כלי AI - בינה מלאכותית 🧠

מצאתי כתבה מעניינת של מפתח שבילה יומיים בניתוח תעבורת הרשת של ChatGPT כדי להבין איך בפועל נבחרים מקורות הציטוט בתשובות. באמצעות DevTools בדפדפן הוא ניתח את בקשות הרשת וחיפש שדות מוסתרים ב-JSON שלא מופיעים בממשק הרגיל. כך הוא גילה את השדה result_source, שמסמן מאיפה הגיע כל מקור: 1/ serp - תוצאות חיפוש רגילות ממנועי חיפוש 2/ labrador - מקורות גדולים עם רישוי, כמו Wikipedia, Reuters ואחרים 3/ bright ו-oxylabs - שירותי סריקה (Web Scraping) חיצוניים בסך הכול הוא ניתח כ-1,240 רשומות ועשרות חיפושים שונים באמצעות חשבון Pro אחד בלבד. לפי הממצאים שלו, תהליך בחירת המקורות של ChatGPT נראה בערך כך: 1/ קודם המודל מחליט האם בכלל יש צורך לחפש מידע ברשת. 2/ אם כן, הוא מפרק את השאלה לכמה חיפושים קטנים - למשל מחיר של שירות, רשימת פיצ’רים, מוניטין של חברה ועוד. כאן נכנסת חשיבות מבנה האתר. אם המידע, למשל מחיר, מופיע ב-HTML רגיל - ChatGPT בדרך כלל ימצא אותו באתר הרשמי ואף יצטט אותו. אבל אם המידע נטען רק באמצעות JavaScript או מופיע בתוך תמונה - ייתכן שהמודל לא יראה אותו בכלל, ויעבור לחפש אותו ב-Reddit, באתרי ביקורות או אפילו אצל מתחרים. עוד נקודה מעניינת היא שמקור, ציטוט ואזכור הם שלושה דברים שונים: דף יכול להיטען על ידי המודל אבל לא להופיע בציטוטים. דף יכול להיות מצוטט בלי שהמותג שלו יוזכר. והמותג יכול להיות מוזכר, אבל הציטוט יתבסס על מקור אחר. לדוגמה, ChatGPT יכול לקרוא גם Reddit, גם YouTube וגם את האתר שלכם - אבל לצטט רק את המקור שמבחינתו תומך בצורה הטובה ביותר בתשובה. בפועל, Reddit מנצח לא מעט פעמים בזכות כמות התוכן הטקסטואלי והדיונים שבו. אם תרצו לבדוק זאת בעצמכם, אפשר לפתוח את DevTools ולהריץ סקריפט שמציג את רשימת המקורות ששימשו את ChatGPT בשיחה הנוכחית ואת סוג המקור שלהם (serp, labrador ועוד). ואם מרחיבים את הסקריפט, אפשר אפילו לחלץ את שאילתות החיפוש, הציטוטים וחלק מהלוגיקה שבה נבחרו המקורות @greyMatterAI1 https://t.me/botai14

מצאתי כתבה מעניינת של מפתח שבילה יומיים בניתוח תעבורת הרשת של ChatGPT כדי להבין איך בפועל נבחרים מקורות הציטוט בתשובות. באמצעות DevTools בדפדפן הוא ניתח את בקשות הרשת וחיפש שדות מוסתרים ב-JSON שלא מופיעים בממשק הרגיל. כך הוא גילה את השדה result_source, שמסמן מאיפה הגיע כל מקור: 1/ serp - תוצאות חיפוש רגילות ממנועי חיפוש 2/ labrador - מקורות גדולים עם רישוי, כמו Wikipedia, Reuters ואחרים 3/ bright ו-oxylabs - שירותי סריקה (Web Scraping) חיצוניים בסך הכול הוא ניתח כ-1,240 רשומות ועשרות חיפושים שונים באמצעות חשבון Pro אחד בלבד. לפי הממצאים שלו, תהליך בחירת המקורות של ChatGPT נראה בערך כך: 1/ קודם המודל מחליט האם בכלל יש צורך לחפש מידע ברשת. 2/ אם כן, הוא מפרק את השאלה לכמה חיפושים קטנים - למשל מחיר של שירות, רשימת פיצ’רים, מוניטין של חברה ועוד. כאן נכנסת חשיבות מבנה האתר. אם המידע, למשל מחיר, מופיע ב-HTML רגיל - ChatGPT בדרך כלל ימצא אותו באתר הרשמי ואף יצטט אותו. אבל אם המידע נטען רק באמצעות JavaScript או מופיע בתוך תמונה - ייתכן שהמודל לא יראה אותו בכלל, ויעבור לחפש אותו ב-Reddit, באתרי ביקורות או אפילו אצל מתחרים. עוד נקודה מעניינת היא שמקור, ציטוט ואזכור הם שלושה דברים שונים: דף יכול להיטען על ידי המודל אבל לא להופיע בציטוטים. דף יכול להיות מצוטט בלי שהמותג שלו יוזכר. והמותג יכול להיות מוזכר, אבל הציטוט יתבסס על מקור אחר. לדוגמה, ChatGPT יכול לקרוא גם Reddit, גם YouTube וגם את האתר שלכם - אבל לצטט רק את המקור שמבחינתו תומך בצורה הטובה ביותר בתשובה. בפועל, Reddit מנצח לא מעט פעמים בזכות כמות התוכן הטקסטואלי והדיונים שבו. אם תרצו לבדוק זאת בעצמכם, אפשר לפתוח את DevTools ולהריץ סקריפט שמציג את רשימת המקורות ששימשו את ChatGPT בשיחה הנוכחית ואת סוג המקור שלהם (serp, labrador ועוד). ואם מרחיבים את הסקריפט, אפשר אפילו לחלץ את שאילתות החיפוש, הציטוטים וחלק מהלוגיקה שבה נבחרו המקורות חומר אפור 🧠

גוגל משיקה את מודלי ה-Nano Banana 2 Lite ו-Gemini Omni Flash 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

אנת'רופיק משיקה את Sonnet 5: מודל מוזל עם ביצועים של מודלים יקרים 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

מכל מקום: OpenClaw זוכה לאפליקציה רשמית לאנדרואיד והמכשירים של אפל 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

מטא השיקה את Meta AI בישראל ובעברית 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

מנוי ל-Claude Code הוא כעת אופציונלי! מפתח יצר פרוקסי רב עוצמה המאפשר לך להריץ את Claude Code על ה-API של Anthropic מבלי לשלם. כל מה שאתה צריך הוא מפתח API חינמי של NVIDIA. אתה מכוון את Claude Code ל-localhost... והכל מתחיל לעבוד. מה זה עושה? → ממיר אוטומטית בקשות API של Anthropic לפורמט NVIDIA NIM → 40 בקשות חינמיות לדקה בנקודות קצה נתמכות של NVIDIA → עובד עם Kimi K2, GLM 4.7, MiniMax M2, Devstral ודגמים תואמים אחרים → מזרים טוקנים של חשיבה וקריאות לכלי בזמן אמת → כולל בוט טלגרם לשימוש בטלפון שלך → קוד פתוח לחלוטין וניתן לאירוח עצמי הדבר החשוב הוא לא לשנות מודלים. Claude Code הוא כעת אגנוסטי למודל. אתה יכול לנתב לכל מודל תואם שתרצה מבלי להיות קשור לספק יחיד. אותה זרימה, אפס דמי מנוי, אפס נעילת ספק. הפרויקט הוא קוד פתוח לחלוטין. https://github.com/Alishahryar1/free-claude-code

Base44 משיקה מודל שפה משלה לבניית אפליקציות: "יוביל גם לחיסכון בעלויות" 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

גוגל מוסיפה יכולת “שימוש במחשב” למודל ה-Gemini 3.5 Flash 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

⚡️ הסינים השיקו את Mythos משלהם — הגאונים האלה אימנו את Qwythos-9B-Claude-Mythos-5 על בסיס Qwen3.5-9B, ונתנו לו חלון הקשר של עד 1M טוקנים! פרטים: 🔅 פיין-טיונינג מלא של המודל וכל הפרמטרים; 🔅 אימון על נתונים של Claude Mythos ו-Claude Fable; 🔅 בלי שום צנזורה; 🔅 יעשה כל משימה; 🔅 קוד פתוח מלא ולגמרי בחינם. המודל המטורף נמצא כאן. #AI #בינה_מלאכותית @technewsheb

פלטפורמת Krea משחררת את מודל Krea 2 בקוד פתוח. כולל שתי גרסאות: Krea 2 Raw לאימון והתאמה אישית, ו-Krea 2 Turbo לייצור תמונות ברזולוציית 2K גם על מחשבים ביתיים. הרעיון: לאמן על ה-Raw ולייצר עם ה-Turbo. המודלים מונעים תחת רישיון גמיש המאפשר שימוש מסחרי למפתחים וחברות קטנות. https://www.krea.ai/krea-2-licensing https://t.me/botai14

מיסטרל שחררה את OCR 4, מודל חדש לחילוץ טקסט שמבין את מבנה המסמך. הוא לא רק קורא, אלא מסווג אזורים (כותרות, טבלאות, תמונות, חתימות) עם מיקום מדויק ורמת ביטחון לכל בלוק. המודל תומך ב-170 שפות (כולל עברית), מצטיין בשפות נדירות וניצח במבחני השוואה עיוורים. הוא מסייע בהכנת מסמכים ל-RAG, ציטוט מקורות וסינון מידע רגיש. זמין כיום דרך ה-API או להרצה מקומית לשימור פרטיות מלאה https://mistral.ai/news/ocr-4/ https://t.me/botai14

כשאני רוצה תוצאה מצוינת מ-AI, אני כבר לא מתווכח איתו. פעם הייתי לוקח פלט בינוני ומתחיל לתקן אותו סבב אחרי סבב. תזיז את זה, תחליף מילה, לא, תחזיר. כל סבב כזה הוא דור שלם של המודל. זה איטי, זה מתיש, ובסוף יוצא משהו פושר. היום אני עושה הפוך. אני מבקש עשר. עשר וריאציות שונות באמת, לא עשרה עותקים עם מילה אחת מוחלפת. פורש אותן לפניי, ותוך כמה שניות בוחר את המנצחת. ואז מתכנס: עוד עשר, אבל הפעם רק סביב מה שכבר עובד. למה זה עובד? כי התקשורת של אדם-סוכן, איטית נורא בלהסביר מה אנחנו רוצים וגם הסוכן עד שהוא מגיב שיהיה בריא... אנחנו הרבה יותר מהירים בלזהות את זה ברגע שאנחנו רואים אותו. השיטה הזאת נשענת בדיוק על מה שהמערכת טובה בו, ומוותרת על מה שהיא גרועה בו. ובמקום להילחם בזה שה-AI לא מדויק במאה אחוז, היא לוקחת את חוסר הדיוק והופכת אותו לרוחב, ואת הרוחב לבחירה בטוחה. קוראים לזה אצלי עשר על עשר. זה שינה לי את כל הדרך שבה אני עובד מול מודלים, בכל דבר: עיצוב, ניסוחים, שמות, אסטרטגיה, קוד. לקחתי את השיטה ובניתי ממנה סקיל לקלוד קוד, כולל בורר אינטראקטיבי שמציג לך את כל האפשרויות ונותן לבחור בקליק. והוא חינם. לכולם. בלי שום תנאי. https://aviz85.github.io/claude-skills-library/skills/ten-by-ten (או דף הבית של הספרייה: https://aviz85.github.io/claude-skills-library/) אביץ

משתמשי Claude עשויים להידרש למסור תעודה מזהה וסלפי החל מיולי 👈🏽 לקריאה נוחה במחשב 👉🏽 ⬇️ לקריאת נוחה בנייד ⬇️

🔥 חובבן פרץ את Apple Neural Engine ב-M4 חוקר בשם 0x0SojalSec טען שהוא עקף את המגבלות של המעבד הנוירלי (ANE) בשבב Apple M4. רשמית, ה-ANE פועל רק להסקה של מודלים קיימים, ולא לאימון שלהם. המפתח פירק את השבב כדי לגרום לו לבצע הפצת שגיאות לאחור (backpropagation) – התהליך המרכזי לאימון רשתות נוירונים. זה פותח גישה למשאבי חישוב רבי עוצמה שלא היו זמינים קודם למשימות של למידת מכונה על Mac. אם הפריצה תאומת, בעלי Mac עם M4 יוכלו לאמן מודלים באופן מקומי, בלי להוציא כסף על GPU בענן. מחכים לפרטים 🔥 #ANEHack #פריצת_ANE RedX Cyber Security

גוגל משיקה בישראל את Gemini Spark. מדובר בסוכן AI אישי שעובד ברקע 24/7, גם כשהטלפון או המחשב סגורים. הוא מתחבר לכלים כמו ג'ימייל ויומן גוגל, ומבצע בשבילכם משימות קבועות באופן אוטומטי – כמו סיכום מיילים כל בוקר, ניהול פגישות או מעקב אחרי נתונים. מתגלגל בהדרגה לתוכניות בתשלום. --- 📢 לעדכונים בטלגרם | 🟢 עקבו בוואטסאפ | 📸 Instagram

*מכירים את זה שאתם עובדים על חיבור ל API אבל הדוקומנטציה בקלוד לא מעודכנת ?* ה GITHUB הבא עם 57 אלף Stars 🌟⭐⭐⭐ פותר את הבעיה הוא מושך את התיעוד והדוגמאות הכי מעודכנים וספציפיים לגרסה של הספרייה שאתה צריך, ומזריק אותם ישירות לתוך ה-Context התקנה פשוטה npx ctx7 setup https://github.com/upstash/context7

בחור אחד פיתח הרחבה ל-VS Code שמטמיעה פרסומות בתוך מסך ההמתנה של Claude Code ו-Codex כלומר, בזמן שהסוכן חושב ומעבד את המשימה, מוצגות למשתמש פרסומות המפרסמים משלמים על החשיפות, והמשתמשים מקבלים אחוז קטן מההכנסות עבור צפיות ולחיצות זה מזכיר קצת את האתרים של פעם ששילמו למשתמשים על צפייה בפרסומות, לייקים או פתרון CAPTCHA המודל עובד לפי מספר החשיפות - ככל שהסוכן חושב יותר זמן, כך מצטברות יותר צפיות ויותר תגמולים באופן אישי קצת קשה לי להאמין שאפשר להרוויח מזה סכומים משמעותיים, אבל אני בעיקר מקווה ש-OpenAI לא תיקח מזה השראה כרגע יש במערכת רק כ-10 קמפיינים פעילים, ורובם נראים כמו פרויקטים מפוקפקים מעולם הקריפטו. חומר אפור 🧠

אם מישהו מנסה את זה שיעדכן בתובנות בתגובה