nVision Digital AI בינה מלאכותית, טכנולוגיה חידושים, vibe coding ומה שבינהם

אתמול בלילה, openai יצרה הטבה חדשה למשתמשים, שמשווה אותם (סוג של) להטבה שמקבלים מאנתרופיק ואלכס תזכרה שיש גם הטבה אחרת אז זו הזדמנות לדבר רגע על שתי ההטבות ביחד. אמל״ק : שתי הטבות נפרדות למנויי ChatGPT זכאים: עד $500 בחודש לשימוש ב־API, ועוד $500 חד־פעמיים לסריקות אבטחה ב־Codex Security Cloud. לא נכלל בהטבה מנוי Plus של 20 דולר. לא תקבלו את ההטבה רק כי יש לכם מנוי, צריך ממש לממש אותה, אחרת לא תקבלו. אלה יתרות שונות, עם תנאים ושימושים שונים, בואו נרחיב : קרדיטים חודשיים ל־API מנויי Pro ו־Business זכאים יכולים לממש קרדיטים ל־API ללא תוספת תשלום למנוי הקיים: • Pro של $100: קרדיטים בשווי $100 בחודש. • Pro של $200: קרדיטים בשווי $200 בחודש. • Pro של $500: קרדיטים בשווי $500 בחודש. • Business: יתרה משותפת לסביבת העבודה לפי סוג ומספר המושבים בתשלום, עד $500 בחודש. אפשר להשתמש בהם לבניית אפליקציות, עוזרים באתרי אינטרנט, סיווג פניות מלקוחות, בדיקות תוכן, יצירת תמונות ואבות טיפוס עם AI. איך מממשים? דרך Settings ואז Billing ב־ChatGPT, או בעמוד החיוב בפלטפורמת ה־API. מקשרים את המנוי לארגון API שבבעלותכם. נדרש אותו מייל בשני הצדדים ומנוי פעיל לפחות שבעה ימים. הזמינות הדרגתית ותלויה גם במדינה. חשוב לדעת: • Plus לא נכלל בהטבה. • צריך לממש אותה פעם אחת; לאחר מכן הקרדיטים מתחדשים בכל מחזור חיוב. • המענק הראשון יחסי ליתרת המחזור. - זה חשוב מאוד, אם המנוי שלכם מתחדש עוד יום, אתם כנראה תקבלו כמה דולרים בלבד היום... אם חידשתם אתמול, תקבלו מכסה מלאה. • יתרה שלא נוצלה פגה בסוף המחזור ולא עוברת לחודש הבא. • הקרדיטים לא מגדילים את מכסות ChatGPT או Codex, ולא מכסים שימוש ב־Codex דרך מפתח API. • לא צריך להוסיף אמצעי תשלום ל־API כדי להשתמש בקרדיטים הפעילים. כשהיתרה נגמרת, הקריאות נעצרות, אלא אם קיימים קרדיטים בתשלום או טעינה אוטומטית פעילה. $500 חד־פעמיים לסריקות אבטחה Codex Security Cloud סורק מאגרי GitHub, מאמת חולשות אבטחה ומציע תיקונים. הכלי זמין למנויי Pro, Business, Enterprise ו־Edu, ולא ל־Plus. לפי התנאים, חשבונות שלא הגדירו סריקה רציפה לפני 1 באוקטובר 2026 בשעה 12:53 בצהריים, שעון האוקיינוס השקט, מקבלים $500 בקרדיטי סריקה חינמיים. היתרה חד־פעמית, משותפת לסביבת העבודה וללא תאריך תפוגה. איך מתחילים? מתקינים את התוסף Codex Security Cloud מחנות התוספים של ChatGPT, מחברים חשבון GitHub אישי ומגדירים סריקה. הקרדיטים חלים אוטומטית לחשבונות זכאים. חשוב לדעת: • זו לא הטבה שכל התקנת תוסף מקנה אוטומטית: הזכאות תלויה בתנאי החשבון ובמועד החיתוך. • הקרדיטים מיועדים לסריקות אבטחה בלבד. הם לא כסף למשיכה, לא קרדיטי API ולא תוספת למכסת Codex. • המשך סריקות בתשלום לאחר ניצול היתרה דורש הפעלת שימוש בתשלום. בקיצור: קרדיטי ה־API מתחדשים בכל מחזור חיוב והיתרה הלא מנוצלת פגה. קרדיטי האבטחה הם מענק חד־פעמי ללא תפוגה. אי אפשר להעביר יתרה מהטבה אחת לשנייה. תנאי הטבת ה־API: https://help.openai.com/en/articles/20001626-api-credits-benefit-for-eligible-chatgpt-subscriptions תנאי הטבת סריקות האבטחה: https://learn.chatgpt.com/docs/security/faq התקנת Codex Security Cloud: https://learn.chatgpt.com/docs/security/setup לעוד עדכונים, כלים וטיפים על AI, מוזמנים להצטרף לערוצים שלי: טלגרם: https://nvision.me/telegram וואטסאפ: https://nvision.me/wac לכל הכלים, המודלים והקישורים בלינקייה שלי: https://nvision.me

אתמול בלילה, openai יצרה הטבה חדשה למשתמשים, שמשווה אותם (סוג של) להטבה שמקבלים מאנתרופיק ואלכס תזכרה שיש גם הטבה אחרת אז זו הזדמנות לדבר רגע על שתי ההטבות ביחד. אמל״ק : שתי הטבות נפרדות למנויי ChatGPT זכאים: עד $500 בחודש לשימוש ב־API, ועוד $500 חד־פעמיים לסריקות אבטחה ב־Codex Security Cloud. לא נכלל בהטבה מנוי Plus של 20 דולר. לא תקבלו את ההטבה רק כי יש לכם מנוי, צריך ממש לממש אותה, אחרת לא תקבלו. אלה יתרות שונות, עם תנאים ושימושים שונים, בואו נרחיב : 1. קרדיטים חודשיים ל־API מנויי Pro ו־Business זכאים יכולים לממש קרדיטים ל־API ללא תוספת תשלום למנוי הקיים: • Pro של $100: קרדיטים בשווי $100 בחודש. • Pro של $200: קרדיטים בשווי $200 בחודש. • Pro של $500: קרדיטים בשווי $500 בחודש. • Business: יתרה משותפת לסביבת העבודה לפי סוג ומספר המושבים בתשלום, עד $500 בחודש. אפשר להשתמש בהם לבניית אפליקציות, עוזרים באתרי אינטרנט, סיווג פניות מלקוחות, בדיקות תוכן, יצירת תמונות ואבות טיפוס עם AI. איך מממשים? דרך Settings ואז Billing ב־ChatGPT, או בעמוד החיוב בפלטפורמת ה־API. מקשרים את המנוי לארגון API שבבעלותכם. נדרש אותו מייל בשני הצדדים ומנוי פעיל לפחות שבעה ימים. הזמינות הדרגתית ותלויה גם במדינה. חשוב לדעת: • Plus לא נכלל בהטבה. • צריך לממש אותה פעם אחת; לאחר מכן הקרדיטים מתחדשים בכל מחזור חיוב. *• המענק הראשון יחסי ליתרת המחזור.* - זה חשוב מאוד, אם המנוי שלכם מתחדש עוד יום, אתם כנראה תקבלו כמה דולרים בלבד היום... אם חידשתם אתמול, תקבלו מכסה מלאה. • יתרה שלא נוצלה פגה בסוף המחזור ולא עוברת לחודש הבא. • הקרדיטים לא מגדילים את מכסות ChatGPT או Codex, ולא מכסים שימוש ב־Codex דרך מפתח API. • לא צריך להוסיף אמצעי תשלום ל־API כדי להשתמש בקרדיטים הפעילים. כשהיתרה נגמרת, הקריאות נעצרות, אלא אם קיימים קרדיטים בתשלום או טעינה אוטומטית פעילה. 2. $500 חד־פעמיים לסריקות אבטחה Codex Security Cloud סורק מאגרי GitHub, מאמת חולשות אבטחה ומציע תיקונים. הכלי זמין למנויי Pro, Business, Enterprise ו־Edu, ולא ל־Plus. לפי התנאים, חשבונות שלא הגדירו סריקה רציפה לפני 1 באוקטובר 2026 בשעה 12:53 בצהריים, שעון האוקיינוס השקט, מקבלים $500 בקרדיטי סריקה חינמיים. היתרה חד־פעמית, משותפת לסביבת העבודה וללא תאריך תפוגה. איך מתחילים? מתקינים את התוסף Codex Security Cloud מחנות התוספים של ChatGPT, מחברים חשבון GitHub אישי ומגדירים סריקה. הקרדיטים חלים אוטומטית לחשבונות זכאים. חשוב לדעת: • זו לא הטבה שכל התקנת תוסף מקנה אוטומטית: הזכאות תלויה בתנאי החשבון ובמועד החיתוך. • הקרדיטים מיועדים לסריקות אבטחה בלבד. הם לא כסף למשיכה, לא קרדיטי API ולא תוספת למכסת Codex. • המשך סריקות בתשלום לאחר ניצול היתרה דורש הפעלת שימוש בתשלום. בקיצור: קרדיטי ה־API מתחדשים בכל מחזור חיוב והיתרה הלא מנוצלת פגה. קרדיטי האבטחה הם מענק חד־פעמי ללא תפוגה. אי אפשר להעביר יתרה מהטבה אחת לשנייה. תנאי הטבת ה־API: https://help.openai.com/en/articles/20001626-api-credits-benefit-for-eligible-chatgpt-subscriptions תנאי הטבת סריקות האבטחה: https://learn.chatgpt.com/docs/security/faq התקנת Codex Security Cloud: https://learn.chatgpt.com/docs/security/setup לעוד עדכונים, כלים וטיפים על AI, מוזמנים להצטרף לערוצים שלי: טלגרם: https://nvision.me/telegram וואטסאפ: https://nvision.me/wac לכל הכלים, המודלים והקישורים בלינקייה שלי: https://nvision.me

אני מודה - אני מוצא את עצמי משלם ל whisper flow כי הם ממש טובים. אבל מדי פעם אני מפנטז על בניית מערכת אישית של voice assistant לבד על המחשב בקוד פתוח מצאתי מדריך ממש ממש ממש מפורט שמסביר איך לעשות את זה. גם אם הפרויקט עצמו לא מעניין אתכם בדיוק למטרה שלו - זה מעניין להבין איך לבנות פרויקט בסדר גודל כזה. https://www.freecodecamp.org/news/private-voice-assistant-using-open-source-tools/

המטרה הייתה למצוא איזון בין איכות התשובות, מהירות העיבוד וצריכת הזיכרון בפועל, ולא רק לנסות להשיג את הציון הגבוה ביותר במבחן ביצועים כלשהו. כמובן, צריך גם להכניס את כל הנתונים האלה לפרופורציה. רוב התוצאות שהזכרתי מגיעות מהחברה עצמה, וחלק מהמבחנים פנימיים. יהיה מעניין לראות איך המודלים מתפקדים בבדיקות עצמאיות ובמשימות אמיתיות לאורך זמן. חשוב גם לזכור שמודל קטן לא בהכרח מתאים לכל משימה, ולא תמיד הפעלה מקומית תהיה זולה או נוחה יותר משימוש ב־API. זה תלוי בחומרה שכבר יש לכם, בהיקף השימוש, ברמת האמינות הנדרשת ובזמן שאתם מוכנים להשקיע בהתקנה ובתחזוקה. אבל אני חושב שהנקודה החשובה כאן היא לא אם LFM3 ניצח את Qwen או את Gemma בבנצ’מרק כזה או אחר. הנקודה היא שאנחנו מתקדמים לעולם שבו לא כל פעולה של סוכן AI חייבת לעבור דרך מודל קנייני גדול. ככל שהמודלים המקומיים נעשים יעילים יותר, אפשר להתחיל לחשוב על מערכות שמשלבות כמה מודלים בהתאם לסוג המשימה. מודל קטן יוכל לבצע פעולות שגרתיות, מודל אחר יטפל בתמונות או במסמכים, ומודל גדול בענן ייכנס לתמונה כשצריך יכולות חשיבה מורכבות יותר. וזה גם לא חייב להיות פתרון של הכול או כלום. אפשר להשתמש ב־Claude Opus למשימות מורכבות ובמקביל להפעיל מודל מקומי קטן שמטפל באלפי פעולות פשוטות יחסית. אפשר גם להתאים מודל קטן לנתונים של העסק, להריץ אותו על תשתית פרטית ולצמצם את כמות המידע שצריך לשלוח לשירותים חיצוניים. במקרים המתאימים, השילוב הזה יכול להיות מעניין הרבה יותר מאשר להפעיל את כל המערכת באמצעות מודל אחד. והחלק הנחמד הוא שהמודלים כבר זמינים להורדה. החברה פרסמה את המשקולות שלהם ומציעה תמיכה בכלים מוכרים כמו Ollama, llama.cpp, LM Studio, MLX, Unsloth ו־vLLM. בנוסף, שותפות כמו NVIDIA, AMD, Qualcomm, Intel ו־Arm מעורבות באקוסיסטם של ההשקה, כך שהמטרה היא לאפשר הפעלה על מגוון רחב של סוגי חומרה. אז נחזור לשאלה שהתחלנו איתה. האם כל סוכן AI שאנחנו מפעילים באמת צריך מודל ענק שרץ בענן? אני חושב שהתשובה היא לא, אבל זה גם לא אומר שמחר בבוקר כולנו נזרוק את המנויים שלנו ונעבור למודלים מקומיים. מה שכן, ככל שיותר אנשים ועסקים יתחילו להפעיל סוכנים, השאלות על עלויות, מהירות, פרטיות ושליטה במידע יהפכו לחשובות הרבה יותר. בסופו של דבר, אולי השאלה הנכונה היא בכלל לא איזה מודל הכי חכם, אלא איזה מודל מספיק טוב למשימה שאנחנו רוצים לבצע, וכמה עולה לנו להפעיל אותו אלפי פעמים. ומי שרוצה להעמיק, החברה פרסמה את ההסברים הטכניים, תוצאות הבנצ’מרקים והמודלים עצמם בקישורים הבאים. המאמר הרשמי: https://www.liquid.ai/blog/lfm3 המודלים להורדה: https://huggingface.co/LiquidAI סביבת ההתנסות: https://playground.liquid.ai

וכשמפעילים עשרות או מאות סוכנים, ההבדל בעלויות ובמשאבים הנדרשים יכול להיות משמעותי מאוד, מי שעוקב אחרי פה יודע שאני אומר את זה המון... אבל ההשקה הזאת לא עוסקת רק בטקסט ובסוכנים. החברה הציגה גם את LFM3-VL-2B, מודל ראייה עם כ־1.9 מיליארד פרמטרים, שמסוגל לנתח תמונות, להבין סרטונים, לזהות אובייקטים, לפרש יחסים מרחביים ולפתור בעיות שדורשות הבנה חזותית. לפי הנתונים שפרסמה החברה, המודל השיג ציון ממוצע של 71.4 על פני 62 מבחני ראייה, תוצאה זהה לזו של Gemma 4 12B, למרות שהוא קטן ממנו בערך פי שישה. החברה גם פיתחה עבורו מקודד ראייה חדש שצורך, לטענתה, רק כשליש מהחישוב של SigLIP2. בתחום האודיו החברה הציגה את LFM3-Audio-2B, מודל שמסוגל לקבל הוראות בדיבור, להבין צלילים ואירועים בהקלטות, להפעיל כלים ולהחזיר תשובות בטקסט או בדיבור. אחד הדברים המעניינים בו הוא שהמודל יכול להתחיל לעבד את קלט המיקרופון בזמן שהמשתמש עדיין מדבר, במקום לחכות לסיום המשפט ורק אז להתחיל לעבוד. במבחן פנימי של החברה להפעלת כלים באמצעות דיבור, הוא השיג ציון של 58.5 לעומת 44.3 של Qwen2.5-Omni-3B. בנוסף, החברה הציגה את LiquidCodec, טכנולוגיה חדשה שמאפשרת להמיר טוקנים לדיבור במהירות גבוהה מאוד גם באמצעות ליבת CPU אחת. ויש גם את LFM3-Omni-2B, שמיועד למשימות המשלבות כמה סוגי מידע במקביל. תחשבו למשל על סוכן שמסתכל על סרטון, שומע את מה שנאמר בו ומבין את הקשר בין השניים. או על משתמש שמצלם משהו, נותן הוראה קולית והסוכן צריך להבין גם מה מופיע בתמונה וגם מה המשתמש רוצה לעשות. לפי החברה, המודל הגיע לציון 70.1 במבחן Daily-Omni, לעומת 61.3 של Qwen2.5-Omni-7B, למרות שהוא קטן ממנו משמעותית. אבל מבחינתי, אחד הדברים הכי מעניינים בהשקה הוא דווקא האפשרות להתאים את המודלים למשימות ספציפיות. החברה טוענת שכל אחד מששת המודלים ניתן לכוונון עדין, או fine-tuning, באמצעות GPU יחיד. כלומר, במקום להשתמש במודל כללי ולצפות ממנו להבין כל תחום בעולם, אפשר לקחת מודל קטן, לאמן אותו על נתונים שרלוונטיים לתחום מסוים ולהתאים אותו למשימה שאנחנו באמת צריכים לבצע. אם אימון מודלים מעניין אתכם, אפשר לדבר גם על זה. והם גם הציגו דוגמה שממחישה את הרעיון הזה בצורה טובה. החברה לקחה את מודל הראייה שלה ואימנה אותו על כ־3,000 תמונות של טורבינות רוח, במטרה ללמד אותו לזהות פגמים. האימון נמשך כמה שעות בלבד על כרטיס A100 אחד. לאחר מכן בדקו את המודל על כ־1,400 תמונות שלא נכללו באימון, וגילו שדיוק סיווג הפגמים הגיע ל־67%, לעומת פחות מ־10% לפני ההתאמה. זה עדיין רחוק ממערכת מושלמת, וגם לא בהכרח מספיק לשימוש תעשייתי ללא בדיקות נוספות, אבל מדובר בשיפור עצום באמצעות התאמה ממוקדת של מודל קטן יחסית. וזה בדיוק מה שמעניין אותי בכל הסיפור הזה. לא תמיד צריך מודל שיודע לכתוב שירה, לפתור בעיות מתמטיות מסובכות, לנתח מאמרים מדעיים ולתכנת מערכת שלמה. לפעמים צריך מודל שיודע לזהות חריגות בחשבוניות, לסווג פניות שירות, לנתח מסמכים, לזהות פגמים בתמונות או להפעיל כלי מסוים בצורה אמינה. אם אפשר לאמן מודל קטן לבצע את המשימה הזאת היטב, לא בטוח שיש הצדקה לשלוח כל בקשה למודל ענק בענן. בהתאם לטרנד, החברה הציגה גם שני מודלים שמיועדים במיוחד לקבלת החלטות, d1-2B ו־d1-Omni-2B. כידוע, בניגוד למודלים שמייצרים תשובות ארוכות בשפה טבעית, כאן הדגש הוא על קבלת מידע והחזרת תוצאה מובנית שמערכת תוכנה יכולה להשתמש בה ישירות. למשל, אפשר להעביר חשבונית ולקבל את התאריך, הסכום ומספר החשבונית, יחד עם המיקום שממנו נשלף כל נתון. אפשר גם לנתח תמונה, לספור עצמים או לסווג כמה מאפיינים במקביל, ולקבל הערכת הסתברות לכל תוצאה. היתרון האפשרי הוא שאפשר לבצע את כל הפעולות האלה במעבר חישוב אחד, בלי לבנות שרשרת ארוכה של בקשות למודל. ויש גם היבט מעניין של רובוטיקה. החברה הציגה התאמות של LFM3-VL-2B שמאפשרות לרובוטים להבין את הסביבה באמצעות מצלמות, לתכנן מסלולי ניווט, לזהות אובייקטים ולהפיק רצפים של פעולות. באחד ממבחני הרובוטיקה המודל הגיע לשיעור הצלחה ממוצע של 96.2% בארבע חבילות בדיקה של LIBERO. בנוסף, הוא הצליח להפיק פעולות בפחות מ־50 אלפיות השנייה על חומרת NVIDIA Jetson AGX Orin. המשמעות היא פוטנציאל להפעלת מערכות רובוטיות בזמן אמת בלי להסתמך על שרת מרוחק עבור כל החלטה. עוד פרט מעניין הוא האופן שבו החברה פיתחה את הארכיטקטורה. במקום לתכנן מודל ורק לאחר מכן לבדוק על איזו חומרה הוא מסוגל לרוץ, Liquid AI השתמשה בתהליך אוטומטי שמביא בחשבון את ביצועי החומרה כבר בשלב בחירת הארכיטקטורה. החברה בדקה 14 שילובים של מכשירים וסביבות הרצה, כולל סמארטפונים, מחשבי Mac, מעבדי AMD, מחשבי Raspberry Pi, מעבדי שרתים ויחידות NPU.

אמל״ק : חברת Liquid AI השיקה את LFM3, משפחה של שישה מודלי AI קטנים שמסוגלים להפעיל סוכנים, להבין תמונות, וידאו וקול ולבצע משימות מורכבות גם על חומרה מקומית. למרות גודלם, החברה מציגה ביצועים שמתחרים במודלים גדולים מהם פי כמה, עם אפשרות ל־fine-tuning באמצעות GPU יחיד. המשמעות היא שלא כל סוכן AI חייב מודל ענק בענן. לפעמים מודל מקומי קטן, מהיר ומותאם למשימה יכול להיות פתרון יעיל ומשתלם יותר. אבל השקעתי, אז אני מקווה שתקראו יותר :) כל בן אדם שני בערך שתדברו איתו היום על AI יגיד לכם שהוא מפעיל סוכן. פעם אלו היו בעיקר כל מיני אנשים שניסו למכור לכם משהו עם הסיסמה ״אני מפעיל צי של סוכנים שעובדים בשבילי מסביב לשעון״. אחר כך פרץ לחיינו OpenClaw, בהמשך Hermes, ולאחרונה התחילו לצוץ גם סוכנים אישיים כמו Instinct, Muse ו־Grok Bot של xAI, לצד Dot של OpenAI ו־Duet של Anthropic. וזה עוד בלי לדבר על כל אותם סוכנים ״רגילים״ שרצים על המחשב או באינטרנט ומבצעים משימות פרטניות ומתמחות. חלקם כותבים קוד, אחרים מנהלים מיילים, חוקרים נושאים, עובדים מול מערכות עסקיות או מפעילים אוטומציות. אבל עצרתם פעם לחשוב מה בעצם מפעיל את כל הסוכנים האלה? בסופו של דבר, מאחורי כל סוכן כזה עומד מודל AI. ופה מתחילה שאלה מעניינת. האם כדאי להפעיל את הסוכן באמצעות מודל קנייני בענן, לשלם על השימוש בו ולהיות תלויים בספק חיצוני, או שאפשר בכלל להריץ מודל מקומי על המחשב שלנו? מודלים מקומיים הם משהו שלרוב גורם לאנשים להתרחק. צריך מחשב חזק, המודלים תופסים הרבה זיכרון, ההתקנה נראית מסובכת, לא תמיד ברור איך מפעילים אותם ומה בכלל אפשר לעשות איתם. וגם אם כבר הצלחנו להתקין אחד, האם הוא באמת יהיה מספיק טוב כדי לבצע את המשימות שאנחנו צריכים? ורגע, לא עדיף כבר להשתמש ב־Opus 5.5 ולסגור עניין? אז אתמול, ב־27 באוקטובר, חברת Liquid AI הכריזה על משהו שמנסה לתת תשובה אחרת לשאלה הזאת. החברה הציגה את LFM3, הדור השלישי של משפחת מודלי הבינה המלאכותית שלה, עם ארכיטקטורה חדשה שנקראת tri-hybrid. ומה שמעניין כאן הוא שבזמן שרוב תשומת הלב הולכת למודלים ענקיים עם עשרות ומאות מיליארדי פרמטרים, החברה מתמקדת דווקא במודלים קטנים, יעילים וניתנים להתאמה, שאפשר להריץ על חומרה מקומית. החברה השיקה משפחה של שישה מודלים, כולם מבוססים על אותו מודל יסוד, כאשר כל אחד מתמחה בתחום אחר. יש את LFM3-1.7B שמיועד לטקסט ולהפעלת סוכנים, את LFM3-VL-2B שמסוגל להבין תמונות וסרטונים, את LFM3-Audio-2B שמבין דיבור, מנהל שיחות קוליות ומפעיל כלים באמצעות הוראות קוליות ב־18 שפות, ואת LFM3-Omni-2B שמסוגל לשלב מידע חזותי, אודיו וטקסט באותו תהליך. בנוסף, החברה הציגה שני מודלי החלטה, d1-2B ו־d1-Omni-2B, שמתמחים בניתוח מידע והחזרת תשובות מובנות עם הסתברויות, כדי שמערכות אחרות יוכלו לפעול על בסיס התוצאות שלהם. עכשיו מגיע החלק המעניין. מודל הטקסט LFM3-1.7B מכיל רק 1.7 מיליארד פרמטרים, אבל תומך בחלון הקשר של 256 אלף טוקנים. זה חלון הקשר גדול מאוד ביחס לגודל המודל, שיכול לאפשר לסוכן לעבוד עם כמויות גדולות של מידע, היסטוריית פעולות ארוכה ומסמכים רבים. בנוסף, בגרסת 4-bit, משקולות המודל תופסות בערך 1GB בלבד. חשוב להבין שזה לא אומר שכל ההרצה צורכת רק 1GB, משום שצריך זיכרון נוסף לעיבוד ולהחזקת ההקשר, אבל עדיין מדובר במודל קטן במיוחד ביחס ליכולות שהחברה מציגה. לטענת Liquid AI, מודל הטקסט החדש אפילו מצליח לעקוף את Qwen3.5-9B במבחנים כמו WebArena-Verified ו־AutomationBench, שבודקים יכולת לבצע משימות מורכבות בדפדפנים וביישומים עסקיים. כלומר, לפחות במבחנים האלה, מודל עם 1.7 מיליארד פרמטרים מצליח להתחרות במודל הגדול ממנו ביותר מפי חמישה. החברה גם מציינת שהמודל עבר אימון נוסף בסביבות של סוכנים כמו Hermes Agent, Pi ו־OpenClaw, והוא מיועד למשימות כמו מיון מיילים, ניהול יומן, מחקר באינטרנט, שליחת עדכונים בוואטסאפ ובחירת כלים מתאימים מתוך אלפי אפשרויות. וכדי להמחיש את היכולת להריץ כמות גדולה של סוכנים במקביל, החברה ביצעה הדגמה די חריגה. היא הפעילה יותר מ־300 אלף סוכנים המבוססים על LFM3-1.7B בו־זמנית, כאשר המשימה שלהם הייתה לחקור את ארכיון המיילים של חברת Enron. זו כמובן הדגמת עומס ולא הוכחה לכך שכל אחד מהסוכנים ביצע משימה מורכבת ברמה של מודל גדול, אבל היא ממחישה את אחד היתרונות האפשריים של שימוש במודלים קטנים ויעילים. וזו נקודה ששווה להתעכב עליה. אנחנו נוטים לחשוב שכל סוכן AI צריך מאחוריו מודל חזק במיוחד, אבל בפועל לא כל פעולה דורשת את יכולות החשיבה של Claude Opus או של המודלים המתקדמים ביותר של OpenAI ו־Google. אם סוכן צריך למיין הודעות, לחלץ מידע ממסמך, לזהות את הכלי המתאים או לבצע תהליך שחוזר על עצמו, יכול להיות שמודל קטן שמתמחה במשימה יספיק.

חברים / חברות זו תזכורת שמחר יש לכל מי שקנס מנוי ל codex גם איפוס יזום בבנק (בלי קשר לסיכוי שטיבו יאפס בכל מקרה ….) לא לשכוח לנצל ואם הקשבתם לי ונרשמתם להאקתון של מטא קיבלתם אפשרות לקחת 150 דולר של api שלהם - רק שאתם צריכים להירשם עכשיו ולא לחכות. חבל. יש מגבלה של זמן.

כמיטב המסורת שרצה בחברות ai לאחרונה, גוגל הכריזה על Gemini carbon שהוא מודל שעוקף ברוב המבחנים שלהם לטענתם את opus 5.5. אין תאריך אז לא נרחיב עליו כרגע, אבל מי שמתעניין הינה הפירוט שלהם הם מבטיחים שיגיע לכולם בקרוב גוגל שתקו המון זמן מאז Gemini 3.1 למעט מודלי פלאש, ותוך חודש הם מפציצים ב2 מודלי sota (לפחות מכריזים). עבדו חזק בחברה כל התקופה הזו. https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

אישית - לא קיבלתי עדיין אבל טיבו הרגע פרסם שזהו.

גם היום יהיה reset בcodex טיבו הודיע על זה ב4:42 שעון ישראל שזה יהיה חצות שלו. הוא 10 שעות מאחורינו אז יש גג שעה וחצי. הוא לפעמים מקדים.

התגעגעתם ? מודל אמצע חדש של OpenAI יצא המודל שיצא הוא GPT-6.1 Terra שהוא זול בחצי מ-GPT-6.1 Sol (1$ לקלט ו-5$ לפלט לעומת 2$ ו-10$), ומסיים משימות בממוצע פי שלושה מהר יותר מ-Sol ומ-Astra. בבדיקת Agents’ Last Exam (משימות סוכן מקצועיות) Terra מגיע לרמת GPT-6 Astra בעשירית המחיר לטוקן, ועוקף את Sol ביעילות; ב-Terminal-Bench-Science הוא גם עוקף את Sol בעלות נמוכה יותר. בואו נדייק - Sol עדיין חזק יותר במשימות קידוד מורכבות ומחקר מעמיק, בעוד Terra מתאים יותר לשימוש יומיומי, computer use ונפח עבודה גבוה ביחס עלות-ביצועים טוב יותר. אז אם נסכם, עכשיו ל OpenAI יש לונה , טרה , סול ואסטרה.

אם יש לכם מנוי של z.ai שוב הרווחתם : 300 מיליון טוקנים חינם של GLM-5.3-Flash כל יום ב-ZCode (במצב Global Building). לקיחת המתנה: החל מ-13:00. חלון השימוש: בין 17:00 ל-03:00 (למחרת) — חלון של 10 שעות. כמה זמן זה יימשך? הפוסט הרשמי כותב “כל יום” בלי תאריך סיום.

האינטרנט מתחיל לתפוס הייפ על מודל קולי חדש של חברת בלוק בשם דסה. https://block.xyz/dessa אחד הפאונדים של החברה הוא ג׳ק דורסי - לשעבר טוויטר ומשקיע באינספור סטארטאפים. הקונספט - המודל אומן על שיחה בלבד ולכן נשמע הכי טבעי שיש. מוזמנים להאזין לדוגמאות באתר - תאורטית זה יהיה מודל קוד פתוח שירוץ על המק שלכם. כמות ההונאות שדבר כזה יכול לייצר היא אינסופית. אולי זו הסיבה שהם פנו למומחי אבטחה ועוד לא שיחררו את המודל לציבור. זו בעיה, הג׳יני יצא מהבקבוק ואי אפשר להחזיר אותו.

בוקר טוב ☕ לפני כמה ימים Anthropic פרסמה מאמר מעניין שמדבר על שינוי משמעותי בדרך שבה כדאי לבנות סוכני AI. הרעיון המרכזי די פשוט: ככל שהמודלים הופכים לחכמים יותר, אנחנו צריכים פחות ארכיטקטורות מסובכות של סוכנים ותתי־סוכנים. במקרים רבים, סוכן אחד שעובד בלולאה עם Skills ו־Tools יכול להשיג תוצאות טובות יותר, מהר יותר ובעלות נמוכה יותר ממערכת Multi-Agent מורכבת. אחד העקרונות החשובים שמאפשרים את זה נקרא Progressive Disclosure (חשיפה הדרגתית). אז מה זה בעצם אומר? במקום להעמיס על הסוכן מראש את כל ההוראות, הידע והיכולות שעומדים לרשותו, הוא נחשף בהתחלה רק לשמות ולתיאורים קצרים, וטוען את המידע המלא רק כשהוא באמת זקוק לו. תזכורת קצרה למונחים: Skills הם תיקיות שמכילות הוראות, ידע ונהלי עבודה שהסוכן יכול לטעון לפי הצורך. Tools מאפשרים לו לבצע פעולות אמיתיות כמו חיפוש באינטרנט, קריאת קבצים או הרצת קוד. Subagents הם סוכנים נפרדים, עם חלונות הקשר משלהם, שאפשר להפעיל למשימות מסוימות. היתרון של Progressive Disclosure הוא שאנחנו לא מבזבזים את חלון ההקשר על מידע שלא רלוונטי למשימה הנוכחית. ויש כאן עוד נקודה חשובה: כשסוכן אחד מנהל את התהליך מתחילתו ועד סופו, הוא שומר אצלו את ההקשר המלא ויכול לחבר בין דברים טוב יותר מאשר כמה סוכנים שמעבירים ביניהם סיכומים. כל העברת מידע כזאת עלולה גם לאבד פרטים, להוסיף זמן ולצרוך עוד טוקנים. זה לא אומר שאין יותר מקום ל־Multi-Agent. יש בהחלט מקרים שבהם כדאי להשתמש בתתי־סוכנים, למשל כשצריך לבצע כמה משימות עצמאיות במקביל, לבודד חלונות הקשר, או כשהסוכן הראשי כבר סובל מעומס הקשר שפוגע בביצועים שלו. אבל המסר של Anthropic הוא שלא כדאי להוסיף סוכנים רק כי אפשר. קודם מתחילים עם סוכן אחד, נותנים לו Skills ו־Tools מתאימים, בודקים איך הוא מתמודד עם משימות אמיתיות, ורק אם יש צורך מוסיפים מורכבות. יש כאן שינוי תפיסתי מעניין. במשך תקופה ארוכה ראינו יותר ויותר מערכות Multi-Agent עם Orchestrators, סוכני מחקר, סוכני פיתוח, סוכני ביקורת ועוד. עכשיו, כשהמודלים עצמם משתפרים, אפשר להתחיל לפשט חלק גדול מהמערכות האלה. למפתח עצמאי זה אומר פחות ארכיטקטורה לתכנן, פחות תחזוקה ויותר זמן לבנות את מה שבאמת חשוב. ולצוותים ולחברות המשמעות יכולה להיות אפילו גדולה יותר, כי מעבר לפשטות הטכנית יש כאן גם פוטנציאל לחיסכון משמעותי בעלויות ובזמן העבודה. לפעמים ההתקדמות האמיתית היא דווקא לדעת מה כבר לא צריך לבנות. המאמר המלא של Anthropic: https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop

התמונות

שבת שלום, חשבתי לשתף אתכם לדקה במאחורי הקלעים של הקונספט ״טוקנים בחינם״ שאני משתדל להביא פה, כי לא כל ״בחינם״ נוצץ. אז, נכון, דברים משתנים, מה שקיים היום אולי לא יהיה קיים היום, לפעמים זה מתארך, ולרוב יש מגבלת זמן. למרות זאת, רציתי שתדעו שאני משתדל לבדוק כל הצעה בעצמי לפני שאני משתף. אני נרשם, בודק ומנסה ומשתדל לוודא מה הקאצ ועד כמה היא אמיתית, גם אם זה אומר שזה מצמצם נגיד את הזמן למבצע ביום - יומיים כי אין לי פנאי לבצע את הבדיקה. אני משתדל לבדוק קודם. לא מעט פעמים יש מקומות שמבטיחים דברים וזה לא עובד, מגבלות כאלה ואחרות, הכרח להוסיף כרטיסי אשראי או סתם עבודה בעיניים. הינה דוגמא שלילית וחיובית למשל מהיום. מישהו מפמפם אתר חדש oxionai.com שבו תקבלו 500 אלף טוקנים ליום או טירים שהגבוה בהם מאפשר גישה לעשרות מודלים כולל פייבל ללא הגבלה. נשמע טוב מכדי להיות אמיתי ? אתם לא טועים הדומיין נרשם לפני כמה ימים ואנשים כבר עשו בדיקות וגילו שמודלים רשומים הם לא המודלים בפועל, כלומר במקום פייבל תקבלו נניח muse 1.2, כל הסטרימינג נתקע ובכללי הכל עבודה בעיניים. אבל מישהו משקיע מאמץ וכסף כדי לעקוץ אנשים. מצד שני , glm של z.ai חילקו היום 500 מיליון טוקנים למשתמשים לכבוד 1024 (זה יום המפתחים הסיני) למשתמשים ב zcode. בדקתי, אמיתי 😁

חדש: Resend השיקה את Resend Inboxes — תיבת דואר משותפת לאנשים ולסוכני AI, שבה כולם יכולים לענות באותו thread. בנוסף הושק Forge, תשתית השליחה החדשה שלהם (MTA משלהם) שמשפרת מהירות ומסירה. בתוכנית החינמית מקבלים עד 3 תיבות + 3,000 מיילים בחודש (עד 100 ביום). תיבות נוספות עולות $1 לחודש בתוכניות בתשלום, והמיילים נספרים במכסה הכללית. זה מתחרה ישיר של AgentMail, אבל עם גישה שונה: Resend מתמקדת יותר בתיבות משותפות לצוות + סוכנים (על דומיין משלכם), בעוד AgentMail בנויה יותר סביב תיבות בבעלות הסוכן עצמו. קישורים: https://resend.com/products/inboxes https://resend.com/blog/announcing-inboxes https://resend.com/features/forge https://resend.com/pricing https://www.agentmail.to https://www.agentmail.to/pricing

טיבו פרסם שוב איפוס ואתמול הזכרתי שיש איפוס צבור להיום טיבו פרסם את ההודעה אצלנו בבוקר של ה-22, אבל אצלו זה היה כבר כמעט חצות של ה-21. הוא כתב “מחר לפני 10 בבוקר” הוא התכוון כנראה למחר שלו — כלומר היום אצלנו, לפני 10 בבוקר שעון פסיפיק. 10 בבוקר שם זה 8 בערב אצלנו. אז הריסט אמור להגיע היום לפני 20:00. אי אפשר לדעת מתי בדיוק הם אף פעם לא עומדים בזמנים מבחינתי לסגור את הפינה עכשיו. לרסט שוב, לנצל ואז להמתין לערב שירסט שוב

בוקר אור אז המון פעמים אני מדבר עם אנשים על מודלים סינים, ואז הם אומרים לי : סינים יגנבו לנו הכל, ואז מתחיל ויכוח או דיון (תלוי עם מי) כי בסוף הסינים מציגים קוד פתוח, אז אפשר להריץ את המודל גם בארה״ב, אבל לא תמיד ברור האם השירות שמציג לנו כרגע api ממש זול באמת רץ בארה״ב או שהוא פשוט אומר שכן אבל בתכלס מתחבר לספק סיני? אז הפעם יש פתרון חד ערכי לנושא - חברת vercel עושה תוכנית בשם token pass שמאפשרת לכל מי שצריך מודל סיני זול (כרגע glm 5.3 / kimi k3/ deepseek v4/1 flash ) ושיש לו מנוי פרו שלהם (כל מושב זה 20 דולר) להוסיף 30 דולר ולקבל 80 דולר של טוקנים. נכון - לא זול כמו לקנות ישירות מהסינים, או כמו לקנות מגורמים חיצוניים שמציעים תוכניות כמו ב command code שאז 10 דולר יתנו לכם שם 70 דולר של מנוי, אבל למי שחשוב לו לקבל ב200 אחוז בלי משחקים ובלי לבדוק ב Reddit אם זה נכון או לא, תשתית של ארה״ב / איחוד אירופי, וגם ככה יש לו מושב בוורסל , ורוצה zero data retention שאפשר לסמוך עליו, לדעתי זה אחלה פתרון https://vercel.com/docs/ai-gateway/token-pass

מתנצל חברים על הפורמט מסתבר שפתאום כדי לעצב טקסט צריך לקנות מנוי לטלגרם. אני אבדוק מחר מה הם רוצים ומה שבאמת רציתי לומר מחר 22/10 אם יש לכם קודקס יש לכם כנראה ריסט בבנק למחר בשעה כלשהי. חבל לפספס. לילה טוב