רק לפני פחות משבועיים קראו ראשי אנת'רופיק ו-OpenAI להאט את המרוץ לפיתוח מודלי הבינה המלאכותית המתקדמים ביותר, על רקע החשש הגובר מהסיכונים שהם מציבים. אלא שבפועל, המרוץ רחוק מלהיעצר. אתמול (ג') הציגו שתי החברות כמעט במקביל דור חדש של מודלים: אנת'רופיק השיקה את Claude Opus 5.5, וזמן קצר לאחר מכן חשפה OpenAI את GPT-6 Sol ו-Luna.
ההשקות החדשות לא רק ממחישות את הפער שבין הקריאות להאטה לבין המציאות התחרותית בענף, אלא גם מסמנות שינוי במגרש עצמו. אחרי שנים שבהן החברות התחרו בעיקר על מי תציג את המודל הגדול והחזק ביותר, הקרב עובר כעת גם למחיר וליעילות: פחות כוח מחשוב ועלויות תפעול נמוכות יותר, לצד שיפור בדיוק, בתכנות ובביצוע משימות מורכבות.
אז מה קיבלנו?
אנת'רופיק השיקה את Claude Opus 5.5, הדגם המוביל במשפחת המודלים החדשה שלה. המערכת מציגה ביצועים המשתווים לאלו של דגם העילית Fable 5.1, אך תוך הוזלה של כ-40 אחוזים בעלות התפעול הכוללת ביחס ל-Opus 5 ומהירות תגובה גבוהה בלמעלה מ-30 אחוזים.
מחירי ה-API קוצצו ל-4 דולר למיליון אסימוני קלט ו-20 דולר לאסימוני פלט, לצד הפחתה של 60 אחוזים בעלויות קריאת זיכרון מטמון. מעבר לנתונים הטכניים, החברה התמקדה בפתרון תופעה שזכתה לביקורת בקרב משתמשים מקצועיים וכוונתה "Claudish" – סגנון ניסוח מסורבל, עמוס ז'רגון ותבניתי, לטובת תקשורת עניינית, בהירה וממוקדת תוצאות.
במקביל, OpenAI הכריזה על GPT-6 Sol ו-GPT-6 Luna, פחות משלושה חודשים לאחר השקת סדרת 5.6. על פי נתוני החברה, דגם העבודה המרכזי Sol חותך בחצי את שיעור השגיאות העובדתיות לעומת קודמו, בעוד שמחירי ה-API נחתכו בכ-50 אחוזים בהשוואה למחירי ההשקה הקודמים.
הדגם המוזל, Luna, מספק כעת ביצועים המשתווים לאלו של דגמי העבודה הבכירים מהדור הקודם, אך בשבריר מהעלות, תוך שיפור משמעותי ביציבות ובהיצמדות להוראות בטיחות.
השוואת ביצועים במבחני תקן עצמאיים שפורסמו במספר אתרים ברשת, ובהם מדד האינטליגנציה של פלטפורמת Artificial Analysis, מעניקה ל-Opus 5.5 את המקום הראשון בענף עם 58 נקודות, כשהוא מוביל בשישה מתוך עשרה מבחנים מרכזיים.
קלוד אופוס 5.5
(אנת'רופיק)
GPT 6 לונה וסול
(OpenAI)
במבחן Humanity's Last Exam הגיע המודל ל-67.7 אחוזי דיוק עם שימוש בכלים, לעומת 57.2 אחוזים עבור GPT-6 Astra. בתחום כתיבת הקוד והפעלת סוכנים אוטונומיים, Opus 5.5 רשם 66.4 אחוזים במבחן Terminal-Bench 4.0, תוך עקיפת GPT-6 Astra שעומד על 57.9 אחוזים.
עם זאת, OpenAI שומרת על יתרון בביצועי תהליכי עבודה עסקיים מורכבים במבחן AutomationBench עם 41.4 אחוזים ל-Astra לעומת 40.0 אחוזים ל-Opus 5.5, ומובילה במחקר מדעי אוטונומי במבחן Terminal-Bench-Science עם 64.6 אחוזים לעומת 58.7 אחוזים לאנת'רופיק. במילים פשוטות, אנת'רופיק מובילה בפיתוח ויכולות טכניות לעומת OpenAI שמובילה בעסקים ומחקר מדעי.
התחרות עושה את שלה
הלחץ התחרותי בזירה הבינלאומית מסביר את הורדת המחירים החדה. חברות טכנולוגיה באירופה, בארצות הברית ובסין מאיצות פיתוח של מודלים חלופיים יעילים וזולים יותר. המודלים הסיניים המספקים ביצועים תחרותיים בעלויות נמוכות במיוחד ודוחפים את החברות האמריקאיות להוכיח כדאיות כלכלית ישירה לארגונים המטמיעים בינה מלאכותית בקנה מידה רחב.
לצד זאת, הרגולציה הבינלאומית, בראשות חוק הבינה המלאכותית האירופי, מאלצת את היצרניות לשלב מנגנוני סימון מובנים, מדיניות אפס שמירת מידע והגנות מחמירות מפני מתקפות זיקוק (Distillation) שבהן גורמים חיצוניים מנסים לשאוב יכולות ממודל מתקדם ללא מעטפת הבטיחות.
המגמה הנוכחית גם משקפת בגרות עסקית וכלכלית. אם בעבר התחרות נמדדה אך ורק בתוספת פרמטרים או בגודל מסדי הנתונים, כיום המערכה מתנהלת על יעילות חישובית, דיוק יישומי בארגונים ומזעור עלויות התפעול במרכזי הנתונים.
הפחתת עלויות ה-API וייעול השימוש באסימונים אינם רק מהלך שיווקי, אלא מענה ישיר למשבר תשתיות ממשי. מרכזי הנתונים בעולם פועלים סביב מגבלות חמורות של אספקת חשמל, פינוי חום וזמינות מאיצים גרפיים. ישנו גם הזעם הציבורי הגובר על הסטת משאבים אנרגטיים לטובת התפעול של אותם מרכזי נתונים.
בינה מלאכותית
(Shutterstock)
הטמעת טכנולוגיות של זיכרון מטמון לפקודות כפי שהחברות החלו להוסיף במודלים שלהן מאפשרת למערכות לאחסן ולשלוף הקשרים מוכנים מראש במקום לחשב אותם מחדש בכל פנייה. מהלך זה חוסך עשרות אחוזים מצריכת החשמל של השרתים, משחרר משאבי זיכרון קריטיים במאיצים ומאפשר לחברות להגדיל את נפח הפעילות מבלי להמתין להקמת תחנות כוח ייעודיות לחוות השרתים שלהן.
ההשפעה על ישראל
מהזווית המקומית, עבור חברות ישראליות ומפתחים מקומיים שבונים מוצרים על בסיס התשתיות של OpenAI ואנת'רופיק, מדובר באתגר כפול. מחד, המעבר למודלים שמספקים ערבויות רשמיות לאי-שמירת מידע מקל על שילובם במוצרים המיועדים לייצוא לאירופה ולארצות הברית.
מאידך, הצורך לעמוד בדרישות תאימות נוקשות, בקרת אבטחה כנגד מתקפות עקיפת מגבלות ואיסור על זיקוק מודלים מחייב ארגונים ישראליים לעדכן את פרוטוקולי האבטחה שלהם ולהבטיח שעיבוד המידע הארגוני אינו חושף אותם להפרות רגולטוריות חוצות גבולות.
ישנם גם שחקנים נוספים בתחום כמו גוגל ומטא - כאשר מודל הבינה המלאכותית של האחרונה Muse AI אף זוכה להפוך לאחד הפופולריים בחודשים האחרונים בעיקר בזכות הנגישות שלו דרך פיסבוק, וואטסאפ ואינסטגרם. ג'מיני של גוגל אמנם נחשב נחות מהמודלים של שתי המובילות, אבל הוא מוטמע בתוך פלטפורמת גוגל.
מהצד הסיני של המפה המודלים של דיפסיק ו-Qwen של עליבאבא מציגים ביצועים שמתקרבים מאוד לאלו של המקבילים המערביים במחיר נמוך משמעותית ובנוסף ניתן גם להתקינם מקומית.
בסופו של דבר, ניתן לומר שחברות ה-AI הבינו שהן צריכות עכשיו גם לספק יעילות מעבר לביצועים כדי שטכנולוגיית הבינה המלאכותית תוכל להתקדם ולהפוך לכלי שאפשר יהיה לעשות בו שימוש יומיומי נרחב בלי שהמשתמשים יצטרכו להשתנק כשהם מקבלים את החשבוניות בסוף החודש.
