מיניתי אחראי על שיפור ביצועי המהדר עצמו, ושלישי הפכתי לאחראי על פלט קוד מהודר יעיל. ביקשתי מסוכן נוסף לבקר את התכנון של הפרויקט מנקודת המבט של מפתח Rust, ולבצע שינויים מבניים בפרויקט כדי לשפר את איכות הקוד הכוללת, וסוכן אחר לעבוד על תיעוד.

בחינת קיצון של גבולות צוותי סוכנים​

פרויקט זה תוכנן כמדד יכולות (Capability Benchmark). אני מעוניין לבחון בתנאי קיצון את גבולות מה שמודלי שפה גדולים יכולים בקושי להשיג היום, כדי לעזור לנו להתכונן למה שמודלים ישיגו באופן אמין בעתיד.


השתמשתי בפרויקט מהדר ה-C כמדד לאורך כל סדרת המודלים Claude 4. כפי שעשיתי עם פרויקטים קודמים, התחלתי בניסוח מה שרציתי: מהדר מייעל מאפס ללא תלויות, תואם GCC, מסוגל להדר את ליבת Linux, ומתוכנן לתמוך במספר קצוות אחוריים (Backends). בעוד שציינתי כמה היבטים של התכנון (למשל, שצריך להיות לו ייצוג ביניים SSA‏ (SSA IR) כדי לאפשר מספר מעברי אופטימיזציה), לא נכנסתי לפרטים כיצד לעשות זאת.


מודלי Opus 4 קודמים בקושי היו מסוגלים להפיק מהדר פעיל. Opus 4.5 היה הראשון לחצות סף שאפשר לו להפיק מהדר פעיל שיכול לעבור חבילות בדיקות גדולות, אך הוא עדיין לא היה מסוגל להדר פרויקטים גדולים אמיתיים. המטרה שלי עם Opus 4.6 הייתה שוב לבחון את הגבולות.

הערכה​

במהלך כמעט 2,000 סשנים של Claude Code על פני שבועיים, Opus 4.6 צרך 2 מיליארד טוקני קלט ויצר 140 מיליון טוקני פלט, בעלות כוללת של מעט פחות מ-20,000 דולר. בהשוואה אפילו לתוכניות Claude Max היקרות ביותר, זה היה פרויקט יקר במיוחד. אך הסכום הכולל הוא חלק קטן ממה שהיה עולה לי לייצר זאת בעצמי — שלא לדבר על צוות שלם.


זה היה מימוש בחדר נקי (Clean-Room Implementation — מימוש ללא גישה למימושים קיימים; ל-Claude לא הייתה גישה לאינטרנט בשום שלב במהלך הפיתוח); הוא תלוי רק בספרייה הסטנדרטית של Rust. המהדר בן 100,000 השורות יכול לבנות ליבת Linux 6.9 הניתנת לאתחול על x86, ARM ו-RISC-V. הוא גם יכול להדר את QEMU, FFmpeg, SQLite, postgres, redis, ויש לו שיעור הצלחה של 99% ברוב חבילות בדיקות המהדר, כולל חבילת הבדיקות הקיצונית של GCC‏ (GCC Torture Test Suite). הוא גם עובר את מבחן הלקמוס האולטימטיבי של המפתחים: הוא יכול להדר ולהריץ את Doom.


עם זאת, למהדר יש מגבלות. אלה כוללות:


חסר בו מהדר x86 של 16 סיביות שנחוץ לאתחול Linux ממצב אמיתי (Real Mode). לשם כך, הוא פונה ל-GCC (מהדרי x86_32 ו-x86_64 הם שלו עצמו).


אין לו אסמבלר ומקשר (Assembler and Linker) משלו; אלה הרכיבים האחרונים ש-Claude התחיל לאוטמט והם עדיין מעט בעייתיים. סרטון ההדגמה הופק עם אסמבלר ומקשר של GCC.


המהדר בונה בהצלחה פרויקטים רבים, אך לא את כולם. הוא עדיין לא תחליף ישיר (Drop-in Replacement) למהדר אמיתי.


הקוד המיוצר אינו יעיל במיוחד. אפילו עם כל האופטימיזציות מופעלות, הוא מפיק קוד פחות יעיל מ-GCC עם כל האופטימיזציות מכובות.


איכות קוד ה-Rust סבירה, אך רחוקה מהאיכות שמתכנת Rust מומחה עשוי להפיק.


המהדר המתקבל הגיע כמעט לגבולות היכולות של Opus. ניסיתי (חזק!) לתקן כמה מהמגבלות שלעיל אך לא הצלחתי לחלוטין. תכונות חדשות ותיקוני באגים שברו לעיתים קרובות פונקציונליות קיימת.


כדוגמה מאתגרת במיוחד, Opus לא היה מסוגל ליישם מחולל קוד x86 של 16 סיביות הנדרש לאתחול למצב אמיתי של 16 סיביות. בעוד המהדר יכול להפיק x86 תקין של 16 סיביות דרך קידומות ה-opcode‏ 66/67, הפלט המהודר המתקבל הוא מעל 60KB, הרבה מעבר למגבלת הקוד של 32K שנאכפת על ידי Linux. במקום זאת, Claude פשוט "מרמה" כאן ופונה ל-GCC בשלב זה (זה נכון רק עבור x86. עבור ARM או RISC-V, מהדר Claude יכול להדר לבד לחלוטין.)


קוד המקור של המהדר זמין. הורידו אותו, עברו על הקוד, ונסו אותו על פרויקטי ה-C האהובים עליכם. מצאתי באופן עקבי שהדרך הטובה ביותר להבין מה מודלי שפה יכולים לעשות היא לדחוף אותם עד הגבול, ואז לחקור היכן הם מתחילים להישבר. בימים הקרובים, אמשיך לגרום ל-Claude לדחוף שינויים חדשים אם תרצו לעקוב אחר הניסיונות המתמשכים של Claude להתמודד עם מגבלות אלה.

מבט קדימה​

כל דור של מודלי שפה פותח דרכי עבודה חדשות איתם. מודלים מוקדמים היו שימושיים להשלמת טאבים בסביבות פיתוח (IDE). תוך זמן קצר, מודלים יכלו להשלים גוף פונקציה מתוך מחרוזת התיעוד שלה (Docstring). ההשקה של Claude Code הביאה סוכנים לזרם המרכזי ואפשרה למפתחים לתכנת בזוגות עם Claude. אך כל אחד מהמוצרים הללו פועל תחת ההנחה שמשתמש מגדיר משימה, מודל שפה רץ למשך מספר שניות או דקות ומחזיר תשובה, ואז המשתמש מספק המשך.


צוותי סוכנים מראים את האפשרות ליישם פרויקטים שלמים ומורכבים באופן אוטונומי. זה מאפשר לנו, כמשתמשים בכלים אלה, להיות שאפתניים יותר עם המטרות שלנו.


אנחנו עדיין בתחילת הדרך, ופיתוח אוטונומי לחלוטין כרוך בסיכונים אמיתיים. כשאדם יושב עם Claude במהלך הפיתוח, הוא יכול להבטיח איכות עקבית ולתפוס שגיאות בזמן אמת. עבור מערכות אוטונומיות, קל לראות בדיקות עוברות ולהניח שהעבודה הושלמה, כשזה כמעט אף פעם לא המצב. עבדתי בעבר בבדיקות חדירה (Penetration Testing), ניצול פגיעויות במוצרים שיוצרו על ידי חברות גדולות, והמחשבה על מתכנתים שפורסים תוכנה שמעולם לא אימתו אישית היא דאגה אמיתית.


אז, בעוד הניסוי הזה מרגש אותי, הוא גם משאיר אותי עם תחושת אי-נוחות. בניית המהדר הזה הייתה מהדברים הכי כיפיים שעשיתי לאחרונה, אך לא ציפיתי שזה יהיה בכלל אפשרי כל כך מוקדם ב-2026. ההתקדמות המהירה הן במודלי שפה והן במסגרות שאנחנו משתמשים בהן לאינטראקציה איתם פותחת את הדלת לכתיבת כמות עצומה של קוד חדש. אני מצפה שהיישומים החיוביים יעלו במשקלם על השליליים, אך אנחנו נכנסים לעולם חדש שידרוש אסטרטגיות חדשות כדי לנווט בו בבטחה.

 

[רותי א. צלמת]

כתובת האתר AI.com נרכשה תמורת 70 מיליון דולרים - המחיר הגבוה ביותר שנחשף אי פעם עבור מכירת שם דומיין.

 

[אז נדברו]

ה-Claude Opus 4.6 הושק: המודל הכי חכם נהיה חד הרבה יותר

אנתרופיק משיקה את Claude Opus 4.6, שדרוג למודל החזק ביותר שלה, כשהפעם הדגש הוא על יכולות סוכניות (Agentic), זיכרון ענק ואינטגרציה עמוקה לעולם העסקי והפיננסי.

מה חדש במנוע?
עובד עצמאי: המודל יודע לתכנן משימות מורכבות, לעבוד בתוך בסיסי קוד ענקיים ולראשונה – לתפוס ולתקן את הטעויות של עצמו.
זיכרון פנומנלי: זהו מודל ה-Opus הראשון שמציע חלונית קונטקסט של 1 מיליון טוקנים (בבטא), מה שמאפשר לו לעבד כמויות אדירות של מידע בבת אחת.


המהפכה במשרד (Excel & PPT):

המודל מציג קפיצת מדרגה ביכולות הפיננסיות (שיפור של 23% מול Sonnet 4.5) ומביא איתו כלים חדשים:
ה-Claude in Excel: התוסף שופר משמעותית ויודע כעת לטפל במשימות ארוכות, לערוך Pivot Tables, לשנות גרפים, לבצע פורמטינג מותנה ואימות נתונים (Data Validation).
ה- Claude in PowerPoint: פיצ'ר חדש (בבטא) שיושב כסרגל צד, קורא את התבניות (Masters) של הארגון ובונה מצגות שלמות או משפר שקפים קיימים מאפס.
ה-Cowork Mode: מצב עבודה שולחני המאפשר ל-Claude לגשת לתיקיות מקומיות, לערוך קבצים ולהריץ מספר אנליזות במקביל.


אנתרופיק טוענת שהמודל מסוגל לייצר טיוטות ראשונות ברמה כזו שמחליפה "שבועיים-שלושה של עבודת אנליסט בכיר".

מקור: Anthropic
(DT_Spotlight)

 

[אז נדברו]

ה-GPT-5.3-Codex: כבר לא רק מתכנת, אלא "סוכן על" למחשב שלכם

חברת OpenAI משיקה את GPT-5.3-Codex, ומשנה את ההגדרה של "סוכן קוד". המודל החדש הוא כבר לא רק עוזר למתכנתים, אלא סוכן כללי שמסוגל לבצע עבודות מקצועיות מקצה לקצה על המחשב.

מה חדש?
המודל מהיר ב-25% מהדור הקודם (5.2) ושובר שיאים במדדי קידוד וסוכנים (כמו SWE-Bench Pro ו-OSWorld).
מעבר לקוד, הוא יודע לבצע מחקר, לבנות מצגות, לנתח גליונות נתונים ולכתוב מסמכי מוצר עבור מגוון מקצועות.
הסוכן מעדכן בזמן אמת על הפעולות שלו ומאפשר למשתמש לכוון ולתקן אותו תוך כדי ריצה.

צוות OpenAI השתמש ב-Codex עצמו כדי לפתח ולנטר את המודל החדש, כולל שיפור תשתיות ה-GPU.

המודל, שרץ על מערכות ה-NVIDIA GB200 החדשים, זמין כעת למנויי ChatGPT בתשלום בכל הממשקים.

מקור: OpenAI
(DT_Spotlight)

 

[אז נדברו]

"גוגל מתה". זוכרים את הכותרת הזו?

לפני שנה-שנתיים כולם הספידו אותה. אמרו ש-ChatGPT יאכל אותה, ש-Perplexity יחליף אותה, שהיא דינוזאור איטי ומסורבל.
אז הדינוזאור הזה פשוט קם, ניער את האבק, והניח על השולחן דוח רבעוני של 400 מיליארד דולר.

אבל המספרים הם לא הסיפור. הסיפור הוא הטרנספורמציה.
גוגל של 2026 היא כבר לא חברת "חיפוש". היא חברת תשתית הקיום שלנו:

המוח: Gemini 3 הוא כבר לא "המתחרה של". הוא המנוע שרץ אצל 75% מלקוחות הענן שלהם.

הגוף: Waymo (הנהיגה האוטונומית) היא כבר לא ניסוי מעבדה. 20 מיליון נסיעות, 400 אלף בשבוע. הרובוטים כבר כאן, והם נוהגים יותר טוב מכם.

העתיד: שימו לב למספר הכי משוגע בדוח – 185 מיליארד דולר. זה הסכום שגוגל מתכננת להשקיע בשנה הבאה רק על תשתיות (CapEx).

תבינו את סדר הגודל - זה תקציב של מדינה בינונית. רק על שרתים, שבבים וחשמל.
זה אומר שגוגל לא משחקת כדי "לנצח בתחרות". היא משחקת כדי להיות המשטח שעליו המשחק מתקיים.

אז כן, החיפוש השתנה (שאילתות קוליות, ויזואליות, מורכבות יותר). אבל גוגל הוכיחה שהיא יודעת לרקוד גם כשמשנים את המוזיקה.
השאלה היא כבר לא "מי יהרוג את גוגל", אלא האם נשאר בכלל מקום למישהו אחר לנשום בעולם שבו היא מחזיקה גם את המידע, גם את הענן, וגם את ההגה?

הענק התעורר. והוא רעב.

לדוח המלא של גוגל
(DT_Spotlight)

 

[שמח-לעזור]

אתר של גוגל לבניית אפליקציות או אתרים (יחסית חדש)
כאן

 

[אז נדברו]

פלטפורמת Base44 משיקה את "Capture": להפוך כל אתר לאבני בניין

פיצ'ר חדש ומרשים ב-Base44 מאפשר למשתמשים "ללכוד" (Capture) כל אתר אינטרנט קיים פשוט על ידי הדבקת כתובת ה-URL שלו.

המערכת הופכת את האתר החי לאבני בניין הניתנות לעריכה מלאה. כלי מושלם עבור:
העברת אתרים (Migrations)
עיצוב מחדש (Redesigns)
איטרציות מהירות על בסיס מבנה קיים

הפיצ'ר זמין כעת למשתמשים בתוכנית Starter ומעלה.
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

חברת Mistral נכנסת לקול: הכירו את Voxtral

חברת Mistral AI משיקה סדרת מודלים חדשה לעיבוד קול, עם דגש על מהירות ומחיר תחרותי במיוחד.
המודלים החדשים:

ה-Voxtral Realtime:
נבנה במיוחד לסוכנים קוליים ואפליקציות לייב.

מהירות: ארכיטקטורת סטרימינג שמאפשרת לייטנסי (השהייה) של מתחת ל-200ms.

דיוק: ב-480ms הוא שומר על דיוק כמעט זהה למודל האופליין (פער של 1-2% ב-WER).

פתוח: המשקולות משוחררים ברישיון Apache 2.0 (קוד פתוח).

מחיר: 0.006$ לדקה ב-API.

ה-Voxtral Mini Transcribe 2:
מודל לתמלול Batch (קבצים).

ביצועים: מתגאה ביחס עלות-תועלת הטוב בשוק – 4% שגיאה (WER) במבחן FLEURS.

פיצ'רים: זיהוי דוברים (Diarization), תמיכה ב-13 שפות וחותמות זמן ברמת המילה.

מחיר: זול במיוחד – 0.003$ לדקה.

המודלים זמינים כעת להתנסות ב-Playground החדש של Mistral Studio.
(DT_Spotlight)

 

[אז נדברו]

ה-CFO החדש שלכם: כך תהפכו את Gemini למכונת חיסכון ב-2026

גוגל פרסמה מדריך פרקטי שמדגים איך להפוך את ה-AI ממנוע חיפוש למנהל הכספים האישי שלכם. הרעיון הוא לשלב את Gemini עם המידע האישי שלכם ב-Google Sheets וב-Gmail כדי ליצור תקציב חכם, אוטומטי ודינמי לשנת 2026.

הנה הדרכים הכי פרקטיות שבהן הוא יכול לחסוך לכם כסף וכאב ראש:

בלש המנויים (דרך Gmail)
אחד השימושים הכי חזקים: Gemini יכול לסרוק את המייל שלכם, לאתר קבלות ואישורי חיוב של מנויים חוזרים (סטרימינג, אפליקציות, שירותי ענן), ולייצר רשימה מסודרת בטבלה. כך תוכלו לראות בדיוק מה יורד לכם מהחשבון ולבטל את מה שמיותר.

להתמקח כמו מקצוענים
מרגישים שחשבון האינטרנט או הסלולר מנופח? במקום לשבור את הראש מה להגיד לנציג, תנו ל-Gemini את הנתונים (כמה אתם משלמים וכמה זמן אתם לקוחות). הוא ינסח עבורכם מייל אסרטיבי ומנומס לשירות הלקוחות כדי לדרוש הוזלה או השוואת תנאים למתחרים.

אקסל בלי לדעת אקסל
בניית תקציב מאפס: בקשו ממנו ליצור תבנית תקציב ב-Google Sheets עם עמודות להכנסות, הוצאות קבועות וחיסכון.
ניתוח הוצאות: העלו את פירוט האשראי הגולמי, והוא יסווג אוטומטית כל שורה לקטגוריות (סופר, דלק, בילויים) כדי שתראו איפה הכסף "נוזל".
נוסחאות קסם: הסתבכתם עם VLOOKUP? תארו לו במילים מה אתם רוצים לחשב, והוא יכתוב עבורכם את הנוסחה המדויקת להעתקה.

חיזוי עתידות פיננסי
מתכננים לקנות רכב או לטוס לטיול גדול ב-2026?
ה-Gemini יעזור לכם לבנות תרחישים ("מה קורה אם שכר הדירה עולה ב-10%?"), לחשב עלויות נלוות (ביטוח, תחזוקה), ולפרוס את ההוצאה לתשלומים כדי לראות איך זה משפיע על התזרים החודשי.

חיסכון גם במקרר
הוא יכול לבנות תפריט שבועי שמותאם לתקציב שלכם, כולל רשימת קניות מרוכזת שמנצלת את אותם המצרכים למספר ארוחות כדי לצמצם בזבוז מזון וכסף.

מקור ולפרומפטים המלאים: Google Blog
(DT_Spotlight)

 

[אז נדברו]

אנתרופיק שוברת שיאים: גיוס של 20 מיליארד דולר לפי שווי דמיוני

חמישה חודשים בלבד אחרי הגיוס הקודם, אנתרופיק (Anthropic) מכפילה את ההימור וסוגרת סבב ענק של 20 מיליארד דולר, שמעניק לחברה שווי שוק בלתי נתפס של כ-350 מיליארד דולר.

למה כולם רוצים נתח?
הלחץ מצד המשקיעים (ביניהם אנבידיה, מיקרוסופט, סקויה וקרנות ענק) היה כה חזק, שהיקף הסבב הוכפל מהתכנון המקורי.
ההצלחה של סוכני הקוד והמודלים החדשים למחקר משפטי ועסקי, שכבר גורמים לרעידות בשוק ומפילים מניות של חברות דאטה מסורתיות.


המהלך קורה במקביל לדיווחים ש-OpenAI עובדת על גיוס מפלצתי של כ-100 מיליארד דולר, וש-xAI (כחלק מ-SpaceX) נערכת גם היא למהלך ציבורי.

מקור: TechCrunch
(DT_Spotlight)

 

[אז נדברו]

חברת ElevenLabs משיקה את Audiobooks: ליצור ולהוציא לאור ספר שמע בתוך דקות

חברת ElevenLabs מציגה את Audiobooks in ElevenCreative – ערכת כלים מלאה שמאפשרת להפוך טקסט לספר שמע מקצועי, לערוך אותו ולהפיץ אותו, הכל במקום אחד וללא צורך באולפן הקלטות או בצוות הפקה.

הפלטפורמה מציעה שני מסלולי עבודה לבחירה:
יצירה מיידית (Instant Creation): להפוך סיפור לאודיו בקליק אחד, מושלם לאיטרציות מהירות.
שליטה מלאה (Studio Access): עבודה ברמת הסטודיו עם אפשרות לבימוי קול מדויק, שליטה בקצב ובניואנסים של כל סצנה וסצנה.

ניתן להתחיל ליצור ספרי שמע כאן
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

עכשיו זה רשמי. המודעות הגיעו ל-ChatGPT.

חברת OpenAI הודיעה על תחילת הפיילוט: משתמשים במסלול החינמי (Free ו-Go, כרגע בארה"ב) יתחילו לראות פרסומות בתוך הצ'אט.

על פניו? הם עשו הכל "נכון".
הם עוטפים את הגלולה המרה הזו בנייר צלופן מרגיע:
הפרדה ויזואלית - המודעות יסומנו בבירור כ-"Sponsored".
הבטחת פרטיות- המפרסמים לא יקבלו את היסטוריית הצ'אט שלכם, אלא רק נתונים אגרגטיביים (כלליים).
שליטה - תוכלו למחוק את היסטוריית הפרסומות ואפילו להסתיר מודעות ספציפיות.
טאבו - לא יהיו פרסומות בנושאי בריאות, פוליטיקה, או למשתמשים מתחת לגיל 18.

הנרטיב שלהם: "אנחנו עושים את זה כדי לממן את הגישה החינמית להמונים". הם מוכרים לנו את הפרסומות כ-"מס של דמוקרטיזציה".

אבל בואו נפרק את זה.
כדי להציג לכם פרסומת "רלוונטית", המערכת חייבת לנתח את מה שכתבתם בזמן אמת.
אתם שואלים על תכנון חופשה? האלגוריתם יזהה "הזדמנות" וידחוף לכם מלון.
מתייעצים על ארוחת ערב? תקבלו הצעה מרשת מזון.
פורקים תסכול על הבוס? אל תתפלאו אם תקבלו מודעה לאתר דרושים.

אנחנו עדים לרגע היסטורי שבו האינטרנט מתפצל סופית לשני מעמדות:
האצולה הדיגיטלית - אלו שישלמו מנוי ויקבלו אינטליגנציה נקייה, אובייקטיבית ודיסקרטית. "מרחב נקי למחשבה".
הפרולטריון הדיגיטלי - ההמונים שיקבלו גישה ל-AI הכי חזק בעולם, אבל המוח שלהם יהפוך לשטח נדל"ן מסחרי.

בגוגל ופייסבוק מכרנו את "תשומת הלב" שלנו. כאן אנחנו מוכרים את תהליכי המחשבה הכי אינטימיים שלנו. וזה מפחיד.
(DT_Spotlight)

 

[אז נדברו]

חברת OpenAI משדרגת את Deep Research: מנוע GPT-5.2 ושליטה מלאה

חברת OpenAI משיקה עדכון משמעותי לכלי המחקר שלה (שם קוד: Venus), שמופעל כעת על ידי המודל החדש GPT-5.2 ופועל כ-MCP Connector לטובת דוחות מדויקים ואמינים יותר.

מה חדש?
שליטה במקורות: ניתן להגביל את המחקר לאתרים ספציפיים ולחבר (לקריאה בלבד) מקורות פרטיים כמו Google Drive, SharePoint ומאגרי מידע מקצועיים (כמו FactSet ו-PitchBook).
ניהול בזמן אמת: אפשר לערוך את תוכנית המחקר לפני ההתחלה, לעקוב אחרי ההתקדמות בלייב, לשנות כיוון או להוסיף מקורות תוך כדי ריצה.
ייצוא מקצועי: ממשק חדש במסך מלא עם תוכן עניינים, ציטוטים ואפשרות הורדה כ-PDF, Word או Markdown.

זמינות:
העדכון מתגלגל היום למנויי Plus ו-Pro. משתמשים בגרסה החינמית יקבלו גישה בימים הקרובים (עם אופציה לשימוש במודלים קודמים).

מקור: OpenAI
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

משתמשי Windows? תתחדשו: Cowork מגיע למחשב שלכם

אנתרופיק מעדכנת שכלי ה-Cowork שלה זמין כעת גם למשתמשי Windows, עם שוויון מלא ביכולות מול גרסת ה-Mac.

מה מקבלים?
סט הכלים המלא: גישה לקבצים מקומיים, הרצת משימות מרובות-שלבים (Multi-step), תוספים (Plugins) וחיבורי MCP.
הוראות קבועות (חדש!): כעת ניתן להגדיר הוראות גלובליות או ברמת התיקייה, כך ש-Claude "ייקח איתו" את ההקשר וההעדפות שלכם לכל סשן עבודה מחדש.

הפיצ'ר זמין כעת ב-Research Preview לכל תוכניות Claude בתשלום.

להורדה והתנסות
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

חדשות טובות למשתמשי החינם ב-Claude

אנתרופיק משחררת לכם פיצ'רים שהיו עד כה בתשלום:
יצירת קבצים ו-Skills: כתיבת קוד ומסמכים ושימוש בכלים חיצוניים.
ואת Compaction: סיכום אוטומטי של השיחה שמאפשר להמשיך דיונים ארוכים בלי לאבד את ההקשר.
(DT_Spotlight)

 

[אז נדברו]

חברת Similarweb משיקה את AI Studio

פלטפורמה חדשה בעולם המודיעין העסקי ומנגישה תובנות שוק מורכבות לכל עובד בארגון באמצעות שיחה פשוטה בשפה טבעית.

מה זה בעצם?
ה-AI Studio הוא "שכבת בינה" שיושבת מעל מאגרי הדאטה העצומים של Similarweb (הכוללים נתונים על 100 מיליון אתרים, 6 מיליארד מילות מפתח ו-4 מיליון אפליקציות) ומאפשרת לשלוף מהם תובנות בלי צורך להיות אנליסט מומחה.

היכולות המרכזיות:
ה-Chat: צ'אט בוט חכם שנותן תשובות מיידיות לשאלות עסקיות ("מי המתחרים שלי בצרפת?", "איזה מילות מפתח במגמת עלייה?") ושומר על הקשר השיחה.
ה-Deep Research: סוכן מחקר שמייצר דוחות מקיפים ומוכנים להנהלה (ברמת ייעוץ אסטרטגי) תוך דקות ספורות, במקום שעות של עבודה ידנית.
ה-AI Dashboards: בניית דשבורדים ויזואליים שמתעדכנים אוטומטית פשוט על ידי תיאור מילולי של מה שאתם רוצים לראות.

הכלי נבנה עבור צוותי אנטרפרייז ומאפשר למחלקות שונות – משיווק ומכירות ועד אסטרטגיה והשקעות – לקבל החלטות מבוססות נתונים במהירות שיא. בבטא, החברה דיווחה על זינוק במספר המשתמשים הפעילים בארגונים מ-3 ל-28 בממוצע, בזכות הסרת החסם הטכני.

הפלטפורמה זמינה כעת ללקוחות Enterprise של Similarweb.
(DT_Spotlight)

דלגו עכשיו

 

[אז נדברו]

תעצרו רגע.
ותקראו את המאמר הזה של מאט שומר (Matt Shumer).

זוכרים את פברואר 2020?
כשהקורונה הייתה רק "איזה וירוס בסין", המסעדות היו מלאות והבורסה הייתה בשיא? ואז, תוך שלושה שבועות – העולם עצר והמציאות השתנתה לנצח.

שומר, יזם ומשקיע AI, טוען שאנחנו בדיוק שם.
אנחנו בשלב ה"זה נראה מוגזם", דקה לפני הצונאמי.

הנה כמה תובנות מהטקסט שלו שאתם חייבים להפנים ועכשיו:

ה-5 בפברואר 2026 שינה את העולם (ואף אחד לא שם לב)
לפני שבוע יצאו GPT-5.3 ו-Opus 4.6. זה לא "עוד שדרוג".
שומר מתאר את יום העבודה החדש שלו: הוא כותב למודל "תבנה לי את האפליקציה הזו", והולך ל-4 שעות. כשהוא חוזר? ה-AI לא רק כתב את הקוד. הוא הריץ את האפליקציה, לחץ על הכפתורים, זיהה באגים, תיקן אותם, ושיפר את העיצוב על דעת עצמו.

יש להם "טעם"
לראשונה, המודלים החדשים קיבלו יכולת שתמיד אמרו שלא תהיה למכונה: שיקול דעת. תחושה של מה נכון ומה לא. הם לא רק ממלאים פקודות, הם מקבלים החלטות עיצוביות ומוצריות.

ה-AI בונה את ה-AI
ב-OpenAI מודים בגלוי במסמכים הטכניים: המודל החדש שימש כדי לכתוב, לדבג ולאמן את עצמו. אנחנו עדים ללולאת משוב (Feedback Loop) שאין לה תקדים בהיסטוריה. המכונה משפרת את המכונה.

אשליית ה"חינם"
למה רוב האנשים אדישים? כי הם משתמשים בגרסה החינמית. שומר מגדיר את זה מצוין: ההבדל בין ChatGPT החינמי למודלים החדשים בתשלום, הוא כמו ההבדל בין טלפון חוגה לאייפון 16. מי שלא משלם, פשוט לא רואה את המהפכה.

השורה התחתונה שלו? תתחילו לחיות את זה.
אל תשתמשו בזה כגוגל. תקדישו שעה ביום להבין איך הדבר הזה מחליף אתכם – כדי שתוכלו להיות אלו שמנהלים אותו, ולא אלו שמוחלפים על ידו.

תעשו לעצמכם טובה. כנסו, תקראו את המאמר המלא (אנגלית), ותתחילו להתכונן.

העתיד כבר כאן.
(DT_Spotlight)

 

[אז נדברו]

רשמי. חברת ByteDance משיקה את Seedance 2.0: מתחרה משוגע ל-Sora ו-Veo

חברת ByteDance (הבעלים של TikTok) מכריזה רשמית על Seedance 2.0, מודל הדור הבא שלה ליצירת וידאו. המודל מבוסס על ארכיטקטורה מאוחדת המייצרת אודיו ווידאו במקביל, ומציג קפיצת מדרגה ביכולות השליטה, הריאליזם והסנכרון.

יכולות מרכזיות וחידושים

מולטי-מודאליות קיצונית: המודל תומך בהזנה משולבת של עד 9 תמונות, 3 קליפי וידאו ו-3 קטעי אודיו במקביל כדי לכוון את היצירה. הוא יודע להתייחס לקומפוזיציה, תנועת מצלמה וקצב מהחומרים שהוזנו.

איכות ופיזיקה: לעומת הגרסה הקודמת (1.5), Seedance 2.0 מציג שיפור משמעותי ביציבות התנועה, בדיוק הפיזיקלי ובריאליזם החזותי, במיוחד בסצנות מורכבות ורב-משתתפים. דוגמה לכך היא היכולת לייצר רוטינת החלקה על הקרח עם קפיצות מסונכרנות תוך שמירה על חוקי הפיזיקה.

אודיו מסונכרן: המודל כולל יכולות אודיו סטריאופוניות (דו-ערוציות), ומייצר מוזיקת רקע, אפקטים וקולות דמויות שמסונכרנים בדיוק לקצב התמונה.

כלי עריכה ושליטה: המערכת מאפשרת "עריכת וידאו" אמיתית – שינוי דמויות, פעולות ועלילה בתוך קליפ קיים, וכן הארכת וידאו (Video Extension). השאיפה היא לתת למשתמש שליטה ברמת "במאי" על תאורה, משחק ותנועה.

שימושים, זמינות ותחרות

המודל מכוון לשימוש תעשייתי (פרסום, קולנוע, משחקים) במטרה להחליף צילומי לייב ו-VFX ולהוזיל עלויות. ברשתות כבר צצו סרטונים ויראליים בסגנון אנימה, סרטי פעולה ודמויות מוכרות.

זמינות: כרגע המודל זמין דרך פלטפורמת Dreamina של ByteDance ובאפליקציית ה-AI שלה Doubao.

קיימת אי-בהירות משפטית, כאשר משתמשים כבר יצרו קליפים עם דמויות מוגנות כמו פוקימון ואיש משפחה.

ה-Seedance 2.0 מצטרף לזירה רותחת מול Sora 2 של OpenAI ו-Veo 3 של גוגל, כשהוא טוען לביצועים מובילים בבנצ'מרקים פנימיים בתחומי Text-to-Video ו-Image-to-Video.

מקור: Seedance , Seedance Blog
(DT_Spotlight)