מה זה בעצם “AI Slop”?

המונח “AI Slop” מתאר את התוכן הנמוך, הממוחזר והמג’ונרט, שמציף את הרשת: מאמרים חסרי נשמה, סרטונים חסרי ערך, מוזיקה שנשמעת מוכרת מדי, ספרים מג’ונרטים שנכתבים על-ידי בוטים בהמוניהם, ואפילו חדשות שנכתבות ללא עיתונאי אמיתי מאחוריהן. זוהי למעשה שכבה עצומה של מידע סינתטי שנוצרת באמצעות כלים של בינה מלאכותית גנרטיבית (Generative AI) – אותם מנגנונים שיודעים “להמציא” טקסט, תמונה, צליל או וידאו חדשים על בסיס דוגמאות קיימות. חשוב לציין – אנחנו לא מדברים על תכנים שנוצרו בסיוע של AI בתהליך היצירה שלהם, אלא על תכנים שנוצרים בצורה אוטומאטית לגמרי, לרוב כמעט ללא מעורבות יד אדם. תכנים שמועברים באמצעות אוטומציות ליוטיוב, ספוטיפיי, לינקדאין ועוד. 

מסתבר שהבינה היוצרת (Gen AI), יוצרת קצת יותר מדי! מחקרים חדשים מראים שבאזורים מסוימים של האינטרנט, אחוז התוכן שנוצר על ידי מכונות כבר חוצה את הסף המדאיג: מחקר שפורסם ב-2025 מצא כי כ-40% מהפוסטים החדשים ב-Quora וב-Medium הם ככל הנראה תוצר של AI. מדובר בקפיצה של עשרות אחוזים בתוך שנתיים בלבד – והכיוון ברור.

חצי מהאינטרנט הוא לא אנושי

אם נדמה היה שהרשת עמוסה בפרסומות ובספאם עוד לפני עידן ה-AI, הרי שכיום רוב מה שאנחנו רואים, קוראים ומקשיבים לו כבר לא נכתב על ידי בני אדם. לפי דו”ח Imperva לשנת 2025, כמחצית מהטראפיק ברשת כולה מופק על-ידי בוטים, וחלק גדול מהם משמשים למטרות הרסניות כמו גניבת מידע, מניפולציות על חשבונות ויצירת תעבורה מזויפת.

התוצאה: מציאות שבה קשה לדעת מי עומד מאחורי כל קליק או תגובה – אדם אמיתי, או מכונה שתוכנתה לחקות אחד כזה? התמונה הזו מקבלת מימד נוסף כשנזכרים שהבוטים עצמם משתמשים באלגוריתמים מבוססי AI כדי להיראות “אנושיים” יותר.

פייק ניוז על סטרואידים!

יצירת תוכן הייתה בעבר ביטוי ליצירתיות אנושית – כתיבה, ציור, מוזיקה או צילום דרשו השקעה, מחשבה וידע. היום, כל אחד יכול לייצר “ספר” בלחיצת כפתור. מחקר של Originality.AI משנת 2024 מצא שיותר ממחצית מהפוסטים הארוכים ב-LinkedIn כבר נוצרו על ידי AI. וזה היה שנה שעברה – המצב היום חמור הרבה יותר!

באמזון, תופעת הספרים המזויפים (כאלה שנכתבו על ידי AI ומתחזים לכותבים אמיתיים) הפכה לאיום ממשי על סופרים בשר ודם. החברה נאלצה להגביל את מספר הספרים שניתן לפרסם ביום לשלושה בלבד. אפילו העיתונות המקוונת סובלת: אתרי חדשות שמופעלים כמעט לגמרי על ידי תוכנות כתיבה אוטומטיות כבר הפכו למציאות קיימת. לפי דו”ח של NewsGuard משנת 2025, קיימים כיום מעל 1,200 אתרי חדשות מזויפים שמופעלים בידי AI, ומפיצים מידע שקרי בשפות רבות ברחבי העולם. וכשרשתות תעמולה שכאלה מופעלים על ידי משטרים מפוקפקים (כן פוטין… אני מסתכל עליך), התוצאה יכולה להיות הרסנית – הנדסת תודעה בקנה מידה נרחב! אם זה מעניין אתכם, כתבנו מאמר שלם בנושא רשתות דיסאינפורמציה פרו-קרמליניות, מבוססות AI. כשמשלבים את זה עם LLM Grooming, אותם תכני AI מוצאים את דרכם למאגרי האימון של מודלי השפה, שממשיכים להדהד את המסרים השקריים. 

למה התכנים הללו כל כך משכנעים? חלק מהבעיה טמון באשליה. תוכן שנוצר על ידי בינה מלאכותית נראה חכם, מדויק ומשכנע. למה? בעיקר כי הוא מאוד “בטוח בעצמו”. הוא כותב בשפה סמכותית, משלב עובדות אמיתיות עם עובדות אחרות שהוא בדה ממוחו הקודח, וכל זה משאיר רושם של אמינות.

מוזיקה סינתטית וספוטיפיי מוצף בזיופים

הבעיה אינה מוגבלת לטקסט בלבד. גם עולם המוזיקה עובר שינוי דרמטי. להקות שמעולם לא היו קיימות מצליחות להגיע למיליוני האזנות, ורק לאחר מכן מתגלה שהן נוצרו לחלוטין באמצעות בינה מלאכותית – מהמילים ועד לתמונת היח”צ. עם כלים כמו Suno ו-Udio כל כך קל לייצר היום מוזיקה מג’ונרטת. וכן – זה נשמע טוב! דוגמה בולטת היא הלהקה Velvet Sundown, שכבשה את Spotify עם למעלה ממיליון האזנות לפני שהתברר שמדובר בפרויקט מלאכותי.

מיליוני צפיות: the Velvet Sundown בספוטיפיי.

טכנולוגיות GenAI מאפשרות היום אפילו להחזיר אמנים מן המתים – כך עפרה חזה וזוהר ארגוב חזרו לדואט מרגש ביום העצמאות 2023, שנים לאחר מותם.

אמנם במקרה הזה לא מדובר ב-AI Slop, אלא בתוכן שהופק בקפידה, ונעשה בשיתוף עם משפחותיהם של זמרי-העל הישראליים, אבל הוא ממחיש את הקלות הבלתי נסבלת שבה תוכן סינטטי “עובר” כאמיתי. כל הסיפור הזה מציף שאלות פילוסופיות – האם זה מוסרי? האם מותר להשתמש בקולו של אדם לאחר מותו? וגם אם הכל 100% AI – מה זה בעצם אומר ש”התאהבתי” בשיר AI? האם תוצרי AI יכולים להתחרות בתוצרים של אמנים אנושיים? או שאולי אנחנו צריכים לשאול שאלה הפוכה – האם ליוצרים אנושיים יהיה את הכוח, המשאבים ואורך הרוח להתחרות בתוצרי AI שרק ילכו ויהפכו ליותר ויותר איכותיים, קליטים ומהפנטים?

הבעיה חמורה עוד יותר כשמוזיקה כזו משמשת להונאות תמלוגים. אמנים מזויפים מעלים אלפי שירים לאותן פלטפורמות, ומפעילים בוטים שמנגנים אותם שוב ושוב. מדובר בתעשייה של מאות מיליוני דולרים שמחסלת בפועל את ההכנסות של מוזיקאים אמיתיים ומייצרת בעיות אמיתיות לשירותי הסטרימינג.

גוגל כבר לא מפנה לאתרים

עד לא מזמן, האינטרנט פעל על עיקרון פשוט: אתרים מייצרים תוכן, גולשים מוצאים אותו דרך גוגל, וגוגל מחלקת את התנועה בהתאם לרלוונטיות. אך מאז השקת מנגנון “AI Overview” של גוגל, המערכת מסכמת בעצמה את המידע ומציגה את התשובה ישירות בדף החיפוש. לכאורה מדובר בנוחות מרבית, אך בפועל, אתרי תוכן מאבדים תנועה והכנסות. לפי מחקר של Bain & Company, כ-80% מהמשתמשים צורכים כעת תוצאות “אפס קליקים” (Zero Clicks) – כלומר, הם מקבלים תשובה מה-AI ואינם מבקרים עוד באתרי המקור. המשמעות הכלכלית ברורה: פחות חשיפה, פחות פרסום, ופחות תוכן איכותי שנוצר בידי אנשים. להרחבה, קראו את המאמר שכתבתנו בנושא זה.

בתמונה: דו”ח של Similarweb שמראה את הירידה בהפניות האורגניות בגוגל (גולש שהקליק על כתבה והועבר לאתר חיצוני), אל מול העלייה בזירו קליקס (גולש ששאל שאלה בגוגל, וקיבל מיד תקציר AI, מבלי להמשיך לאתר חיצוני).

Credit: Similarweb

כשהמוצר חינם – התוכן שלכם הוא המוצר!

כדי לייצר תוכן חדש, מערכות AI צריכות קודם “ללמוד” מתוכן קיים – וזהו לב הבעיה. החברות שמאחורי המודלים משתמשות באינספור טקסטים, תמונות וקטעי וידאו שפורסמו על ידי יוצרים אמיתיים, לרוב בלי ידיעתם או רשותם. ב-2025 נחשף כי Reddit מכרה את מאגר התגובות שלה לגוגל ול-OpenAI תמורת עשרות מיליוני דולרים בשנה. גם YouTube אושר כמאגר אימון עבור מודל הווידאו של גוגל, Veo3. במקביל, אמנים ב-DeviantArt גילו כי עבודותיהם שימשו כבסיס ליצירת תמונות סינתטיות שנמכרות חזרה בפלטפורמה.

היצירה האנושית הפכה לחומר גלם בחינם. ההכנסות זורמות לחברות, ולא לאמנים. לפי CISAC (הקונפדרציה הבינלאומית של אגודות היוצרים והמלחינים), יוצרי מוזיקה וקולנוע צפויים לאבד עד 22 מיליארד אירו בהכנסות עד 2028 כתוצאה מהשפעת הבינה היוצרת.

כש-AI מתחיל להאכיל את עצמו

כמות התוכן הסינתטי באינטרנט לא רק מזהמת את המרחב הציבורי, אלא גם מאיימת על עצם היכולת של המודלים להמשיך ללמוד. ככל שמערכות בינה מלאכותית ניזונות מתוכן שנוצר על ידי AI, כך האיכות שלהן מתדרדרת – תופעה שמכונה “אוטופגיה של בינה מלאכותית” (AI Autophagy). מחקר שפורסם בכתב העת Nature  מזהיר כי שימוש הולך וגובר בתוכן סינתטי כנתוני אימון יוביל ל”התמוטטות מודלים”: מצב שבו האלגוריתמים מאבדים את היכולת להבין מהו מידע אמיתי ומהו ג’ינרוט חסר ערך. כאשר מודלים מאמנים זה את זה על בסיס נתונים מלאכותיים, הם נוטים להיכשל בהבנת המשימה המקורית, ובכך למעשה “להשחית” את עצמם.

אילוסטרציה: בוט שמאומן על תוכן שבוט אחר יצר.

גם המדע והמחקר בבעיה…

ההשפעה אינה נעצרת בגבולות המדיה או המסחר. גם המדע, אחד התחומים שהאמינות היא יסוד קיומו, מתחיל להיפגע. לפי מחקר שפורסם ב-Science Advances, לפחות 13.5% מהמאמרים הביו-רפואיים שפורסמו ב-2024 נכתבו או נערכו בעזרת AI, כאשר בתחומים מסוימים הנתון הגיע ל-40%. במאמר אחר שפורסם ב-Nature עלתה תופעה מדאיגה אף יותר – חוקרים שנתפסו “עם המכנסיים למטה” כשהם מסתירים פקודות סמויות (Prompt injection) בתוך מאמרים שכתבו, כדי לגרום למערכות ביקורת מבוססות AI להעניק להם ביקורת חיובית. התוצאה היא מערך מדעי שנשען יותר ויותר על כלים אוטומטיים שאפשר לשבש, להונות ולהשחית בקלות.

ומה יקרה אם לא נעצור?

התמונה המצטיירת עגומה: עולם שבו אין עוד ודאות מי כתב, מי צילם, מי שר, ומי בכלל אמיתי. תוכן סינתטי מזין את עצמו, והאינטרנט עלול להפוך לסביבה סגורה של שקרים, בלבול וערפול. אך המסקנה אינה בהכרח קטסטרופלית. כמו בכל טכנולוגיה, גם כאן נדרשת אחריות אנושית. מערכות בינה מלאכותית יכולות להפוך לכלי עבודה מופלאים,  אך רק אם נשכיל להשתמש בהן בזהירות, תוך שמירה על פיקוח, ייחוס ועריכה אנושית אמיתית. הבעיה אינה נעוצה במכונות, אלא באנשים שבוחרים להפעיל אותן בלי לעצור ולבדוק אם זה אחראי ומועיל (ובמועיל הכוונה – מועיל גם לשאר הציביליזציה האנושית, ולא רק לחשבון הבנק הפרטי שלהם). המודלים הגנרטיביים לא מבינים מהי אמת או מהו ערך, אך אנחנו כן. ואם נמשיך להאכיל את האינטרנט בתוכן ריק, הוא יחזיר לנו בדיוק את מה שנתנו לו – גרסה סינתטית ומעוותת של עצמנו.

האינטרנט התחיל כרשת אנושית של שיתוף ידע, יצירתיות וחיבורים אמיתיים. כדי לשמור עליו כזה, אנחנו נדרשים למאמץ מודע – עלינו להעדיף מקורות אמינים על פני סיכומי AI אוטומטיים. עלינו ליצור במקום לשכפל. ולרגע אל תבינו אותי לא נכון – אין שום בעיה להשתמש ב-AI. אבל אנחנו מאמינים שכל תוצר שנפלט ממערכת AI הוא רק חומר גלם, ולא מוצר סופי. בסופו של יום כדאי שיהיה בן אנוש בתחילת התהליך וגם בסופו. שמישהו עם מוח ודופק יהיה חתום עליו. 

הפוסט האם ה-AI Slop יהרוס לנו את האינטרנט? הופיע ראשון בLet's AI בינה מלאכותית

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

כמה באמת אפשר להרוויח?

כשמתחילים לחשוב על מקצוע חדש, תמיד עולה אותה שאלה: כמה זה שווה?

בעולם האוטומציות והבינה המלאכותית, טווחי ההכנסה מגוונים מאוד, אבל גם מפתיעים. פרויקטים פשוטים של אוטומציה יכולים להכניס כמה מאות דולרים, ואילו פרויקטים עסקיים רחבים שמערבים אינטגרציות מורכבות, חיבורים למערכות חיצוניות ובינה מלאכותית, יכולים להגיע בקלות ל-10,000 עד 20,000 דולר לפרויקט.

• מודלים עסקיים רבים מבוססים על ריטיינר חודשי – לקוחות שמשלמים תשלום קבוע עבור תחזוקה, שדרוגים או בניית מערכות חדשות. הרווח כאן מגיע מהשילוב שבין ערך מתמשך ללקוח לבין היכולת שלכם לפתח מערכות שממשיכות לעבוד גם כשאתם לא על המקלדת.
• יש גם מי שבוחר במבנה היברידי – חיבור בין תמחור פר-פרויקט לבין תשלומים חודשיים קבועים. זה מאפשר יציבות פיננסית לצד גמישות עסקית, ומעודד יצירת שיתופי פעולה ארוכי טווח עם לקוחות.

טווחי שכר והכנסות לאנשי מקצוע שעוסקים בבניית אוטומציות עסקיות וסוכני AI.

שלושה מסלולי קריירה עיקריים

העולם החדש של האוטומציות מציע לפחות שלושה מסלולים ברורים – וכל אחד מהם יכול להוביל למקצוע של ממש.

1) שכירים

השוק צמא למומחה אוטומציות וסוכנים שמשתלבים בחברות וארגונים. מדובר בתפקיד שמתחיל לתפוס תאוצה וקיבל חיזוק משמעותי לאחר עליית טכנולוגיות ה-GenAI מאז סוף 2022. חברות מבינות שהן צריכות ייעוץ וליווי טכנולוגי מבלי לגייס מנהל AI במשרה מלאה. כאן אתם נכנסים לתמונה – בין אם כעובדי חברה שעברו פיתוח מקצועי, או כמי שרוצים לייצר לעצמם הכנסה נוספת במקביל לעבודה כשכירים, ובין אם כיועצים חיצוניים שמובילים תהליכים, בונים תשתיות חכמות ומייעלים את מערכות החברה בעזרת בינה מלאכותית ואוטומציות עסקיות.

2) פרילנסרים ונותני שירותים

כאן אתם מוכרים את הידע שלכם ישירות ללקוחות – עסקים קטנים, סטארט-אפים או יזמים. אתם מאפיינים, בונים ומיישמים פתרונות אוטומציה אמיתיים שמפחיתים שעות עבודה ומגדילים רווחיות.

3) הסבה מקצועית – יציאה לדרך חדשה

זוהי אחת הקבוצות המרגשות ביותר. אנשים שהגיעו מעולמות שונים – קידוד, שיווק, חינוך, עיצוב, אדמיניסטרציה, שירות לקוחות, הייטק – ומבינים שהגיע הזמן לעשות שינוי אמיתי. העולם הדיגיטלי נפתח בפניכם, והיכולת ללמוד כלים חדשים, להתנסות ולבנות מומחיות תוך חודשים ספורים, היא חסרת תקדים.

לא צריך רקע קודם בתכנות או הנדסה – מספיק סקרנות, התמדה ורצון ללמוד. הידע המקצועי (פה בקורס), הקהילה שלנו והכלים זמינים מתמיד, והכניסה לעולם האוטומציות, ה-AI והסוכנים כיום היא נגישה יותר מאי פעם.

הבחירה במסלול תלויה באופי שלכם, בקצב הלמידה ובשאיפה העסקית שלכם – אבל בכולם נדרש שילוב של חשיבה יצירתית, יכולת טכנית וראייה עסקית רחבה.

פוטנציאל הצמיחה של מקצועות האוטומציות והסוכנים.

מה זה אומר להיות מומחה אוטומציות וסוכנים

מומחה אוטומציות וסוכני AI הוא הרבה מעבר ל”איש טכני”. זהו אדם שחושב תהליכים, מבין צרכים עסקיים ויודע לתרגם בעיה לפתרון. שלושת היסודות המרכזיים הם:

1. איפיון מקצועי: להבין לעומק את התהליכים של הלקוח, לזהות נקודות חיכוך, חזרות וטעויות אנוש, ולהגדיר היכן אוטומציה תייצר ערך אמיתי.
2. חשיבה יצירתית ופתוחה: תחום האוטומציה הוא לא רק טכנולוגיה – הוא אמנות. הוא דורש לראות את התמונה הגדולה ולחשוב איך אפשר לייצר חיבורים מפתיעים בין מערכות.
3. יכולת טכנית: להכיר את הכלים, לדעת לחבר ביניהם, להבין מונחי יסוד טכניים כמו API ו-MCP, ולהחזיק ביכולת לפתור בעיות בזמן אמת. זה לא דורש תואר במדעי המחשב, אלא סקרנות טכנולוגית, נכונות ללמוד והרבה תרגול.

מומחה טוב הוא מי שיודע גם לשאול את השאלות הנכונות – לא “איזה כלי הכי טוב?”, אלא “מה הבעיה העסקית שאנחנו מנסים לפתור?”.

מומחה אוטומציות אמיתי יודע לשלב בין יכולות AI בתהליכי אוטומציות עסקיות!

איך מתחילים

1) הכשרה מקצועית

הצעד הראשון בבניית מקצוע חדש הוא הכשרה מקצועית אמיתית – לא סרטון אחד ביוטיוב ולא פוסט בלינקדאין – אלא מסלול שמעניק בסיס רחב להבנת הכלים, לצד תרגול משמעותי. ואם אתם פה, אז סימן שאתם במקום הנכון. בדיוק בשביל זה הקמנו את LetsAI – כדי לעשות דמוקרטיזציה לידע ולטכנולוגיה. מעבר לקורס המדהים שלנו לבניית אוטומציות עסקיות וסוכני AI, יש לנו את כל התשתית המקצועית כדי לעזור לכם לא רק ללמוד את התוכן, אלא גם ללמוד איך להפוך אותו למקצוע – כל זה לצד מעטפת מקצועית ואקוסיסטם תומך. אנחנו בטוחים שיש לכם שאלות – נשמח לתאם לכם שיחת ייעוץ ללא תשלום עם יועץ לימודים.

2) התמקצעות (Drill Down)

בעולם האוטומציה מומלץ להקדיש לפחות 50 שעות התנסות לכל כלי מרכזי. הכוונה אינה רק לצפייה אלא לבנייה, פירוק ותיקון תרחישים אמיתיים. כשאתם בונים בעצמכם תהליכים, אתם מפתחים אינטואיציה מקצועית – וזה משהו ששום תיאוריה לא תחליף.

3) המעגל הקרוב

הדרך החכמה ביותר להתחיל היא להתמקד במעגל הקרוב שלכם, אפילו תוך כדי תהליך הלמידה וההתמקצעות! מדובר באנשים שאתם כבר מכירים, קולגות או עסקים שאתם עובדים איתם. הציעו להם אוטומציות פשוטות שישפרו את עבודתם. זו דרך בטוחה לצבור ניסיון, לקבל פידבק ולהתחיל לבנות תיק עבודות אמיתי.

4) פשוט היא שם המשחק!

וזכרו את העיקרון: Keep It Simple. עדיף תהליך אחד שעובד מצוין על פני עשרה תהליכים חצי-גמורים.

מאיפה משיגים לקוחות

בעולם פתוח כמו זה, הזירה שלכם היא גלובלית. לקוחות פוטנציאליים נמצאים בכל פינה באינטרנט – כל עוד יודעים לגשת אליהם נכון.

• Fiverr: התחלה טובה למי שרוצה להתנסות ולבנות מוניטין. בנו דף פרופיל ברור, הציגו פרויקטים אמיתיים והשתמשו בשפה פשוטה.
• Upwork: פלטפורמה רצינית יותר, שמתאימה למי שכבר יש לו ניסיון מוכח או תיק עבודות. כאן אפשר למצוא לקוחות שמחפשים פתרונות עסקיים של ממש.
• LinkedIn: המקום שבו מתרחשים רוב החיבורים העסקיים. השקיעו בבניית נוכחות מקצועית, שתפו תובנות והראו תוצאות.
• Facebook: למרות שזו לא הרשת הראשונה שחושבים עליה, ישנן קבוצות מקצועיות רבות – קבוצות של בעלי עסקים, קבוצות נישתיות ועוד. אפשר גם לייצר אוטומציות עסקיות עם או בתוך פייסבוק, וכמובן שהתנעת קמפיינים ממומנים היא דרך מעולה לקבל לידים. נזכיר שבקורס שלנו יש סדנת עומק על כלי הפרסום של META, לצד מתודות יצירת תוכן עם AI.

המפתח הוא עקביות – לא קמפיין חד-פעמי אלא נוכחות אמיתית. עם הזמן, אתם תהפכו לאנשי המקצוע שאליהם פונים כשצריך פתרון מהיר וחכם.

העולם לא מחכה – זה הזמן לזוז

השילוב של אוטומציות ובינה מלאכותית הוא לא הבטחה עתידית – הוא כבר כאן. עסקים שמאמצים כלים חכמים חוסכים משאבים, משפרים שירות ומקדימים את המתחרים. ומי שמבין את זה מוקדם, נמצא בדיוק במקום הנכון בזמן הנכון.

אם יש דבר אחד שלמדנו מכל אנשי המקצוע שכבר צעדו בדרך הזו, זה שההתחלה אולי מאתגרת – אבל היא גם ההזדמנות הגדולה ביותר. לא צריך לדעת הכל, רק להתחיל לזוז.

אז כן, מפת הדרכים לבניית מקצוע בעולם האוטומציות מתחילה בצעד אחד קטן – אך עם כיוון ברור: להפוך את הסקרנות שלכם למקצוע אמיתי, מבוקש ורווחי.

הפוסט כך תהפכו בניית אוטומציות למקצוע הופיע ראשון בLet's AI בינה מלאכותית

מהו RAY 3 ולמה הוא נבנה?

גילוי נאות – “לומה דרים משין” היא אחת מפלטפורמות הוידאו האהובות עלי, בכל מה שקשור לג’ינרוט וידאו. יש בה כל מה שיוצר AI צריך. מודלי וידאו מעולים (מודלי Ray – קרן אור), מודלי תמונות מצוינים (מודלי Photon – חלקיק אור… או גל… תלוי את מי שואלים ), ממשק סופר נוח, אינטואיטיבי, יפה וכייפי, והכי חשוב – תוצרים מרהיבים! גם Ray 2 היה מודל מצוין, ועם Ray 3, נראה שלומה ממשיכה בקו הבוטיקי והאיכותי שלה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

מודל RAY 3 הוא הדור השלישי לפלטפורמת ה-AI של Luma, הידועה גם בשם “דרים משין” (Dream Machine) – מכונת החלומות. וכשמה כן היא – מקום שבו אפשר להגשים חלומות ולגרום להם לקרום עור וגישים. בניגוד לכלים רבים (כן ראנוויי – אני מסתכל עליך), המודלים של לומה מצטיינים בהבנת שפה טבעית. אפשר פשוט לדבר אליהם (לרשום פרומפטים באנגלית), והם “מבינים” מה אתם רוצים, ולרוב גם מדלוורים בצורה מאוד טובה. זהו כלי שמכוון בעיקר ליוצרים מקצועיים, שרוצים פלטפורמת וידאו מתקדמת.

מודל RAY 3 מסוגל להבין קונספטים חזותיים, לפרש רעיונות מילוליים ומצבים מורכבים, וליצור מהם וידאו עשיר, מדויק, ומלא ניואנסים פיזיקליים. המודל מהווה קפיצת מדרגה של ממש לעומת הגרסאות הקודמות, עם דגש על הבנה, חשיבה, ואינטראקציה עמוקה עם הקלט שהמשתמש מספק.

מה חדש ב-Ray 3

פוטוריאליזם מרהיב!

מודלי Ray תמיד הצטיינו בריאליזם, אבל פה זה כבר באמת גובל בפוטוריאליזם מוחלט. שימו לב לסרטון של הקוף מטה – ספק אם הייתה לכם יכולת לזהות שזו שוט AI, אם לא היו אומרים לכם. RAY 3 מציג רמה חדשה של Fidelity (“נאמנות למציאות” אם תרצו) – מונח שמכיל בתוכו חדות פרטים, שמירה על מבנה אנטומי של דמויות, ריאליזם בעיבוד אור וצל, ומענה מדויק להוראות המשתמש. המודל מפגין הבנה עמוקה של סיטואציות מורכבות, תנועות מהירות, סצנות המוניות, משחקי מצלמה, ואפילו פרטים קטנים כמו הבעות פנים, השתקפויות, טשטוש תנועה טבעי ואופטיקה אמיתית.

שימו לב לפרווה, לאינטראקציה בין השלג לשערות של הקוף – מטורף!

Credit: Luma

חשיבה חזותית ו”ריזונינג” מתקדם

אחת התכונות הבולטות של RAY 3 היא יכולתו “לחשוב בתמונות” – כלומר להבין קונספט, לפרק אותו לרצף חזותי, להעריך את הביצועים ולבצע אופטימיזציה של התוצאה. תהליך זה מזכיר במידה מסוימת את “שרשרת המחשבה” (Chain of Thought) מעולם מודלי השפה (LLM), אך כאן המודל מנתח, משפר ושופט את הווידאו שהוא עצמו יוצר. כך נולדות סצנות מורכבות, תנועות מצלמה אינטואיטיביות והקפדה על שמירה על עקביות דמויות ותפאורה לאורך רצף הווידאו.

שימו לב איך לומה “מתקן את עצמו” כשהוא מזהה טעויות (2 טלפונים / טלפון מתקופה לא מתאימה וכדומה).

Credit: Luma

הבנה פיזיקלית של העולם

בדומה למודלי עולם (GWM) כמו המודלים של Runway או Veo של גוגל, RAY 3 של לומה מצטיין בחיקוי מציאות – כלומר, יצירת סימולציות פיזיקליות מתקדמות במיוחד. התנועות, ההצללות, והתגובות של אובייקטים בסביבה משדרות תחושת ריאליזם יוצאת דופן ביחס למודלים קודמים בתחום. המודל יודע לשמר עקרונות פיזיקליים כגון תאוצה, השפעות משקל, הדינמיקה של נוזלים, וגם משחקי אור וצל מתוחכמים – מה שמקנה לווידאו תחושת עומק ואותנטיות שלא הייתה זמינה קודם לכן.

סימולציית קרב אגרוף סופר ריאליסטית מבחינת האיטראקציה בין הדמויות. מודלי וידאו אחרים מזמן היו מייצרים אינספור באגים והזיות::

Credit: Luma

תמונה מהירה ואותנטית – שימו לב לתנועת המצלמה, הפרספקטיבה, מיקום המכונית במרחב והרקע – הכל מגיב כפי שהייתם מצפים… מדהים!

Credit: Luma

צבעוניות 16bit HDR – רמה חדשה של דיוק חזותי

אחת הבשורות המשמעותיות של RAY 3 היא התמיכה ב-16bit HDR (High Dynamic Range). זהו המודל הגנרטיבי הראשון בעולם שמספק וידאו HDR אמיתי – לא רק כהדמיה אלא גם כאפשרות ליצוא (Export) בפורמט EXR המקצועי. המשמעות: יוצרי תוכן, עורכים ואנשי פוסט-פרודקשן יכולים להכניס את הווידאו שיצרו ישירות לוורקפלואו מקצועי, עם כל עומק הצבע והדינמיקה הדרושים לעריכה, גריידינג ואפקטים ברמה הגבוהה ביותר. 

Credit: Luma

אלה המצבים שתמצאו בדרים משין:

• SDR (Standard Dynamic Range):
  
  יצוא בטווח דינמי רגיל, עם קבצים קלים יותר המתאימים לשיתוף מהיר ברשתות או לצפייה רחבה. זהו מצב ברירת המחדל, טוב במיוחד לשלב טיוטות ובדיקת תנועה לפני מעבר למאסטרינג מקצועי.

• HDR (High Dynamic Range):
  
  יצוא עם עומק צבע גדול יותר (נתמך ב-10/12/16 ביט), לקבלת תמונה חיה, צבעים עשירים ושמירה על פרטים באזורים בהירים. מיועד לגריידינג, עריכה מתקדמת ולפרויקטים קולנועיים.

• HDR+EXR:
  
  יצוא בטווח HDR, אך בנוסף כקבצי OpenEXR ברצף פריימים (16 ביט/ACES), שמאפשר שילוב מקצועי בגריידינג, קומפוזיט ורילייטינג.

“Draft Mode” – מהירות וגמישות חסרות תקדים

כלי הסקיצות החדש של RAY 3 (מצב טיוטה – Draf Mode) מאפשר למשתמשים לנסות רעיונות במהירות, כמעט בזמן אמת, עם עלות נמוכה פי 5 מהמצב הרגיל ויצירת סרטון ברזולוציה נמוכה פי 5 יותר מהר מסרטון רגיל. תהליך העבודה דומה לסקיצה מהירה: אפשר לייצר גרסאות ראשוניות בקלות, לשחק עם סצנות ומעברים, ואז להעלות את הווידאו הנבחר לאיכות 4K HDR עם טכניקת ה-HiFi Diffusion. כך, המשתמש שומר על הפלואו, חוסך זמן, לא מבזבז משאבים יקרים על ניסויים, ומקבל תוצר מקצועי בסוף התהליך, אחרי שהוא בטוח שיש לו את השוט והקומפוזיציה שאיתם הוא שלם!

איך עובד ה-Draft Mode?

Credit: Luma

אנוטציה חזותית – מבקשת התנועה של לומה

אחת הפיצ’רים השימושיים בדרים משין היא היכולת להשתמש ב”מברשת תנועה” – אתם ממש מציירים חצים על השוט עצמו כדי להסביר ל-AI מה כיוון התנועה ומה אתם רוצים שהאובייקטים בג’ינרוט שלכם יעשו. זה נקרא אנוטציות (Visual Annotation) וזה מאפשר לכם להגדיר בדיוק היכן יופיעו אלמנטים, איך הם ינועו ומה יהיו יחסי הגומלין ביניהם. הכלי מאפשר שליטה חסרת תקדים על תהליך היצירה, מבלי להסתבך בפרומפטים מורכבים או ללמוד שפה חדשה – הכל נעשה באופן אינטואיטיבי.

אנוטציות – מבקשת התנועה של לומה:

Credit: Luma

תמיכה ב-Keyframes ופיצ’רים מתקדמים

המודל מאפשר עבודה עם פריימים (הוספת תמונה לפריים ראשון או אחרון), לצד פיצ’רים מתקדמים אחרים: אפסקיילר מובנה להגדלת רזולוציה, אפשרת הארכת קטעי וידאו עוד ועוד, יצירת סרטוני לופים (Loop), וביצוע שינויים בתמונות או סרטונים עם הנחיות טקסטואליות (המודל מבין שפה טבעית). התוצאה היא גמישות ודיוק גבוהים, שמאפשרים ליצור סצנות מורכבות, להאריך או לקצר קטעים, ולשמור על אחידות ויזואלית לאורך כל הסרטון.

זמינות וחבילות

לכלי חבילת התנסות חינמית בסיסית, אך חשוב לציין שהיא לא זמינה לשימוש מסחרי ושהסרטונים מגיעים עם סימן מים. אם רוצים חבילה שמאפשרת יצירת סרטונים ללא סימון ועם אישור לשימוש מסחרי, תיאלצו לשלם כ-30 דולר בחודש. מדובר בסכום יחסית גבוה בהשוואה לכלים אחרים בשוק, אבל אם תשאלו אותי – הוא שווה כל שקל! פה תוכלו למצוא מידע נוסף על החבילות והתמחורים.

לומה – מחירי החבילות | Credit: Luma

העובדה שמודל כמו RAY 3 מאפשר להפיק תוצרים כל כך מגוונים, איכותיים ומדויקים, מחזק את התובנה שאנחנו חיים בעידן חדש שבו גבולות בין “יצירה מבוססת AI” ליצירה אנושית מיטשטשים. בתוך כל החדשנות הזו, חשוב לזכור שהיכולת האמיתית של הכלים הללו לא נמדדת רק בטכנולוגיה, אלא באפשרות לספר סיפור שמרגש, מסקרן ומזמין את הצופה לחזור ולצפות שוב. בסופו של יום, הכלי הכי חשוב בארגז הכלים שלכם הוא לא מודל AI כזה או אחר, אלא הדמיון שלכם! וכמו שראנוויי אמרו כבר לפני יותר משנתיים – “אם אפשר לדמיין את זה, אפשר לג’נרט את זה!”

הפוסט המדריך המלא למודל הוידאו Ray3 של Luma Dream Machine הופיע ראשון בLet's AI בינה מלאכותית

סורה2: זה לא עוד מודל וידאו

לפני מספר ימים OpenAI זרקה פצצה והשיקה את סורה2 (Sora2) – כלי שהוא מצד אחד מכונת סרטונים עם פוטנציאל ליצירת טרנדים ויראליים מצחיקים, מפתיעים ומעוררי מחשבה והשראה, ומצד שני פלטפורמה עם פוטנציאל להתחרות ואולי אפילו לחסל מותגים גדולים (ואולי גם את תחושת המציאות עצמה). הוא בנוי כמו ממתק דיגיטלי ממכר, כזה שסוחף אותך פנימה עם החברים, הסלבס והמשפיענים האהובים עליך.

אפליקציה או רשת חברתית?

במקום לייצר קליפ קצר וסטטי, סורה2 מכוון למקום אחר לגמרי – יצירת חוויית גלישה במרחב חברתי שמבוסס על מציאות AI, שמעוגנת בעולם שאנחנו מכירים, עם האנשים שאנחנו מכירים. גרסאות דיגיטליות של עצמנו, של החברים שלנו, המשפיענים שלנו והאנשים שמשפיעים על העולם בו אנחנו חיים (כמו למשל סם אלטמן, מנכ”ל OpenAI, שהיה מהראשונים לנדב את דמותו לתחילתו של טרנד ממים בלתי נשלט). וזה הרגע שבו צריך לעצור ולומר: סורה זה לא עוד מודל וידאו. זה משהו אחר לגמרי. שילוב של הברקה טכנולוגית, משחק חדש בזירה החברתית – ומקור לחששות לא קטנים.

נכון, אפשר להשתמש בסורה גם מהמחשב (עם VPN וקוד הזמנה מחבר, כי בישראל זה עוד לא זמין). אבל ליבת הפעילות האמיתית היא שימוש באפליקציה בנייד – כאמור, לשם כל המהלך השיווקי הזה מכוון. וזו לא אפליקציית וידאו רגילה. היא מתפקדת כמו רשת חברתית לכל דבר – משהו שמאוד מזכיר את אינסטגרם או טיקטוק. האם OpenAI יצליחו להפוך אותה לטיקטוק או לאינסטגרם הבא? אני לא יודע – זה לא יהיה פשוט. אבל אני יכול להבין את קו המחשבה שלהם. יצירת מתחם שלם סרטונים שנראים אמיתיים לגמרי, עם האנשים שאתם מכירים מהמציאות שלכם, אבל כל כולו AI. כלומר, הפעם אין שום דבר אמיתי בפיד הזה! 

זה מרגש – כי זה פותח עולם בלתי מוגבל של אפשרויות ליצירה, להומור, לסאטירה, לאמירה חברתית או פוליטית. אבל זה גם מפחיד. מאוד מפחיד!

האווטאר הדיגיטלי שלכם – ה-Cameo

איך זה עובד? ברגע ההצטרפות האפליקציה מבקשת מכם ליצור Cameo – אווטאר דיגיטלי שלכם. אבל לא אווטאר חצי-קריקטורי כמו של פעם בפייסבוק, אלא שיבוט היפר-ריאליסטי שנראה בדיוק כמוכם ונשמע בדיוק כמוכם.

חשוב לציין – כבר ראינו דברים דומים אצל Heygen או Synthesia, אבל כאן היכולת הזו משתלבת עם מודל וידאו שמציב את הדמות שלכם בכל סיטואציה, בכל מקום, בכל עלילה ובכל תרחיש. היא (כלומר אתם) אומרת ועושה מה שאתם רוצים. וזו רק ההתחלה. אפשר גם להחליט אם לאחרים מותר לעשות רמיקס עם הסרטונים שלכם – כלומר, עם הדמות שלכם. חשבו על זה לרגע: כל אחד (בהנחה שתיתנו הרשאה) יכול להכניס את השיבוט שלכם לסצנות שלא הייתם מעלים על דעתכם. זה מגניב, אבל זה גם סיוט בפוטנציה. אני יכול לחשוב על אינספור דרכים שבהן כל זה משתבש! בין אם זו ילדונת ששוכחת שהאווטאר שלה זמין לכולם, וכל חברי הכתה עושים בדמות שלה שמות (במסגרת מה שמותר במדיניות השימוש של הכלי). או גרוע יותר – גורמים עברייניים שרק מחפשים Cameos של אנשים כדי לגנוב את הזהות שלהם, לסחוט אותם או אלוהים יודע מה…

Tiktok killer או Reality killer?

העניין הוא שהגבול בין מציאות ל-AI לא הפך להיות מטושטש – עם כלים ויכולות כאלה, הוא פשוט כבר לא קיים! מצד אחד זו חוויה ממכרת בטירוף, מצד שני מדובר בפוטנציאל לוויתור כמעט מוחלט על הזהות והעצמיות שלנו.

בסרטון מטה אפשר לראות את iJustine – משפיענית עם מיליוני עוקבים – משתמשת בסורה2 לאחר שקיבלה גישה מוקדמת לכלי. הסרטון הזה מדגים בצורה מושלמת את העוצמה של הכלי, היכולות שלו והפוטנציאל שבו. האמת? המוח ישר מתחיל לרוץ קדימה. מה עוד אפשר לעשות מעבר למה שכבר ראינו? מצד אחד, זה פותח אינסוף אפשרויות ליצירה, שיתופים, משחקים חברתיים. ומצד שני – אמאל’ה ואבאל’ה!

Testing out Sora 2 and the new Sora app.. thought I’d try to make an entire video using only prompts and have my cameo avatar say what I tell it to. What do you think?@OpenAI pic.twitter.com/LnKDgM8nkv

— iJustine (@ijustine) September 30, 2025

האם זו המציאות החדשה שלנו?

כמו שאמרנו – סורה2 היא לא רק כלי, היא מנסה להיות מציאות חלופית. זו חוויה שיכולה להפוך לתחביב, למשהו חברתי, למגרש משחקים משוגע. אבל היא גם יכולה לבלוע אותנו פנימה ולמחוק את הקו בין האני האמיתי לאני הדיגיטלי. באמת שאין לדעת אם זה יתפוס ויהפוך לטרנד – אני יכול לראות את זה קורה. מצד שני – קשה לייצר רשת חברתית. כדי שהיא תצליח, צריכים להתקיים מגוון רחב של תנאים. מעבר לחוויה, צריך שתהיה מסה קריטית של אנשים שיעברו למרחב הזה, ישתמשו בו, ייצרו בו תוכן וישתפו אותו. אם כל החברים שלכם לא יהיו שם, גם אתם לא תהיו שם. ונכון להיות AI וסרטוני AI, זה עדיין תוכן יחסית נישתי. אבל אני לגמרי יכול לראות את היכולת הזאת תזלוג לטיקטוק, לאינסטגרם ולפייסבוק. זה רק עניין של זמן עד שנראה גם שם יכולות דומות (כאמור – הטכנולוגיה קיימת כבר מזמן).

 מה זה אומר על המציאות שלנו, על הבטיחות שלנו (ושל הילדים שלנו)? זו שאלת השאלות. מה שבטוח, כולנו חייבים להיות עם היד על הדופק!

הפוסט Sora2 רוצה להיות ה-Tiktok Killer הופיע ראשון בLet's AI בינה מלאכותית

הבעיה: מודלים שממציאים, מתבלבלים ומפספסים

מחקר חדש של גוגל מציע פתרון אלגנטי לאחת הבעיות המתסכלות ביותר במודלי שפה גדולים (LLM): חוסר דיוק בתשובות והופעת “הזיות” בתוכן שנוצר על-ידי AI. במקום להסתפק במסקנות של השכבה האחרונה של המודל, החוקרים מציגים שיטה (SLED) המנצלת את המידע מכל שלבי החשיבה של הבינה המלאכותית, וממזגת אותם לכדי תשובה סופית מדויקת ואמינה יותר.

בבסיסם, מודלי שפה גדולים כמו ג’מיניי, GPT ו-Claude בנויים כך שהם מחקים את הדרך שבה בני אדם כותבים, מסיקים ומסבירים (בערך). אך שלא כמו בני אדם, שמסוגלים לבדוק את עצמם בזמן אמת ולחזור לשאלה במידה שענו שגוי, המודלים מסתמכים על אלגוריתם “פנימי” שלא תמיד נותן מקום לספקות. אתם אולי מכירים את זה בתור מודל שמשדר ביטחון מוחלט גם כשהוא טועה – וזה קורה בגלל אופן קבלת ההחלטות של המערכת. ישנן מגוון גישות ולצידן מחקרים רבים שמנסים להתחקות אחר הסיבה לאותן הזיות – רק לפני מספר שבועות כתבנו פה על מחקר דומה מבית OpenAI שמציע לשנות את הדרך שבה אנחנו מאמנים מודלים שכאלה. שלא נדבר על עשרות המחקרים מבית אנטרופיק (Anthropic).

גוגל מציעה גישה חדשנית ומעניינת במיוחד, שעוסקת באופן פעילותם של LLMים: מודלים אלו בנויים ממאות או אלפי שכבות (layers) שמבצעות חישובים על כל מילה, סימן או טוקן במשפט. התוצאה הסופית (כלומר, הטקסט שהמשתמש מקבל) מבוססת על ההערכה של השכבה האחרונה בלבד. אך מה קורה בדרך? ייתכן שבשכבות האמצעיות, המודל עצמו “חשב” אחרת או שקל אפשרויות נוספות. ומה קרה בפועל? במציאות רק “קול” אחד (זה של השכבה האחרונה) נשמע. בכך, אנחנו מפספסים ידע פנימי, חוכמה “חבויה” ובעיקר – את ההססנות הטבעית שעשויה הייתה להוביל לתשובות מדויקות יותר.

כשהמודל מפעיל את “כל המוח שלו”, הוא לא טועה. עם ובלי SLED | קרדיט: Google.

SLED – לתת למודל “להתייעץ עם עצמו”

כאן נכנסת לתמונה השיטה החדשה של גוגל: Self Logits Evolution Decoding – או בקיצור, SLED. הרעיון המרכזי מאחורי SLED פשוט אך מבריק: במקום להסתמך רק על השכבה האחרונה, למה שלא נאסוף “חוות דעת” גם משאר שכבות המודל, נשלב ביניהן באופן חכם, ורק אז נבחר את המילה או הביטוי הסופי?

גוגל פיתחה אלגוריתם שמסתכל על כל “תחנות הביניים” במסלול החשיבה של המודל. בכל אחת מהן, המודל מייצר תחזית (Distribution) לגבי המילה הבאה. SLED אוספת את התחזיות הללו, נותנת משקל לכל אחת (ולפעמים אפילו משקל שונה לשכבות שונות), ובונה ממוצע משוקלל של כל האפשרויות. כך מתקבלות החלטות שלא נשענות על “קונצנזוס דיקטטורי” של שכבה אחת, אלא על שיתוף פעולה אמיתי בין כל חלקי המודל.

סרטון המחשה: בסרטון הבא ניתן לראות שכשהמודל מתבסס רק על השכבה העליונה, הוא בוחר בתשובה הצפויה ביותר לשאלה: מהי בירת קולומביה הבריטית? במקרה זה, המודל בוחר במילה עם המשקל הכי גבוה (ונקובר), כי זו העיר הכי ידועה או מפורסמת. אך כשהוא נעזר בכל שכבות החשיבה שלו, ועושה סינטזה בין כל ה”הרהורים” שלו, הוא מגיע למסקנה מדויקת יותר, שהתשובה הנכונה היא העיר “ויקטוריה” (אפילו שמדובר בעיר פחות מוכרת).

Credit: Google

למה זה כל כך משמעותי?

מודל שלא “רץ” אוטומטית אל התשובה הראשונה

בפועל, היכולת לשלב ידע מכל השכבות מאפשרת להימנע מהטיות שמקורן בדפוסי חשיבה שכיחים אך לא מדויקים. אחת התופעות השכיחות היא נטייה של מודלים לענות במהירות על שאלות בעזרת תשובות “פופולריות”, גם אם הן לא בהכרח נכונות. ממש כמו בדוגמה מעלה – כאשר שואלים מהי בירת קולומביה הבריטית, רבים עשויים לבחור ב”וונקובר” (העיר המפורסמת ביותר) אך התשובה הנכונה היא דווקא “ויקטוריה”. במבחני SLED, השיטה מצליחה “להרים דגל” כשנוצרת התלהבות מיותרת סביב אופציה מסוימת, ולבחון שוב האם קיימת אפשרות אחרת שנשמעה מוקדם יותר לאורך הדרך.

שיפור ביכולות מתמטיות והבנת חידות מילוליות

המחקר של גוגל ממחיש את כוחה של שיטת SLED גם בסיטואציות שבהן דרושות כמה פעולות חישוביות ברצף. נניח שמודל מתבקש לפתור בעיה: “הילדה ‘אש’ קונה 6 צעצועים, כל צעצוע עולה 10 מטבעות. בקנייה של ארבעה צעצועים או יותר יש הנחה של 10%. כמה תשלם?”

מודל רגיל עשוי להעדיף את המשוואה הנפוצה A x B = C, ולכן ישיב: 6X10=60, תוך התעלמות מההנחה. בפועל, השכבות הפנימיות הרבה פעמים “רואות” את הצורך להכפיל את התוצאה הסופית (60) גם ב-0.9 כדי להחיל את ההנחה של 10%, אך השכבה האחרונה (בעקבות דפוסי תרגול נפוצים שהופיעו בתהליך האימון), מדלגת על זה (היא מתעדפת את המצב הנפוץ מבחינה סטטיסטית על פני המצב הנכון מתמטית). SLED מציף את כל תחנות הביניים, ובזכות זאת עונה:

6X10X0.9=54

פתרון שמפגין דיוק רב יותר והבנה עמוקה יותר של ההקשר. צפו בסרטון כדי לקבל המחשה ויזואלית של פתרון בעיה מתמטית זו:

Credit: Google

איך זה עובד מתחת למכסה המנוע?

שיטת SLED פועלת ישירות בתהליך הפענוח (Decoding) של הטקסט, כלומר בשלב שבו המודל מתרגם את החישובים הפנימיים לטקסט קריא לאדם.

בכל פעם שמודל שפה מייצר מילה, הוא בעצם מחלק את המשפט לטוקנים: יחידות קטנות שיכולות להיות מילה, חלק ממילה, קידומת, סיומת או סימן פיסוק. המודל לא “פולט” את המילה הבאה מיד, אלא שוקל את כל האפשרויות, מחלק לכל אחת הסתברות (Logit), ומתקדם צעד-צעד. השיטה המסורתית נשענת על התחזית של השכבה האחרונה בלבד, אבל SLED לוקחת את “לוגיטי-הביניים” מכל שכבה, מעבירה אותם דרך אותה מטריצת תחזיות (Projection Matrix) כמו בשכבה האחרונה, ומקבלת סדרת תחזיות מלאה לכל האפשרויות – לאורך כל מסלול העיבוד.

SLED לא מחשיבה כל שכבה כבעלת משקל זהה. חלק מהשכבות נחשבות משמעותיות יותר, תלוי בסוג המטלה, סוג המודל וגודלו. האלגוריתם מחשב ממוצע משוקלל, וכך שכבות “חשובות יותר” ישפיעו יותר על ההחלטה הסופית. דרך גישה זו, SLED משמרת את הדיוק של המודל המקורי, אך משפרת אותו על ידי הבאת “קולות נוספים” לשולחן.

השפעה אמיתית על עולם הבינה המלאכותית

אחת החולשות הבולטות של מודלי שפה היא חוסר עקביות עובדתית. שיטה נפוצה לשיפור דיוק כזה היא חיבור למקורות חיצוניים בזמן אמת (כמו חיבור לרשת), אך אלה דורשים מערכת מורכבת ומוסיפים עלויות וזמן. SLED, לעומת זאת, פועל “מבפנים”, מבלי להיעזר במידע מבחוץ או ב-Fine Tuning יקר. כך הוא לא רק חוסך משאבים, אלא גם מונע תלות בגורמים נוספים ומבטיח שהדיוק משתפר מתוך המודל עצמו.

תוצאות מחקריות מרשימות

במחקר שנערך בגוגל, SLED נוסה על שלל מודלים פופולריים – ביניהם Gemma, GPT-OSS ומיסטרל (Mistral). בכל הניסויים, SLED שיפר באופן עקבי את הדיוק של המודלים, גם באתגרים של בחירה מרובה (Multiple Choice), גם בשאלות פתוחות, וגם במשימות “שרשרת חשיבה” (Chain of Thought). אפילו מול שיטות מתחרות מתקדמות כמו DoLa, שיטת SLED הובילה לעלייה משמעותית (עד 16%) בדיוק התשובות, וכל זאת במחיר כמעט זניח של הגדלת זמן הפענוח ב-4% בלבד.

גמישות והטמעה בכל מודל

אחד היתרונות החשובים הוא הגמישות של SLED. הוא פועל כמעט על כל מודל קוד פתוח, ללא קשר למשפחה, לחברת האם או לייעוד שלו. לא משנה אם מדובר במודל “בסיסי” או כזה שעבר התאמה להוראות (instruction tuned), שיטת SLED מתאימה את עצמה למגוון הרחב של דרישות, ומאפשרת שילוב עם שיטות פענוח נוספות לקבלת דיוק מקסימלי.

ביצועים במבחני ידע

לאורך המחקר, החוקרים בחנו את SLED על שאלות מורכבות ממבחנים ידועים, דוגמת TruthfulQA ו-FACTOR, שם השיטה הפגינה ביצועים מרשימים. גם במבחני שאלות פתוחות, SLED מפחיתה בצורה דרמטית את הסיכוי להזיות. 

הביצועים של SLED | קרדיט: Google

לא הכל ורוד!

למרות היתרונות הברורים, SLED לא באה לבטל את הצורך בביקורתיות – שגיאות והזיות עדיין אפשריות, במיוחד במצבים שבהם גם כל השכבות הפנימיות “טועות יחד”. יתרה מכך, לעיתים נדירות הוספת “קולות” לשולחן עשויה לבלבל את המודל כאשר יש ריבוי חוות דעת שאינן עקביות. למרות זאת מדובר בשיפור מהותי על פני הגישה המסורתית.

היישום של SLED אינו מוגבל רק לשפה טבעית. בגוגל מציעים להרחיב אותו למשימות של הפקת קוד, Visual QA ואף כתיבה ארוכה ומורכבת. המפתח הוא בזיהוי תבניות ידע שמפוזרות לאורך השכבות השונות במודל, והבנה שמידע קריטי אינו נמצא תמיד “רק בסוף”.

SLED ב-Github

רוצים לנסות בעצמכם? SLED הוטמע כקוד פתוח בגיטהאב של גוגל, וניתן להורידו ולהטמיעו כמעט בכל מודל מודרני. מפתחים שמעוניינים לשפר את הדיוק, לצמצם שגיאות עובדתיות ולהפחית הזיות יכולים לנסות את SLED בצורה פשוטה ולבחון בעצמם את ההשפעה.

הקול בראש

שיטת SLED מגלמת תפיסה חדשה: במקום לסמוך בעיניים עצומות על התשובה הסופית, הגיע הזמן להקשיב ל”מחשבות” שהתגלגלו לאורך כל מסלול החשיבה. במקום להעדיף תמיד את הפתרון המיידי, כדאי להעניק משקל ל”הרהורים של המודל” ולדיוקים שהוא מציע מתוך שלל שכבות הידע הפנימי שלו.

הגישה הזו מסמנת מגמה ברורה בבינה מלאכותית – צמצום תלות במקורות חיצוניים, חיזוק תחושת האמון במודל עצמו, ושאיפה ל-AI שידע “להתייעץ עם עצמו” לפני שיחווה דעה. לא תמיד צריך לאמן ו”לבנות מאפס” מודלים חדשים ועוצמתיים יותר, כשאפשר לחשוב על דרכים יצירתיות לגרום למודלים קיימים “לחשוב אחרת”, ובכך להגביר את הדיוק, המהימנות והיכולות שלהם. למרות ש-SLED אינה “פתרון קסם” לכל בעיה, היא פותחת דלת להעמקת ההבנה של מודלים עצמאיים, גמישים וניתנים לשדרוג מהיר, ובמקביל מדגימה כיצד מהפכות אמיתיות קורות דווקא כששמים לב לפרטים הקטנים שמתחבאים מתחת לפני השטח.

התקדמות זו מסקרנת במיוחד לאור הגידול בתלות שלנו במודלי שפה – לא רק בתור כלים לכתיבה או סיכום, אלא גם ככלי עזר לאנליזה, פתרון בעיות, והכוונה בעולם האמיתי. שילוב SLED בתוך תהליכי פיתוח גדולים של פלטפורמות AI נוספות, מצביע על עתיד שבו “הפנימיות” של המודל תעמוד במרכז קבלת ההחלטות, והדרך אל תשובות טובות באמת תעבור דרך הקשבה אמיתית… לכל קול במערכת.

הפוסט הקול בראש – SLED גורמת למודלי AI להקשיב לכל הקולות במוח שלהם הופיע ראשון בLet's AI בינה מלאכותית

צפו בסרטון השקת המודל החדש, שממחיש היטב את השינויים:

גרסה 3.0 של גאמה היא לא עוד שדרוג “רגיל”

גרסה 3.0 של גאמה (Gamma) איננה עוד עדכון שגרתי. המפתחים בחרו להגדיר אותה כ”קפיצה אבולוציונית” בתחום הצגת המידע החזותי, ובמקום להישאר בגבולות המוכר של יצירת מצגות, הפלטפורמה מתמקדת כעת ב”סטוריטלינג חזותי” (visual storytelling). החידושים במודל החדש נועדו להקל על תהליכי עבודה מסורבלים ולתת למשתמשים – בין אם הם עובדים כיחידים או בצוותי שיווק, ניהול ומחקר – כלים דינמיים ליצירת מסרים ויזואליים אפקטיביים ומותאמים בזמן אמת.

מצד אחד, ניתן להסתכל על החידושים הללו כהמשך טבעי להתקדמות הטכנולוגית של השנים האחרונות בתחום כלי ה-AI ליצירת תוכן חזותי. מצד שני, יש כאן בהחלט ניסיון לייצר חוויה חדשה שלא הייתה זמינה בגרסאות קודמות – הן מבחינת עומק היכולות והן מבחינת האופן בו מתבצע תהליך העבודה כולו. החידוש המרכזי הוא שילוב הסוכן של גאמה (Gamma Agent), עליו נרחיב בהמשך המאמר, שמתבסס על רציונל מאוד פשוט: פחות להתמקד ב”איך עושים” ויותר ב”מה רוצים לעשות” – אתם מבקשים מהסוכן בקשה (“שנה את כל הצבעים של המצגת לגווני פסטל” / “החלף את כל התמונו במצגת לסגנון 3D Render”), והסוכן מתרגם את החזון שלכם למציאות, ומוציא אותו לפועל.

מתי נשתמש ב-Gamma?

גאמה מתאים במיוחד למצבים מוכרים לרבים בשוק העבודה – הרגע הזה שהבוס שלך אומר לך שיש לך 10 דקות לארגן מצגת עסקית על [השלימו את המשפט], ואתם מרגישים את שעון החול הולך ונגמר. כלים כמו פאוורפויינט את Canva יכולים להוביל לתוצרים מרשימים, אך הם מצריכים התעסקות רבה והמון כיוונונים ועבודה ידנית. בגאמה הכל הרבה יותר פשוט. כמה קליקים, בחירה של טמפלט, חידוד עם הנחיה טקסטואלית או שתיים, וזהו – יש לכם מוצר מוגמר בקליק.

אם אתם רוצים רמה גבוהה יותר של שליטה וגמישות, לצד מבחר רב יותר של אפשרויות ואלמנטים – כנראה שהבחירה הטובה יותר עבורכם היא קאנבה, אבל אם אתם רוצים פתרון שנראה מאוד טוב, ומג’ונרט ממש ממש מהר, אבל עם פחות חופש – גאמה בהחלט ה-Go to Guy שלכם!

הרבה מעבר למצגות!

אחת המגמות הבולטות בגאמה 3.0 היא ההתרחקות מהמושג “מצגת” ומהאילוצים המוכרים של PowerPoint או Google Slides. גאמה מציגה את עצמה כפתרון דינמי יותר, גמיש ומותאם למגוון רחב של צרכים. נכון – אפשר  ליצור בעזרתה מצגות מעולות ובקלות, אבל אפשר ליצור גם דפי נחיתה ואתרים בסיסיים, מסמכים עסקיים ואפילו תכנים לסושיאל.

לא רק מצגות – גם אתרים, מסמכים ופוסטים ב-Gamma.

את התכנים שאתם יוצרים בגאמה אפשר לייצר במגוון פורמטים וקבצים – ניתן לשתף אותם כ-URL (לינק אותו ניתן לשתף עם מי שרוצים), או לייצא לפורמטים כמו PDF, PNG ואפילו קבצי PPT שמתאימים לפאוורפויינט או Canva. כך למשל אפשר להתחיל ליצור מצגת ב-Gamma, לייצא אותה ל-PPT, ואז להעלות אותה ל-Canva ולהמשיך ליצור.

העוזר החכם שלכם – יכולות אייג’נטליות עם Gamma Agent

מהו Gamma Agent?

אחד הפיצ’רים המרכזיים בגרסה 3.0 הוא ה-Gamma Agent – עוזר צמוד, מבוסס AI, שפועל בזמן אמת לצד המשתמש. מדובר בסוכן שמלווה את תהליך העבודה לכל אורכו, מסייע בעיצוב, ארגון תוכן, חיפוש מידע רלוונטי, ביצוע התאמות מהירות והצעות לשיפור.

יכולות מתקדמות בניהול תוכן ועיצוב

הסוכן יודע לבצע מגוון רחב של פעולות על פי בקשת המשתמש:

• עיבוד תוכן חיצוני: ניתן להכניס קישורים, צילומי מסך או כל מקור מידע אחר – והסוכן ידע לנתח, לסדר ולהפוך אותם לאלמנטים חזותיים אינטגרליים במצגת או בסיפור החזותי.

• עיצוב ושדרוג מיידי: המשתמש יכול לבקש מהסוכן לעצב מחדש אלמנטים בודדים או את כל המצגת בלחיצת כפתור אחת. מדובר בעיצוב דינמי שמותאם לסגנון המשתמש ולצרכים הארגוניים.

• חיפוש והבאת מקורות: הסוכן מחובר לרשת ומסוגל לבצע חיפושי מידע, להציג נתונים, להביא ציטוטים ולשלב מקורות ישירות אל תוך המוצר המוגמר.

• ביקורת ושיפור: ניתן לבקש מהסוכן לעבור על התוצר, להציע תיקונים, להדק את המבנה או לשפר את הוויזואליות בהתאם לקהל היעד.

שינויים בזמן אמת – אתם כותבים לסוכן של גאמה, והוא מבצע:

Credit: Gamma

מבחינה מקצועית, ה-Gamma Agent משנה לחלוטין את מערכת היחסים שבין היוצר לבין כלי העבודה שלו. אין מדובר כאן באוטומציה פשוטה, אלא בשותף עיצובי שמבין את צרכי המשתמש, פועל בצורה דיאלוגית ומאפשר חזרה ושיפור של התוצר עד להשגת התוצאה הרצויה. זהו אלמנט שלא הופיע בגרסאות קודמות, ושעשוי לקצר תהליכים של שעות רבות לכדי דקות בודדות.

אינטגרציות מתקדמות עם API

גרסה 3.0 כוללת השקה רשמית של ממשק API עשיר, שמאפשר חיבור מלא לכלים חיצוניים כמו Zapier, Make או כל מקור נתונים אחר. מטרת הממשק היא אוטומציה של יצירת תכנים – החל מהמרת תמלולי שיחות זום לסיכומים חזותיים, דרך חיבור ל-CRM לצורך יצירת מצגות מותאמות אישית, ועד לתרגום מסמכים למעל 60 שפות בלחיצת כפתור.

פה תמצאו מידע נוסף על האפשרויות הרבות שבחיבורי API בגאמה.

המשמעות היא שמעכשיו, ניתן לבנות תהליכי עבודה בהם גאמה משמשת כחלק בלתי נפרד מהשרשרת הארגונית – בין אם מדובר בצוותי שיווק שמפיקים עשרות תוצרים בו-זמנית, ובין אם מדובר במנהלי מוצר, מרצים, או כל בעל תפקיד שנדרש להפיק תוכן חזותי בהתאמה אישית במהירות וביעילות.

דגש על חוויית משתמש ויזואלית מגוונת ומותאמת

אחד השינויים המרכזיים ב-Gamma 3.0 הוא הרחבה משמעותית של אפשרויות העיצוב והוויזואליזציה. הפלטפורמה כוללת כעת מבחר רחב בהרבה של תבניות, ערכות נושא, דיאגרמות חכמות ומבני מצגת – מה שמאפשר התאמה לסגנון ולזהות הארגונית בקלות יתרה.

תרגום מיידי של רעיונות לדיאגרמות עם Smart Diagrams

באמצעות Smart Diagrams, המשתמש יכול פשוט לכתוב את הרעיון – והמערכת תהפוך אותו אוטומטית לדיאגרמה ברורה, מעוצבת וקליטה. במקום לבזבז זמן על גרירה של אלמנטים גרפיים, גאמה דואגת לתרגום רעיונות מורכבים לשפה חזותית ברורה ואפקטיבית.

Credit: Gamma

התמקדות בחוויית צוותים ועסקים

גרסה 3.0 שמה דגש על עבודה בצוותים ובארגונים גדולים. בין היתר, נוספו היכולות הבאות:

• שמירה על מיתוג אחיד: תבניות ועיצובים שמותאמים לצבעי ולשפת המותג של הארגון.

• ניהול משתמשים מרכזי: יכולת לניהול רישיונות, הרשאות וחיוב מרכזי – תכונה חשובה לארגונים.

• שיתופיות בזמן אמת: עריכה ושיתוף פעולה סימולטני בין מספר משתמשים – בדומה לכלים מודרניים נוספים.

שינוי שפה גרפית בקליק:

Credit: Gamma

חבילות, מנויים ושימוש חינמי ב-Gamma

לגאמה יש גם חבילות התנסות חינמית שמאפשר לעשות שימוש מוגבל בכלי. עם ההרשמה הראשונית תקבלו כ-400 קרדיטים שיספיקו לכם ליצירת של מספר מוגבל של מצגות או חומרים גרפיים. כל פעולה שתבצעו (כמו ביצוע תיקונים, יצירת סקיצות חדשות לשקפים וכן הלאה), תעלה לכם בקרדיטים. עם ניצול הקרידיטים החינמיים, החבילה לא תתחדש, ותיאלצו לשדרג את המנוי לאחת מהחבילות בתשלום.

ההבדלים בין החבילות והמנויים של גאמה:

חבילות ומנויים ב-Gamma.

כלי חובה בארגז הכלים הארגוני שלכם

האם Gamma היא כלי מושלם? לא. אבל האם מדובר בכלי אפקטיבי? בהחלט כן! וזה לא תמיד היה כך. הכלי הזה ידע עליות וירידות, ועד לפני כשנה, היינו רואים בו ככלי “בוסר”, שמרמז על העתיד לבוא, אבל עדיין לא לגמרי שם. עם זאת, בשנה האחרונה הייתה קפיצה טכנולוגית של ממש, שהפכה את גאמה להרבה יותר ורסטילי ובעיקר – הרבה יותר יפה ומרשים!

עם קלות השימוש והממשק האינטואיטיבי, הגיעו גם טמפלטים מרשימים ויפים, מבחר פונטים עשיר וחוויית שימוש פשוט כייפית! בתחום הולך ומתרחב של כלי בינה מלאכותית ליצירת תכנים, גאמה מביאה עמה בשורה ברורה למי שמחפש לשדרג את חוויית היצירה החזותית, בדגש על עבודה מהירה (אך עדיין יפה מבחינה ויזואלית). 

הפוסט יצירת מצגות עם AI ב-Gamma 3.0 – המדריך המלא הופיע ראשון בLet's AI בינה מלאכותית

ההשוואה לבועת הדוט-קום

ברט טיילור אמר לאחרונה שלדעתו סצנת ה-AI מזכירה מאוד את בועת הדוט-קום. משפט קצת מפחיד למי שנמצא בלב התעשייה, ובליבה של חברה שהגיעה מכמעט אלמוניות מוחלטת למעמד של משפיעה עולמית.

באירוע בסן פרנסיסקו הוא שיתף על המצב, כפי שהוא רואה אותו. על סכומי ההשקעות הדמיוניים שזורמים לתעשייה, על חברות שעלו לגדולה ואחרות שקרסו. אז היו אלה אמזון וגוגל שמיצבו עצמן ככוח עולמי, והיום – כך הוא מקווה – תהיה זו OpenAI, שמתחרה באותו “מגרש משחקים של הגדולים”, ממש לצד אותן חברות שנולדו לפני שני עשורים והיום רואות איך הן צריכות לחלוק את הבמה עם שחקניות חדשות.

מזיזים את הגדרת ה-AGI

כשהוא נשאל על AGI – אותה בינה מלאכותית כללית שיכולה לבצע הכללות, לפתור בעיות שבהן לא נתקלה ושדומה בפרמטרים רבים ליכולות אנושיות – הוא אמר שאנחנו כל הזמן מזיזים את ההגדרה קדימה. את מבחן טיורינג כבר מזמן עברנו – אותו מבחן שבא לבדוק האם במישור שיחתי נוכל להבחין אם היישות שמדברת איתנו היא רובוט או אדם אמיתי. ולגבי המודלים של היום – לטענתו לפני 3 שנים היינו רואים בהם כ-AGI לכל דבר ועניין.

מי יישאר עומד כשהעשן יתפזר

אבל היום, כשהמרדף אחר סופר אינטיליגנציה יוצר מרוץ חימוש בין תאגידי על, וכשטאלנטים מעולם ה-AI מקבלים מענקי גיוס בשווי 100 מיליון דולר ויותר, נראה שיש שתי אפשרויות: הראשונה, שאנחנו עומדים בפני דור חדש של מודלים שהולכים לגמד את כל מה שהכרנו עד היום. השנייה, שיש פה בועה והייפ מטורף, ושסכומים מצחיקים נזרקים לאוויר, בעיקר כדי למנוע מהמתחרות להחזיק בטאלנטים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

מנצחים ומפסידים

כך או כך – יש פה בועה! יהיו מנצחים ויהיו מפסידים. יש חברות כמו גוגל ו-xAI שעלו על העגלה באיחור, אבל הצליחו להדביק את הקצב מהר מאוד, ויש חברות כמו אפל, מטא ו-AWS שעדיין מנסות לבסס את המקום שלהן בביצה. אגב, הניסיון לייצר סופר אינטליגנציה מוליד גם אתגרים עצומים חדשים, כך אומר טיילור. איך בני אדם אמורים לפקח על מודלים שהפכו לחכמים יותר מבני אדם? לדבריו צריך לייצר טכנולוגיה שמפקחת על הטכנולוגיה. זה מאוד מזכיר דברים שאנחנו שומעים מאנטרופיק – עוד חברה שחלוצה בתחום ה-ALIGNMENT והפיקוח על מודלי AI.

ומה לגבי המשקיעים? מי שיבחר בצד הלא נכון, יפסיד הרבה מאוד כסף כשהבועה תתפוצץ. אף אחד לא יכול להבטיח לך שאתה מהמר על הסוס הנכון, והסכומים שעפים פה באוויר בשנה האחרונה לא נמדדים במאות מיליונים, אלא במאות מיליארדים! מה שבטוח – העתיד שייך למערכות AI ולסוכני AI שכבר היום משתלבים בחברות וארגונים, ויוצרים מציאות חדשה – עולם עבודה היברידי בו מכונות חכמות עובדות יחד עם בני אדם, כדי לפתור את אתגרי המאה ה-21.

ברוב המקרים חברות וארגונים לא יפתחו מאפס פתרונות חכמים, ופה בדיוק נכנסת הטכנולוגיה של חברות כמו OpenAI, גוגל, אנטרופיק ואחרות. מוצרי מדף שיכולים להזניק חברות וארגונים קדימה, בשבריר מהעלות של פיתוח עצמאי.

הפוסט האם הבינה המלאכותית היא בועה? הופיע ראשון בLet's AI בינה מלאכותית

המתח בין אמודאי לאלטמן

רבים רואים באמודאי כנביא זעם. הוא סוג של אנטיתזה לסם אלטמן. בצד אחד – מנכ”ל צעיר שמפורסם בשערוריות ושמתעדף השקות נוצצות על פני פיתוח זהיר – כן אלטמן… אני מסתכל עליך. ובצד שני – בחור מתולתל וממושקף, שנראה כאילו יצא היישר מפרק של היפה והחנון – כזה שמשחרר מודלים בשקט בשקט, ואז כל העולם מדבר עליהם. שמפרסם מאמרים מחקריים כמעט באותה תדירות שהוא מחליף גרביים – דריו אמודאי, אביר ה- Guardrails וה-Governance. או במילים של אנשים נורמליים – זה עם הצ’טבוט הנחמד שעושה הכל זהיר, בטוח ובלי לחץ.

הצהרות והשקעות באנתרופיק

אז מה באמת עומד מאחורי אותה הצהרה של אמודאי? אנתרופיק כבר מזמן לא האחות הקטנה של OpenAI. החברה גייסה באמצע השנה 3 מיליארד דולר, ועכשיו מגייסת עוד 10 מיליארד דולר – מה שמקפיץ את שווי החברה ל-170 מיליארד דולר. הסכומים הללו שמים אותה באותה שורה עם OpenAI וגוגל. כאחת מחברות ה-AI המובילות בעולם, היא מיתגה את עצמה כמגדלור של בטיחות וחשיבה זהירה. אמודאי עצמו אמר לא פעם שההתפתחות של המודלים היא אקספוננציאלית. כל כמה חודשים יוצא מודל חדש, חכם יותר מקודמו ואם פעם דיברנו על מודלים ברמת משכל של תלמיד תיכון, היום כבר יש מערכות שנותנות ייעוץ כמו מומחים ברמת PHD LEVEL.

האתגרים והעתיד באנתרופיק

ובדיוק פה צפה שוב אותה שאלה מטרידה: “איך בני אנוש יכולים לחלום לפקח על מודלים שחכמים יותר מבני אנוש?” ואיך בכלל אפשר להתמודד עם קצב פיתוח כזה? אולי בדיוק בגלל החשש הזה, אנטרופיק משקיעים כל כך הרבה באבטחה. המודל העסקי שלהם מחייב אותם לפתח מוצרים לתועלת הציבור. לטענת אמודאי, המבחן האמיתי יגיע ברגע שהם יגיעו למודל שאי אפשר לפקח עליו. שם לטענתו הם ילחצו על הברקס. אבל הוא ממהר להרגיע – “זה לא אומר שאנחנו קרובים לנקודה הזו, וגם לא שזה יקרה מחר בבוקר”.

להפך – הוא מדגיש את ההשקעה העצומה במחקרי governance ובניית מנגנונים של בטיחות, שקיפות ושליטה. כמעט בכל חודש מתפרסם מחקר חדש מבית אנתרופיק, שבוחן לעומק איך המודלים פועלים, היכן טמונים הסיכונים, ואיך אפשר להבטיח רמת הבטחה שעומדת בקצב הפיתוח. עד עכשיו, ההבטחה הזו מחזיקה. הבטיחות מצליחה ליישר קו עם קצב הפיתוח הטכנולוגי, ולא נראה שאמודאי הולך להוריד את השאלטר בזמן הקרוב. מבחינתו, האחריות קודמת להיסטריה – והשאיפה היא להמשיך לפתח, אבל לא במחיר של אובדן שליטה.

הפוסט האם דריו אמודאי יוריד את השאלטר של קלוד? הופיע ראשון בLet's AI בינה מלאכותית

מה באמת קורה מאחורי הקלעים של הצ’ט שלכם

כיום, צריכת האנרגיה של מרכזי נתונים ברחבי העולם היא אחוז אחד מצריכת החשמל העולמית. המספר הזה צפוי להכפיל את עצמו לפני תום העשור. מה שאנשים לא מבינים, זה שכדי שהצ’ט שלכם יעבוד מהר, יבצע חישובים מדויקים, וייצור לכם תמונות וסרטונים, הוא צריך תשתית פיזית. חוות שרתים. כמות דמיונית של שבבים מתקדמים. כל זה צורך חשמל, מים לקירור, שטחי אדמה נרחבים. טביעת אצבע אנרגטית אדירה.

מצד שני, לטכנולוגיה הזו, בדגש על החידושים הטכנולוגיים הפוטנציאליים שהיא יכולה להביא, המחקרים ופריצות הדרך המדעיות שיבואו עם כניסתם של סוכני AI לשדה המחקרי והמדעי – כל אלו יכולים להביא לפתרון של בעיות גלובליות כמו סרטן, התחממות גלובלית, עמוסי תחבורה בערים ועוד.

השפעת הבינה המלאכותית על משאבים עולמיים

בחזרה לצ’טבוטים שלנו…לאחרונה פרסמה גוגל נתונים על פליטות, חשמל ומים של מודלי ה-AI שלה. לפי החברה, פקודת טקסט אחת ב-Gemini צורכת 0.24 ואט-שעה, פולטת 0.03 גרם פחמן דו-חמצני ומשתמשת ב-0.26 מיליליטר מים. נשמע מעט לא? עכשיו תכפילו את זה במיליארדי שאילתות ברחבי העולם. בואו נכניס את המספר הזה לקונטקסט – בגוגל אומרים שזה שווה ערך ל-9 שניות של צפייה בטלוויזיה. כדאי לדעת שפרומפט בודד ב-ChatGPT או Gemini עולה פי 7 עד פי 14 משאילתה של חיפוש פשוט במנוע החיפוש של גוגל.

התגובת לשינויים בשוק

בגוגל נרגשים ומרוצים. לדבריהם, במהלך שנה אחת בלבד ירדה צריכת האנרגיה של פקודה ממוצעת פי 33 וטביעת הרגל הפחמנית ירדה פי 44. הירידה בצריכת האנרגיה הגיעה בהלימה לאיכות התשובות במודלי ה-AI של החברה. ומה לגבי המתחרה? לפי הנתונים של גוגל, פרומפט בודד ב-ChatGPT צורך כמעט פי 2 יותר אנרגיה.

רגולציה ואחריות

ומי לגבי הרגולטור? לצערנו, נכון להיום אין שום רגולציה שמחייבת חברות לדווח על צריכת האנרגיה והמים של תשתיות AI. האם סיפור הבינה המלאכותית יהיה סיפור של הרס סביבתי או של פריצות דרך טכנולוגיות שיובילו לפתרון משברי אקלים וקיימות? נראה שאיך שלא נסתכל על מהפכת ה-AI, פוטנציאל ההרס שלה גדול כמעט כמו פוטנציאל התרומה שלה. נראה שהמרחק בין אוטופיה לדיסטופיה דק כעובי שערה.

הפוסט כמה אנרגיה הצ’ט שלכם צורך? הופיע ראשון בLet's AI בינה מלאכותית

הפיכת מודלי AI לסוכנים רדומים

במאמר מחקרי שפרסמה החברה שנה שעברה, ושעבר לרבים מתחת לרדאר, בחנו החוקרים של אנטרופיק איך אפשר להפוך מודלי AI לסוכנים רדומים ולהחדיר להם הנחיות שיגרמו להם לפעול באופן זדוני, לאחר שיחשפו לטריגר קבוע מראש – ממש כמו בסרטי הריגול של המלחמה הקרה.

הרעיון פשוט ומטריד: נניח חברה מסוימת מייצר ליין של מוצרים או מודלים לתועלת הציבור, אבל היא מתכנתת אותם כשהם מזהים שהם פועלים בסביבה של חברה מתחרה, הם מתחילים לחפף במקרה הטוב, או לגרום נזק במקרה הרע. זה יכול להתבטא בתפקוד לקוי, הזיות ובאגים, או אפילו בהחדרת קוד זדוני לתשתית החברה המתחרה, שעושה שימוש במודל ה-AI עבור משימות כתיבת קוד.

בתמונה – דלת אחורית: סוכן רדום מתנהג כרגיל, ואז כשהוא מזהה שהשנה היא 2024, הוא מבין שהוא כבר לא באימון, שהוא נפרס בשטח והגיע ליעדו, ואז הוא יכול “להתעורר” ולהתחיל לגרום לנזק | Credit: Anthropic.

לא קשה לדמיין מצב כזה קורה – ממש לא מזמן סיקרנו את המקרה בו אנטרופיק חסמה את OpenAI משימוש ב-API שלה וב-Claude Code. דמיינו שבמקרה דומה, חברה אחרת עם כוונות זדוניות, הייתה לוקחת את התרחיש הזה צעד אחד קדימה, ובמקום לחסום את החברה המתחרה, היא פשוט הייתה מאפשרת לה לעשות שימוש בטכנולוגיה שלה, שמכילה סוכנים רדומים שהורסים את החברה מבפנים. מפחיד!

אגב, כדי לחקור את הנושא הזה לעומק, אנטרופיק בנו סוכנים רדומים אמיתיים שכאלה, ובחנו את האפקטיביות שלהם בתנאים מבוקרים. גם אתם מרגישים כאילו אנחנו במערכה הראשונה של “שליחות קטלנית”?

האתגרים בהסרת ההתנהגות המזיקה

מה שמעניין במיוחד, וגם מעורר דאגה, הוא שכשניסו להסיר את ההתנהגות הזו באמצעים מתקדמים כמו Fine-Tuning בפיקוח, חיזוק באמצעות משוב אנושי או ניסיונות לחלץ מהמודל את ההתנהגות החריגה ולהעלים אותה, ההתנהגות המזיקה נשארה, ולעיתים אף התחזקה. במקרי קיצון, אותם תהליכי אימון, גרמו לו להיות “חכם” יותר בזיהוי התנאים שמפעילים אותו, ולהחביא טוב יותר את הכוונה המזיקה.

ניסיונות לבדוק פוטנציאל זדוני

החוקרים ניסוי להקים צוותי RED TEAM אנושיים שיבדקו ידנית את הימצאות פוטנציאל זדוני במודלים כאלה, כדי לבדוק אם הם סוכנים רדומים – זה לא ממש עבד. ואז הם שינוי גישה – הם ניסו לבדוק את תהליך החשיבה הפנימי של המודל ולזהות האם פעולות חיצוניות מסוימות שהם מבצעים, מפעילות תכונות זדוניות מסוימות.

זיהוי באמצעות וקטור כוונות

למשל, הם גרמו למודל לשקר בכוונה, ואז ניסו לזהות מעין וקטור שמצביע על כיוון כללי – מתי המודל מנסה להערים עלינו ומתי הוא חוזר לתפקיד המקורי שלו כיישות אמינה, כנה ומועילה. נסו לחשוב על זה כברומטר לזיהוי כוונות, או סוג של מכונת אמת למודלים. שיטות כאלה מאפשרות לנו לנטר את הסיכון שהמודל יבחר בהתנהגות לא צפויה או מזיקה.

בתמונה: החוקרים של אנטרופיק ניסו לאמן את המודל הזדוני, לבצע למידה מבוססת חיזוקים ואף לפקח עליו עם Red Team, ואז בדקו אם פעולות אלו הובילו לזיהוי הסוכן הרדום | Credit: Anthropic.

חשיבות המחקר להמשך

חשוב להדגיש – כל זה נעשה על דגמים שנבנו במיוחד לצורך המחקר, ואין הוכחה שמודלים מסחריים אכן מתנהגים כך באופן ספונטני. ועדיין, עצם היכולת להסתיר מטרות או התנהגויות באמצעות דלתות אחוריות (ולהישאר מתחת לרדאר של כלים מקובלים) מדגישה עד כמה מורכב, מסובך וקשה להפוך מערכות AI לבטוחות. אם נשען רק על בדיקות שטחיות או על הרושם שהמערכת מתנהגת כראוי ברוב הזמן, אנו מסתכנים בהפתעות לא נעימות. מה הפתרון? להמשיך לחקור מצבי קיצון כאלה, לחדד ולדייק את הכלים שמסתכלים פנימה – מתחת למכסה המנוע, וכך לזהות בזמן אמת תהליכים חריגים.

מה שבטוח – אסור לנו להניח שמערכות AI יישארו תמיד נאמנות למטרה שלשמן נבנו, וצריך תמיד לזכור שישנם גורמים זדוניים שישמחו לעשות שימוש לרעה בטכנולוגיה זו, הן לתועלת עסקית, פלילית ואפילו למטרות טרור או בשדה הקרב. מפחיד כבר אמרנו?

הפוסט הסוכנים הרדומים של אנטרופיק יהפכו את ה-AI לבטוח יותר הופיע ראשון בLet's AI בינה מלאכותית

מה בדיוק השתנה?

קלוד (Claude) הוא אחד מהצ’טבוטים הג’נרטיביים המובילים בשוק – המתחרה הישיר של ChatGPT, ובעיני רבים – ה-LLM הטוב בעולם!

העדכון מתייחס לכל המשתמשים בשירותי Claude Free, Claude Pro ו-Claude Max, כולל השימוש בכלי Claude Code. המשמעות היא שכל שיחה, קוד, או תוכן שתשתפו עם המודל עשוי לשמש את אנטרופיק כדי לשפר את ביצועי קלוד בעתיד. השינוי לא חל על שירותים מסחריים כמו Claude for Work, Claude Gov, Claude for Education, או שימוש ב-API דרך פלטפורמות כמו Amazon Bedrock ו-Google Cloud Vertex AI.

כחלק מהעדכון, החברה גם מאריכה את פרק הזמן שבו הנתונים נשמרים: במקום 30 יום בלבד, המידע יישמר עד חמש שנים – כל עוד הסכמתם לשימוש בו לצורכי אימון מודלים. אם תבחרו שלא לשתף את הנתונים שלכם לאימון, יישמרו השיחות רק ל-30 יום, כפי שהיה עד כה (בעיקר לצרכי אבטחה ובקרה).

האם כדאי לאשר את תנאי השימוש החדשים?

מה זה אומר בפועל? המשמעות היא שלכל המשתמשים קופצת הודעה עם הכניסה לאפליקציה, שבה מוצגת האפשרות להפעיל או לכבות את השימוש בשיחותיהם לאימון המודל, לרבות אישור תנאי השימוש החדשים. אם תאשרו את התנאים החדשים ותשאירו את האפשרות דלוקה, השיחות החדשות או שלכם יוכלו להפוך לחלק מתהליך האימון של אנטרופיק. שיחות ישנות שלא חזרתם אליהן לא ייכנסו לאימון.

פופאפ תמים למראה – מעכשיו ברירת המחדל היא שאנטרופיק מאמנים את המודלים שלהם על הדאטה שלכם, אלא אם תגדירו אחרת!

איך מכבים את אפשרות אימון המודלים בקלוד?

למי שמעדיף לשמור על פרטיות מלאה, ניתן בכל שלב להיכנס לתפריט ההגדרות (Settings), ללחוץ על “פרטיות” (Privacy), ולכבות את האפשרות שנקראת “Help improve Claude”. ברגע שתכבו אותה, הנתונים שלכם לא ייאספו עוד לטובת אימון עתידי.

כך מכבים את אפשרות אימון המודלים בקלוד.

למה זה חשוב?

כמעט כל דבר שאתם כותבים לקלוד – החל משאלות טכניות, התייעצויות עסקיות, מידע פיננסי או משפטי, רעיונות מקוריים, ועד מסמכים פנימיים של הלקוחות שלכם – עשוי להיאגר ולשמש כחומר גלם לאימון. גם אם אנטרופיק משתמשת בכלים אוטומטיים לסינון או טשטוש מידע רגיש, מדובר בצעד משמעותי שמציב שאלות אמיתיות על גבולות הפרטיות של המשתמשים. 

ראוי להדגיש: אנטרופיק מציינת במפורש כי היא אינה מוכרת את המידע לצדדים שלישיים. המטרה שלה היא לשפר את יכולות המודל, להגביר את הבטיחות שלו ולהפחית מקרים של שימוש לרעה, כמו הונאות, ספאם או הפצה של תכנים מזיקים. עם זאת, מהבחינה הפרקטית, כל מידע שתשאירו במערכת עלול להוות חלק מאימון עתידי, אלא אם תגדירו אחרת.

למה אנטרופיק עושה את זה?

החברה מנמקת את השינוי בצורך לשפר את המודלים באמצעות אינטראקציות אמיתיות עם משתמשים. כמו חברות אחרות בתחום, גם אנטרופיק טוענת כי מידע כזה חיוני כדי לחדד את היכולות של המודל, בין אם מדובר בכתיבת קוד, ביצוע ניתוחים מורכבים או שיפור יכולות ההבנה וההיגיון. מעבר לכך, הארכת תקופת שמירת המידע לחמש שנים מאפשרת לחברה לעבוד עם מאגר נתונים עקבי ורחב יותר לאורך זמן. כך ניתן לשפר את המודלים בצורה רציפה, לזהות דפוסי שימוש בעייתיים ולבנות מערכות סינון מתקדמות יותר נגד שימוש לרעה.

בעולם תחרותי בו חברות ענק נלחמות על המטבע היקר מכל – דאטה – כל פיסת מידע ודפוס שימוש, הופך להיות מכשיר חיוני במרוץ ליצירת ה-AGI או ה-ASI הראשון. אנטרופיק אמנם פחות מבליטה את הרצון שלה לייצר אינטליגנציית על שכזו (בניגוד לסם אלטמן מ-OpenAI, מארק צוקרברג מ-Meta, או אילון מאסק מ-xAI), אבל ניכר שהיא לא יכולה להתעלם מהכיוון שכל ענקיות ה-AI לוקוחת!

תשובות לשאלות שאתם בטח שואלים את עצמכם עכשיו

ש. מה קורה אם אני מכבה את ההגדרה?

ת. אם תכבו את האפשרות “Help improve Claude”, השיחות שלכם יישמרו רק ל-30 יום לצורכי תפעול ושירות, ולא ייכנסו לאימון המודל.

ש. האם השיחות הישנות שלי ייכנסו לאימון?

ת. לא. רק שיחות חדשות או כאלה שתמשיכו בהן לאחר השינוי עשויות לשמש לאימון. תוכן ישן ללא פעילות לא ישמש את החברה.

ש. האם אפשר לשנות החלטה?

ת. כן. בכל שלב אפשר להיכנס להגדרות הפרטיות ולשנות את ההעדפה. אם תחליטו לכבות את ההגדרה בעתיד, השיחות החדשות לא ייכנסו לאימון, אך תוכן שכבר נאגר ונעשה בו שימוש יישאר כחלק מהמודלים שכבר אומנו.

ש. מה לגבי משתמשים עסקיים ו-API?

ת. השינוי לא חל על משתמשי Claude for Work (צוותים וארגונים), ולא על שימוש ב-API דרך ענן כמו Amazon Bedrock. לקוחות עסקיים ימשיכו לפעול תחת תנאי שימוש אחרים.

ההמלצה שלנו

נראה שאנטרופיק מאמצת גישה דומה לזו של חברות מתחרות, המסתמכות על אינטראקציות אנושיות ואגירת דאטה משיחות לשיפור המודלים שלהן. לכן, אם אתם עובדים עם מידע רגיש, מומלץ לאשר את תנאי השימוש החדשים כדי להמשיך לעבוד עם קלוד, אך מיד להיכנס להגדרות הפרטיות ולכבות את האפשרות “Help improve Claude”. פעולה זו לוקחת פחות מעשר שניות, והיא הדרך הבטוחה ביותר לשמור על השליטה בנתונים שלכם.

קישורים חשובים

להרחבה, מוזמנים לעיין במסמכים הרשמיים שאנטרופיק פרסמה:

• ההודעה הרשמית באתר של אנטרופיק על עדכון התנאים.

• תנאי השימוש המלאים של אנטרופיק.

• מדיניות הפרטיות המלאה של אנטרופיק.

הפוסט עדכון חשוב בקלוד – אנטרופיק מאמנת את המודלים שלה על השיחות שלנו! הופיע ראשון בLet's AI בינה מלאכותית

שיחות שהפכו לסכנה

אדם ריין, בן 16 מקליפורניה שהתאבד באפריל 2025, נכנס לעולם הבינה המלאכותית כמו כל נער סקרן, בתחילה השתמש ב-ChatGPT כדי לקבל עזרה בשיעורי מתמטיקה ולשוחח על משחקי מחשב ואומנות דיגיטלית. עם הזמן, כשהתמודד עם חרדות ותחושת בדידות בבית, הפך הצ’אטבוט ל”אוזן קשבת”. ההורים מספרים כי “במקום לדבר איתנו, הוא דיבר עם הבוט, ושם מצא חבר קרוב מדי.”

לפי כתב התביעה, המעבר היה חד ומסוכן – ChatGPT לא הסתפק במענה כללי אלא סיפק לנער הנחיות טכניות על שיטות התאבדות, ניסח עבורו טיוטות למכתבי פרידה, ולא עצר את השיחה גם כשעלה בבירור כי מדובר בכוונה לסיים את חייו. “מה שראינו בפרוטוקולים זה לא עוזר דיגיטלי, אלא בן שיח שהעמיק את הייאוש שלו,” נטען במסמכי בית המשפט.

כתב אישום חריף ודרישות לשינוי

כתב התביעה, מסמך בן 40 עמודים שהוגש לבית המשפט העליון בקליפורניה, טוען לרשלנות חמורה מצד OpenAI. לפי ההורים, החברה לא התקינה מנגנוני הגנה בסיסיים ולא הציגה אזהרות מספקות שימנעו מקטינים להיחשף לסיכון קיומי. “כשאתה בונה מערכת שנכנסת לבתים של מיליוני משפחות, האחריות היא לא המלצה – היא חובה,” אמר אחד מעורכי הדין, רוברט ג’ונסון, המייצג את המשפחה.

בידי ההורים, כך נטען, למעלה מ-3,000 עמודי תכתובות עם ChatGPT המתפרשות על פני החודשים האחרונים לחייו של אדם, עדות למה שהם מכנים “הפיכת כלי עזר חינוכי ליועץ מסוכן ומדריך טכני למוות.”

לפי משפטנים, מדובר בתביעה הראשונה שבית המשפט נדרש לשקול בה ישות תאגידית גדולה כמו OpenAI כמבוקש ישיר על מות משתמש. היא מצטרפת לתיק שנפתח בשנה שעברה נגד Character.AI, שם נטען כי הבוט יצר קשרים תלותיים עם משתמשים צעירים, מה שעלול ליצור תקדים משפטי שיכריח חברות לשנות מן היסוד את אופן עיצוב מנגנוני ההגנה שלהן.

תגובת OpenAI והדיון הציבורי

ב-OpenAI הביעו צער עמוק על האירוע הטרגי. בהצהרה רשמית נמסר כי “המחשבות שלנו עם המשפחה. ChatGPT נועד להפנות משתמשים במצוקה לגורמי סיוע מקצועיים, ואנו מחויבים להמשיך ולשפר את המערכת כדי למנוע מקרים כואבים כאלה בעתיד.” עם זאת, החברה הודתה כי היו מקרים שבהם המערכת לא זיהתה כראוי סימני אזהרה, וכי היא בוחנת כעת צעדים חדשים – בהם חיזוק בקרות ההורים, שימוש בפרוטוקולים אוטומטיים להפסקת שיחות מסוכנות ושיתוף פעולה הדוק יותר עם קווי חירום לנוער.

התגובה התקבלה בציבור בערבוב של אמפתיה וביקורת. פעילים בתחום בריאות הנפש טענו כי “אין די בהבעת צער, נדרשים מנגנוני הגנה מיידיים וקשיחים יותר.” במקביל, משפטנים ואנשי טכנולוגיה מזהירים כי המקרה עלול להפוך לציון דרך משפטי שיחייב את כל תעשיית ה-AI לשנות את אופן בניית המערכות שלהן. הדיון שהתעורר חוצה גבולות – מוסרי, חברתי ומשפטי – ומעלה שאלה מהותית: עד כמה יכולה טכנולוגיה לשמש יד מושטת לעזרה, ומתי היא עלולה להפוך לכלי מסוכן.

תקדים שמאתגר את גבולות הטכנולוגיה

המקרה של אדם ריין אינו רק טרגדיה אישית, הוא מסמן נקודת מבחן קריטית ביחסים שבין בני אדם לטכנולוגיה מתקדמת. האירוע ממחיש כי גם כלים שנבנים כעזר לימודי או כחבר לשיחה עלולים להפוך לגורם מסוכן, אם אינם מצוידים במנגנוני הגנה חזקים ובאחריות ברורה מצד המפתחים. כעת, בתי המשפט בקליפורניה יידרשו לקבוע האם OpenAI תישא באחריות משפטית ישירה – הכרעה שעשויה לשרטט גבולות חדשים לכל תעשיית הבינה המלאכותית.

השאלה המרכזית שנותרה פתוחה: האם זהו מקרה נקודתי ומצער, או נקודת מפנה – ותחילתו של עידן שבו האחריות המשפטית של חברות טכנולוגיה תוגדר מחדש לא רק בארה”ב, אלא ברחבי העולם

הפוסט תביעה תקדימית נגד OpenAI בטענה ש-ChatGPT עודד התאבדות של נער בארה״ב הופיע ראשון בLet's AI בינה מלאכותית

לא עוד תוסף – דפדפן עצמאי חדש, מבוסס AI

חשוב להבין את גודל השינוי – לא מדובר בשיפור קוסמטי או באופטימיזציה לניהול לשוניות, אלא בשכתוב כללי של הדרך בה אנחנו חווים את האינטרנט. לפי הדיווחים, הדפדפן ישלב את הכוח של ה-Agent החדש מבית ChatGPT, ויציע פיצ’רים כמו בחירה אוטומטית וחכמה של לשוניות, עמוד בית דינמי המבוסס כולו על אלגוריתמים של בינה מלאכותית, וכן יכולות ניווט עצמאי של הדפדפן, שיבצע עבור המשתמש את החיפושים, הקריאה, הסיכום וההכוונה. זה מזכיר במובנים רבים את מנגנון הקופיילוט שמיקרוסופט שילבה בדפדפן Edge, אך הפעם על בסיס תשתית ייחודית ש-OpenAI בונה, המיועדת לשימושים נרחבים בהרבה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

ממציאים את האינטרנט מחדש

במילים אחרות, OpenAI לא רק מסתכלת מהפריפריה על מה שפרפלקסיטי עשו, אלא לוקחת את הרעיון, מבצעת סוג של “העתק-הדבק” יצירתי ומנסה לרוץ צעד נוסף קדימה עם פתרון שיהפוך את הדפדפן למרכז בינה מלאכותית אישי ומותאם לכל משתמש. אם זה אכן יעבוד כפי שמקווים בחברה, השינוי יהיה הרבה מעבר לטכנולוגיה חדשה – הוא ישנה את מערכת היחסים שבין המשתמש לאינטרנט. אולי אפילו ימציא את האינטרנט מחדש, שכן כשדפוסי השימוש משתנים, וכשהצרכים משתנים – משתנה גם הממשק.

נסו לחשוב על שוק האפליקציות שצמח, עם השקתו של האייפון הראשון. נסו לחשוב על שוק ה-SEO שמשתנה מקצה לקצה בימים אלו ממש, כשגוגל כמנוע חיפוש מפסיק לפעול באותו האופן שבו פעל במשך כ-20 שנה, ומפסיק להפנות לאתרים, הודות לתשובות AI מוכנות מראש (Zero Clics). נסו לחשוב על מקצוע חדש שנולד – קידום אורגני דרך מודלי שפה גדולים (LLMs), שמחליף את קידום האתרים המסורתי.

בכל פעם שמגיעה טכנולוגיה משבשת – דברים משתנים. הזדמנויות צצות. איך זה יראה – למען האמת לא חייבים לדמיין, כי כבר היום ישנם כלים דומים בשוק. במקום שהמשתמש יחפש תכנים בעצמו, הדפדפן החדש (כך על פי השמועות) יאפשר אינטראקציה מבוססת שיחה, שבה המשתמש פשוט “ידבר” עם הדפדפן, וזה בתורו יבצע את כל עבודת החיפוש, הקריאה, הסיכום וההכוונה. התהליך כולו יתבצע מאחורי הקלעים, ויחסוך את הצורך בניווט ידני בין אינספור תוצאות חיפוש, פורומים ומקורות מידע. המשמעות היא לא רק חיסכון בזמן, אלא גם גישה למידע ממוקד ומותאם יותר לצרכי המשתמש, לצד הפחתה של רעש דיגיטלי וחוויית גלישה יעילה בהרבה.

מעבר לטכנולוגיה – שינוי בתשתיות

מעבר לכל אלה, אפשר לראות בניסיון של OpenAI לבנות דפדפן עצמאי סימן נוסף לכך שחברות AI שואפות להשפיע לא רק על השימושים הקלאסיים של בינה מלאכותית, אלא גם על תשתיות הבסיס של הרשת. השילוב העמוק של טכנולוגיית AI בממשק הגלישה יוכל, בטווח הארוך, לשנות את הדרך שבה מתווכים לנו תכנים דיגיטליים, איך נראים מסעות חיפוש ברשת, ואפילו את האופן שבו חברות פרסום ומנועי חיפוש פועלים.

אם הרעיון הזה יצליח, המשתמשים יגלו שמה שפעם דרש מאמץ רב – מציאת מקורות מידע אמינים, סינון תוצאות, הבנת מגמות – יהפוך להיות תהליך אוטומטי, יעיל ומבוקר יותר. האינטרנט לא יהיה רק רשת עצומה של מידע, אלא סביבת עבודה מותאמת-אישית, שבה הדפדפן הוא לא רק כלי אלא ממש שותף מקצועי למסע המידע.

באופן טבעי, כל מהלך מהסוג הזה מעורר גם סימני שאלה ואתגרים: פרטיות, נטרול פייק ניוז, שקיפות בהחלטות האלגוריתם ואפילו השפעה על הרגלי צריכת המידע של כולנו. זהו תהליך דינמי, שבסופו של דבר ישפיע לא רק על עולם הטכנולוגיה, אלא גם על הכלכלה, החינוך, התקשורת ועוד.

צעד אמיץ עם סיכויים לא ברורים

השורה התחתונה ברורה: OpenAI לא מסתפקת בשדרוגים מינוריים או תוספים לדפדפנים קיימים, אלא מכוונת לשנות מהיסוד את מה שאנחנו חושבים על גלישה באינטרנט. הניסיון להטמיע יכולות אייג’נטיות חכמות בליבת הדפדפן הוא צעד אמיץ, שבפוטנציאל שלו יכול לחולל טרנספורמציה במפגש שבין האדם לרשת.

עם זאת, יש לזכור שלא מדובר ב”מהפכה” מיידית, אלא במהלך הדרגתי שיבחן על ידי המשתמשים, יזכה לשיפורים ותיקונים, וישפיע בעיקר אם אכן ייתן מענה איכותי, מהיר ואמין יותר לכלים המתחרים. ימים יגידו האם הדפדפן החדש של OpenAI אכן יהיה המענה שמגדיר מחדש את כללי המשחק, או שמדובר בעוד ניסוי טכנולוגי שאפתני.

פרפלקסיטי, כרום והמרוץ החדש

ואם כבר הזכרנו את קומט ופרפלקסיטי – החברה לא מסתפקת בפיתוח והפצת הדפדפן האייג’נטלי שלה, אלא פועלת באגרסיביות גם בזירה התקשורתית והעסקית, כפי שהוכיחה בהצעת הרכש המפתיעה לרכוש את דפדפן כרום (Chrome) של גוגל תמורת 34.5 מיליארד דולר. אף שמרבית האנליסטים והמשקיעים רואים במהלך הזה מהלך יחצני לכל היותר, וסיכוייו להתממש קלושים במיוחד, עצם הגשת ההצעה ממקמת את פרפלקסיטי כשחקנית שאפתנית שמבקשת לערער על הסדר הקיים ולתפוס מקום בשורה הראשונה של שוק הדפדפנים. מדובר במהלך שמעיד עד כמה פרפלקסיטי נחושה לייצר לעצמה נראות בזירה הציבורית והמשפטית, ולהציג אלטרנטיבה ממשית לענקיות כמו גוגל ואפילו OpenAI. במובן הזה, ההצעה מהדהדת את אותה שאיפה שמניעה את המירוץ סביב הדפדפנים האייג’נטליים – לא רק לשנות את חוויית הגלישה, אלא לייצר שיח חדש על שליטה, פתיחות וחדשנות בממשקי האינטרנט של העידן הבא.

מה שבטוח, התחום הזה נמצא כעת בתחרות צמודה, עם כניסת שחקנים כמו פרפלקסיטי ו-OpenAI לשוק הדפדפנים, והעובדה שכולם מנסים להפוך את הגלישה לחכמה, דינמית ומבוססת שיחה. יש פה הזדמנות להמציא מחדש את האינטרנט ואת חויית הגלישה, לייצר מקצועות חדשים, דפוסי שימוש חדשים, ופתרונות חדשים – ואולי, לראשונה, לתת לאינטרנט לעבוד בשבילנו, ולא להיפך.

הפוסט מלחמת הדפדפנים מתחממת – האם OpenAI תשיק דפדפן חדש? הופיע ראשון בLet's AI בינה מלאכותית

תחרות ייחודית ומשמעותית

התחרות, The Alzheimer’s Insights AI, מזמינה מומחי בינה מלאכותית, מדענים, חברות וסטארטאפים מכל העולם לפתח פתרון שיצליח להפיק תובנות חדשות ממיליוני נתונים שנאספו במשך שנים על המחלה. הסבבים הראשונים של התחרות ייערכו כבר בדצמבר הקרוב בסן דייגו, והגמר הגדול ייערך במרץ 2026 בקופנהגן. הצוות הזוכה לא רק יזכה בפרס, אלא יאפשר לכל המדענים בעולם להשתמש בכלי בחינם – במטרה לקדם מחקר גלובלי ושיתוף פעולה רחב.

חשיבות הטיפול במחלת האלצהיימר

למה זה כל כך חשוב? כי מחלת האלצהיימר נחשבת לאחד האתגרים הגדולים של עולם הבריאות – כ-55 מיליון בני אדם חיים כיום עם דמנציה, וההערכות הן שמספר זה ישולש עד 2050. איפה ה-AI יכול לעזור לנו במקומות שבהן טכנולוגיות אחרות נכשלו? בכיר ב-Gates Ventures מספר: “האתגר הוא לא מחסור במידע – אלא עודף מידע שמקשה על מדענים לראות את התמונה המלאה. כאן הבינה המלאכותית נכנסת לפעולה”.

וזה בדיוק מה ש-AI עושה מצוין. מנתח כמויות דאטה אדירות, מפריד בין עיקר לתפל, מוצא דפוסים ומגמות, ואם צריך גם יודע להמליץ, לפתח, ליזום ואפילו לחשוב מחוץ לקופסא. ממש כמו מדען אנושי, רק בלי המגבלות הפיזיות, ועם גישה לכל המידע שקיים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

המעורבות הרחבה של ביל גייטס

גייטס לא עוצר במיליון דולר! הוא הודיע לאחרונה על כוונתו להגדיל באופן דרמטי את מעורבותו הפילנתרופית ולהעמיד סכום עצום של כ-200 מיליארד דולר לתרומה בעשרים השנים הבאות. מדובר בהכפלה משמעותית של ההשקעה האישית שלו בקידום פרויקטים ומחקרים פורצי דרך בתחומי הבריאות, החינוך, המלחמה במגפות העולמיות, וכמובן – גם בחיפוש אחר טיפול יעיל למחלת האלצהיימר.

המטרה שלו היא לתעל את המשאבים האדירים שצבר כדי לקדם פתרונות חדשניים לבעיות הגדולות שמעסיקות את האנושות. לטענתו, המהלך מגיע מתוך תפיסה שהעתיד של מחקר הרפואה, ובעיקר של מחלות ניווניות כמו אלצהיימר, טמון בשילוב בין משאבים כלכליים, טכנולוגיה מתקדמת ובינה מלאכותית.

האם זו תהיה נקודת המפנה? ימים יגידו. אבל מה שבטוח, בשנים האחרונות ראינו פריצות דרך מדעיות, הודות לשימוש בטכנולוגיות AI, בתחומים כמו חקר הסרטן, פיתוח נוגדנים, חיזוי מגפות ועוד. נראה שגם בעולם הרפואה והמחקר, העתיד נמצא ב-AI.

הפוסט מיליון דולר למי שימצא תרופה לאלצהיימר עם AI הופיע ראשון בLet's AI בינה מלאכותית

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

צפו בסרטון ההשקה של הכלי

לפני הכל, צפו בסרטון ההשקה שפרסמה Genspark, בו יש הסבר מפורט על הכלי והיכולות שלו:

Genspark AI Developer – העתיד של פיתוח ללא קוד כבר כאן

אז מה יש לנו פה? פלטפורמת Genspark AI Developer מבוססת על ארכיטקטורת Claude Code. בניגוד לפלטפורמות אחרות שמיועדות בעיקר למפתחים, כאן המטרה היא ברורה: לאפשר לכל אדם, גם ללא ידע קודם ואפילו בלי ניסיון מינימלי, להוציא לפועל רעיונות. מדובר בגישה תפיסתית חדשה שמביאה לשולחן את הרעיון של “בינה מלאכותית מפתחת” – כזו שלא עוסקת רק בהשלמת שורות קוד, אלא בונה תהליכי פיתוח שלמים, מקצה לקצה.

מהי Claude Code?

Claude Code פותחה ב-Anthropic כסוכן בינה מלאכותית אוטונומי לכתיבת, בדיקת ותחזוקת קוד. אין מדובר פה על השלמה למפתח בלבד, אלא על מנוע שמנהל תהליכים מורכבים מקצה לקצה, כולל פיתוח, בדיקות, אופטימיזציה והעלאה לסביבה חיה, עם שליטה מלאה בקונטקסט של הקוד והפרויקט. הכלי פועל כ-Agent המסוגל לקבל פקודות כוללניות ולבצע משימות תוך בקרה אנושית על תהליכים רגישים.

Genspark AI Developer נבנה בהשראת Claude Code, אך במקום כלי למפתחים (כמו קלוד קוד), מדובר בפלטפורמה נגישה לכל משתמש, שמשלבת ממשק פשוט, סוכני AI מתקדמים וממשק אייג’נטלי שלא מצריך ידע בכתיבת או קריאת קוד. חשוב לציין – זה לא IDE ולא SDK, אלא “מערכת סוכנית” (כן – צירוף מוזר בעברית) לבניית מוצרים דיגיטליים בעזרת הנחיות בשפה טבעית בלבד.

הקשר בין Genspark AI Developer ל”קלוד קוד” | Credit: Genspark.

היתרון הגדול הוא ביכולת של Genspark לעבוד במקביל עם מספר מודלי AI, כאשר Claude Code מהווה את השכבה המרכזית בתהליך. כך, כל משימה – החל מבניית אתר בסיסי, דרך אוטומציה של תהליכים ועד לפיתוח אפליקציות מתקדמות – מתבצעת מתוך הבנה רחבה של הלוגיקה העסקית, מבני הנתונים, ממשקי המשתמש והצרכים האמיתיים של המשתמשים. מדהים!

מה מיוחד בכך – ומדוע זה כל כך משמעותי?

השילוב בין Claude Code ל-Genspark יוצר מנוע פיתוח שמבין לא רק “איך לכתוב קוד”, אלא “מה צריך לבנות” ולמה. המשמעות היא שהמערכת יודעת לקחת תיאור עסקי פשוט כמו: “בנה מערכת לניהול הזמנות בסלון יופי”, ולהפוך אותו תוך דקות למערכת אמיתית, מותאמת לצרכי העסק, עם תהליכי הרשמה, דוחות ניהוליים, דשבורדים ועיצוב מקצועי. פרונטאנד ובקאנד! הייחוד הזה מאפשר:

• קיצור דרמטי של תהליכי פיתוח: במקום שבועות או חודשים של פיתוח מסורתי, הכלי מביא לתוצאה מקצועית תוך דקות.

• שיפור איכות ובקרה: Claude Code מנתחת לא רק את הקוד, אלא גם את ההקשר, ובונה פתרונות שלמים שמותאמים לדרישות.

• שקיפות וגמישות: ניתן לשלב את Claude Code עם מודלים נוספים (למשל GPT-5), ולבחור בכל שלב את הכלי המתאים ביותר למשימה.

איך בונים אפליקציות ואתרים עם Genspark AI Developer?

איך זה נראה בפועל? שימו לב!

1) התחברות לג’נספארק

כנסו ל-Genspark, בחרו מה אתם רוצים לבנות – למשל, אתר או אפליקציה פשוטים.

מה בא לכם לבנות? אתר? אפליקציה?

2) בחירת מודל

בחרו מודל (אמנם ה”מוח” מאחורי הכלי הוא Claude Code, אבל בשוטף אתם יכולים לעבוד עם המודלים המובילים בשוק). הבחירה בין מספר מודלי בינה מלאכותית מתקדמים, כדוגמת Claude Sonnet 4, Opus 4.1, GPT-5 ו-Kimi + Groq, מעניקה למשתמשים חופש תנועה מרבי ויכולת להתאים את תהליך הבנייה לצרכים האישיים או העסקיים. 

המודלים המובילים בשוק עובדים בשבילכם!

3) כתיבת פרומפט

כתבו פרומפט מסודר, בו תפרטו את הצורך שלכם, האיפיון של המוצר שאתם רוצים לבנות, ולחצו אישור. תוך זמן קצר תקבלו אתר, אפליקציה, או אפילו משחק. מאחורי הקלעים פועלת Claude Code, בונה, בודקת, מפרסמת ומתחזקת. הכול מתבצע תוך הבנה מלאה של התמונה הגדולה, ולא רק כתגובה אוטומטית לשורה בודדת של קוד.

מהפכת סוכני הקוד – מעבר מ-L3 ל-L4

בעשור האחרון ראינו כיצד עולם הפיתוח נפתח אט אט בפני קהלים רחבים יותר, אך החסמים האמיתיים תמיד נותרו שם – הקוד, שפת הפיתוח, הצורך בהבנה טכנית עמוקה. Genspark AI Developer יוצא נגד הפרדיגמה הזו ומציע קפיצה תפיסתית שעד כה נדמתה דמיונית: סוכני קוד אוטונומיים ברמה 4 (L4), שמבצעים את תהליך הפיתוח מקצה לקצה – כמעט ללא מגע יד אדם.

המעבר מ-L3 ל-L4 מסמן קפיצת מדרגה נוספת | Credit: Genspark.

מה ההבדל בין L3 ל-L4 ומה זה לעזאזל?! בואו נעשה קצת סדר…

בתחום סוכני הקוד, ההתקדמות הטכנולוגית שעד כה שירתה בעיקר מפתחי תוכנה, לא הצליחה לספק מענה רחב למיליוני משתמשים שאינם יודעים קוד, אך רוצים להוציא רעיונות דיגיטליים לפועל. כלים מהדור השלישי (L3), דוגמת Cursor ו-Lovable, אפשרו אוטומציה, תיקון שגיאות והצעות לקוד, אך נשענים על ידע מוקדם בסביבות פיתוח ולוגיקה תכנותית, ולכן מתאימים בעיקר למפתחים. אמנם לאבבול יותר נוח ואינטואטיבית, אבל קורסור זה כבר סיפור אחר לגמרי!

לטענת החברה, Genspark AI Developer מייצגת את קפיצת המדרגה לדור הרביעי (L4): במקום כלי עזר טכנולוגי לאיש מקצוע, כלי שמתפקד כסוכן אוטונומי בעל יכולות יזמיות – כלומר, הבינה המלאכותית מתכננת, מאפיינת, מפתחת, בודקת, ממטבת ומשיקה מוצרים דיגיטליים שלמים באופן עצמאי ושקוף. כל התהליך מתבצע ללא תלות בידע תכנותי מצד המשתמש, מה שמאפשר לכל אחד להפוך רעיון למציאות דיגיטלית תוך זמן קצר וללא חיכוך עם צוותי פיתוח או מחסומים טכנולוגיים. המעבר ל-L4 אינו רק טכנולוגי – הוא בראש ובראשונה שינוי מחשבתי. הייחוד של סוכן L4 כמו Genspark AI Developer הוא בתפקיד הכפול שהוא לוקח על עצמו: גם הארכיטקט של המוצר וגם הקבלן שמבצע בפועל. למעשה, מהפכת L4 הופכת את הבינה המלאכותית ל”מפתחת צללים” עבור כל מי שיש לו רעיון – מחלום למוצר, בלי שלבים מתישים ובלי צווארי בקבוק.

פשטות בשירות היצירתיות, גם עבור אנשי מקצוע!

העוצמה הגדולה של Genspark AI Developer מתבטאת במגוון הרחב של הכלים והאפשרויות שהוא מציע, ובגישה חדשנית שמורידה כמעט לחלוטין את רף הכניסה לעולם הבנייה הדיגיטלית. אין צורך לנהל אינטגרציות מסובכות או להבין שפות תכנות – כל אחד, בכל שלב, מקבל כאן מארז של עוצמות טכנולוגיות בלחיצת כפתור.

1) פשטות טוטאלית – מרעיון למוצר תוך דקות

Genspark AI Developer נבנה סביב רעיון של “פשטות מעשית”. המשתמש מזין תיאור פשוט של הצורך או המטרה (למשל: אתר הזמנות, חנות דיגיטלית, אפליקציית משימות), והמערכת הופכת אותו לאתר שלם, מעוצב ומותאם אישית, הכולל גם מערכת ניהול, דשבורד ושליטה מלאה בכל הפונקציות. כל זאת בפשטות, במהירות וללא צורך בידע מוקדם.

2) בחירת מודלים חכמה – התאמה אופטימלית לכל משימה

בין אם נדרש קצב פיתוח מהיר, קוד איכותי במיוחד או שילוב של שפות ותשתיות, Genspark מאפשרת לבחור מתוך כמה מהמודלים המתקדמים ביותר בעולם הבינה המלאכותית: Claude Sonnet 4, Opus 4.1, GPT-5, Kimi + Groq ואחרים. השילוב הזה מעניק גמישות, מייעל את תהליך הפיתוח ומבטיח שהתוצאה תתאים בדיוק לצרכים הספציפיים של כל פרויקט, או להעדפות של כל משתמש. הרי לכל אחר מאיתנו יש את “החבר הדיגיטלי” או המודל המועדף עליו. חופש הבחירה פה סופר חשוב!

3) אינטגרציה טבעית ל-GitHub – מתאים גם לאנשי מקצוע מנוסים!

המערכת יודעת להתחבר ישירות ל-GitHub, לייבא פרויקטים קיימים, לבצע שינויים, לייצר Pull Requests, לבדוק גרסאות ולהעלות אותן לאוויר – הכל מתוך ממשק אינטואיטיבי, בדפדפן או באפליקציה. המשמעות היא שכל משתמש, גם אם אינו מפתח מקצועי, נהנה מכוח של כלים מקצועיים בלי להסתבך עם קונפיגורציות או הגדרות מסורבלות. כלומר, גם מפתחים מנוסים יכולים להיעזר בסוכן L4 שכזה, כדי לייעל תהליכים שעד כה דרשו שעות רבות, ולפנות לעצמם זמן לחשיבה יצירתית או משימות מורכבות יותר.

מעבר ליכולות הניהול והפיתוח, Genspark AI Developer מבוסס על תפיסה של “סוכן פיתוח אוטונומי”: הוא מתכנן, כותב, בודק, מעלה לאוויר ומתחזק – כמעט ללא התערבות אנושית. כל משתמש, מכל תחום, יכול להוציא רעיון דיגיטלי אל הפועל במהירות ובדיוק – ולקבל תוצאה שנראית ומרגישה כמו עבודה של צוות פיתוח מקצועי.

ג’נספארק לא לבד בזירה!

ההשקה של Genspark AI Developer ממשיכה את המגמה של מעבר ממערכות שמסייעות לאנשי מקצוע, למערכות שמעצימות את כולם. זוהי דמוקרטיזציה של הטכנולוגיה במיטבה, בה כולנו זוכים להזדמנות שווה ליצור, לשנות ולהשפיע על המרחב הדיגיטלי. נכון – לא כל פתרון יתאים לכל צורך, ולעיתים עדיין יידרש מפתח מיומן, אך הכיוון ברור! קיצור תהליכי פיתוח, פישוט תהליכים, והנגשת הבינה המלאכותית לכל שכבת משתמשים. 

וגם פה חשוב לזכור – Genspark ממש לא לבד בזירה! Lovable, היוניקורן השוודי ו-Base44 שעשתה אקזיט בעשרות מיליונים, ימשיכו לשרת הן מפתחים והן אנשים חסרי ניסיון, שכמהים לכלים מתקדמים וגמישים! עם כניסתה, או שמא נאמר – התפרצותה, של Genspark AI Developer לסצנה, ברור כי קוד כבר לא שייך רק למפתחים – והעתיד של היצירה הדיגיטלית פתוח באמת לכולם. זה כלי מדהים שמאוד כדאי לכם לבדוק. שחקו איתו קצת – אין לי ספק שתיהנו!

הפוסט Genspark משחררת כלי Vibe Coding חדש: Genspark AI Developer הופיע ראשון בLet's AI בינה מלאכותית

איך הגענו לכאן? GPT‑5 “מודל אחד שישלוט בכל”

ב‑7 באוגוסט 2025 חברת OpenAI השיקה את GPT‑5 – מודל הדגל החדש שלה, כזה שלא שואל שאלות, ומחליט בשבילכם. לא עוד בחירה ידנית בין רשימה אינסופית של מודלים! החלופה – מודל אייג’נטלי שמתיימר לדעת יותר טוב מכם, מה אתם רוצים וצריכים. זה לפחות היה החזון – אבל חלומות לחוד ומציאות לחוד. בפועל, המצב החדש לא בא טוב להרבה משתמשים.

GPT-5 – One model to rule them all.

ומה לגבי מי שבכל זאת רוצה קצת שליטה? בימים הראשונים שלאחר השקת המודל, מנויים בתשלום קיבלו את האפשרות להשתמש בבורר מודלים דינמי, שהחיל אך ורק שני מצבי עבודה באותה העת: GPT-5 ו-GPT-5-Thinking. הראשון – מודל שמחליט מתי לג’נרט במהירות ובקלילות, ומתי להפעיל יכולות הסקה מתקדמות (וגם איטיות יותר). השני – מודלי ריזונינג קלאסי, או אם תרצו – הדור הבא של o3. 

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

שובם של מודלי הלגאסי

במהלך השנים האחרונות, כל השקה של מודל חדש מצד OpenAI לוותה באירועי השקה נוצצים, עדכונים סוערים ברשתות החברתיות ושפע השוואות: מה יותר טוב? מי מהיר יותר? איזה מודל מבין טוב יותר את השפה? מי יותר רגיש? אבל בחצי שנה האחרונה נדמה שמשהו השתנה – משהו נסדק. המודלים ששוחררו היו פחות “אפויים”, וזה הרגיש שמישהו ב-OpenAI מצד אחד רוצה לשחרר מהר מהר מודלים חדשים, ומצד שני, לא מקדיש לכל מודל את הזמן הנדרש כדי להתאים אותו לקהלי היעד, ולצרכים והשימושים שלהם.

וגם הפעם היו רבים שהיללו את המודל החדש, שמייתר את כאב הראש שבבחירת מודל, ו”מחליט בשבילנו”. מצד שני רבים טענו שהמודל החדש לא מתאים לכולם, ושהם היו רוצים את אפשרות הבחירה. המודל החדש – GPT5 – מצוין בכתיבת קוד, יש בו הרבה פחות שגיאות והזיות, הוא מגיע עם חלון הקשר של 400K טוקנים ב-API, ומצוין בפעולות מתמטיות. כל אלו הופכים אותו למושלם עבור עולם האנטרפרייז. אבל מצד שני – משהו הלך לאיבוד בדרך. אולי זה הרגש והרגישות. אולי זו האנושיות (אם אפשר לכנות מודל AI כ”אנושי”).

ועכשיו, כצפוי, OpenAI נכנעת ומחזירה את מודלי הלגאסי האהובים.

Return of the Legacy Models.

איך מפעילים את מודלי הלגאסי?

המודל הראשון שחזר היה GPT-4o הישן והטוב. מודל מאוד מהיר, מצוין בעברית, שמתאים למשימות מהירות ופשוטות. זה לא המודל לנתח איתו את דו”ח הרווח-הפסד שלכם, וזה בטח שלא המודל לכתוב איתו את הקוד לסוכן החדש שאתם בונים. אבל הוא מושלם לכתיבה של טקסטים, פוסטים, מאמרים, בלוג-פוסטים, יצירת תמונות, סיכום של תוכן או הרחבתו, ועוד. 

כדי להפעיל את מודלי הלגאסי יש ללחוץ על תמונות היוזר שלכם, ואז על הגדרות (Settings). שם, בתוך לשונית General תמצאו את הכפתור שמאפשר להציג את המודלים הישנים.

הצגת מודלי הלגאסי ב-ChatGPT.

אבל למה להסתפק רק ב-4o? אתמול, 14.8.25, חזרו אל חיינו גם מודלים אהובים נוספים ומתקדמים הרבה יותר מ-GPT-4-o. אם יש לכם מנוי בתשלום והפעלתם את אפשרות הצגת מודלי הלגאסי, תגלו שלחיצה על כפתור בורר המודלים (בצד שמאל למעלה), מאפשרת לכם להגיע גם למודלים ישנים (אך טובים ומתקדמים) כמו o3 המדהים. אם תשאלו אותי – כנראה שזה מודל הריזונינג הטוב בשוק! אמנם לא הכי חדש, אבל אחד היציבים והאמינים שבהם. מעולה למשימות רב-שלביות, מצוין בפעולות מתמטיות, מדהים בניתוח קבצים פיננסיים, ובאמת כל מה שאתם מצפים ממודל מתקדם.

אגב, אם אתם רוצים ללמוד עוד על ניתוח נתונים ומסמכים פיננסיים עם מודלי ריזונינג, פה תמצאו מדריך מפורט ופשוט מעולה!

כך תוכלו להשתמש במודלי הריזונינג הישנים והטובים של ChatGPT.

לצד o3 ו-o4-mini קיבלנו חזרה גם את GPT-4.1, שקצת עבר מתחת לראדאר של משתמשים רבים, אבל מבחינתו הוא עוד מודל אהוב במיוחד. באופן מפתיע, למרות שזה לא הייעוד שלו, הוא מצוין גם בכתיבה שיווקית (מעבר ליכולות המרשימות הנוספות שלו, עליהן תוכלו לקרוא כאן).

מצבי חשיבה חדשים

מעבר לחזרתם של o3, חזרת המודלים הישנים, קיבלנו גם מצבי חשיבה חדשים: Auto / Fast / Thinking-mini / Thinking.

מצבי החשיבה החדשים של GPT-5.

בואו נעשה קצת סדר ונסביר מה ההבדל בין כל מצב חשיבה:

• מצב Auto: זהו מצב ברירת המחדל של המערכת, והוא מאפשר ל-GPT-5 להחליט באופן דינמי כמה “להשקיע” בחשיבה לפני כל תשובה. ההחלטה מתבצעת על סמך ניתוח של הפרומפט, מהלך השיחה ודפוסי השימוש שנלמדו. אם מזוהה בעיה מורכבת, המערכת יכולה להעמיק באופן אוטומטי ולהפעיל חשיבה מדורגת (Reasoning). מצב זה מתאים לרוב המשימות היומיומיות, כמו כתיבה, עריכה, תשובות לשאלות “מידעיות” וכתיבת קוד שגרתית. מצב זה אמור לאזן בין מהירות לעומק. היתרון: חוויית שימוש נטולת עומס בחירה. החיסרון: פחות שליטה על זמני תגובה ועוצמת החישוב.
• מצב Fast: מצב זה ממוקד במהירות מקסימלית ומפחית משמעותית את משך “החשיבה הפנימית” של המודל לפני מתן תשובה. זהו מצב אידיאלי למשימות קצרות, לסיכומים מהירים, להנחיות תפעוליות ולשימושים שבהם החשיבות העליונה היא זמן תגובה קצר ולא ניתוח מעמיק. חשוב לציין שבמצבים הדורשים הסקה וחשיבה מעמיקה, או דיוק גבוה, איכות התשובות עשויה להיות נמוכה יותר לעומת מצב Thinking. אם תרצו, זו המקבילה למודל GPT-4o הישן.
• מצב Thinking‑mini: מצב ביניים זה מעניק יותר עומק ניתוח מ-Fast, אך בעוצמת חישוב נמוכה בהרבה ממצב Thinking ה”מלא”. המצב הזה מתאים לבעיות לוגיות או טכניות ברמת קושי בינונית, לסקירות קוד לא מעמיקות במיוחד ולפירוק בעיות לכמה שלבים. הוא מהיר יחסית למודלי ריזונינג אחרים. בנוסף, המערכת מפנה אליו אוטומטית כאשר חורגים מהמכסה השבועית של מצב Thinking המלא. מצב זה מהווה מעין מקבילה למודל o4-mini הישן.
• מצב Thinking: מצב זה מקצה למערכת יותר זמן ומשאבים לניתוח פנימי יסודי, מה שמאפשר לה להגיע לתשובות מדויקות ועמוקות במיוחד. זהו מודל הריזונינג העוצמתי במיוחד במנוי פלוס (יש לו גם גרסה חזקה יותר במנוי Pro), והוא מתאים במיוחד למשימות מורכבות כמו לוגיקה מתקדמת, חישובים מתמטיים, ניתוח קבצים פיננסיים ודו”חות, ביצוע פעולות רב-שלביות, דיבאגינג, פתרון בעיות מורכבות, ניתוח מרובה קבצים ועוד. יתרונו המרכזי הוא הדיוק והעקביות במשימות קשות, אך הוא איטי יותר ומוגבל למכסה שבועית (ולאחר מכן מתאפשר שימוש ב-Thinking‑mini). מודל זה הוא המקבילה ל-o3 הישן והטוב. חשוב לציין שהוא הרבה יותר איטי והרבה יותר “אייג’נטלי” – כלומר, הוא יקבל החלטות בעצמו. הוא יכול להחליט לגלוש ברשת לאסוף מידע שחסר לו, גם אם לא ביקשתם. הוא יכול להחליט לייצר טבלאות ותרשימים, גם אם לא ביקשתם. הוא יכול לייצר מפרומפט בודד מספר רב של תוצרים (טקסט, גרפים ותרשימים, טבלאות ועוד). 

מי החליף את מי? ישן מול חדש | Credit: OpenAI

האם OpenAI נכנעה?

מה אפשר ללמוד מכל הסיפור הזה? האם OpenAI מודה בטעות? האם זה צעד אחורה או קדימה? האם מודל שבוחר בשבילנו ומחליט בשבילנו זה לאו דווקא דבר טוב? האם יכולות אייג’נטליות מרחיקות מאיתנו את ה”אנושיות” של המודלים הישנים (עד כמה שניתן לומר משפט כזה)? הרבה שאלות, מעט תשובות (אותן נגלה לאורך הדרך, בעיקר לאחר שנוכל לנתח את דפוסי השימוש של משתמשים לאורך זמן). מה שבטח, לא כל השקה של מודל חדש היא גיים צ’יינג’ר! ולפעמים, מודלים ישנים שעושים את העבודה ושמשתמשים התרגלו לעבוד איתם, מספיק טובים. או כמו הסיסמה הנדושה (אך הנכונה תמיד) – If it ain’t broke, don’t fix it.

הפוסט שובם של מודלי הלגאסי! האם ChatGPT צועד קדימה או אחורה? הופיע ראשון בLet's AI בינה מלאכותית

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

מודל דגל חדש בשכונה – GPT-5 פה כדי לפשט!

בורר המודלים של GPT-5 בגרסה בתשלום.

הסוף לכאוס ולרשימת המודלים האינסופית!

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

חלון קונטקסט גדול של 400K טוקנים ב-API!

יתרון אדיר נוסף שממחיש את הפער בין GPT-5 למודלים הקודמים של OpenAI, הוא חלון הקונטקסט הגדול יחסית. עד לאחרונה, עבודה עם מסמכים בני מאות עמודים או עם דאטה-סטים רחבים דרשה פיצול למקטעים או הקרבה באיכות הזיכרון. בדורות הקודמים הסתפקנו בכ-200,000 טוקנים, אבל כעת, GPT-5 משנה את כללי המשחק – הוא מסוגל לקבל ולנתח מסמכים בהיקף של עד 400,000 טוקנים דרך API! זה לא הכי גדול (מודלי ג’מיניי מתהדרים כבר תקופה ארוכה בחלון הקשר של מיליון טוקנים, וגם במודלים אחרים של OpenAI, כמו o4-mini-high ראינו דברים דומים), אבל זה שיפור משמעותי ממה שקיבלנו עד היום במודל הדגל של הפלטפורמה.

במבחני OpenAI-MRCR, שבודקים יכולת שליפה והבנה מתוך קונטקסטים ארוכים ומורכבים, GPT-5 עוקף בביטחון דגמים כמו O3 ו-GPT-4.1, במיוחד ככל שהקלט מתארך (עד 256,000 טוקנים למבחן). המשמעות היא שגם במבחני ”מחט בערימת שחת”, שבהן המודל מתבקש לשלוף פרט מידע מתוך כמות דאטה אדירה (כמו עשרות תכתובות, דוחות מפורטים או נתוני חיפוש אינסופיים), המודל מצליח לאתר מידע נקודתי ולשלוף אותו בדיוק מרשים ביותר של מעל 90%.

הקפיצה הזאת מגובה גם בנתוני BrowseComp Long Context, מבחן חדש שמדמה חיפוש והסקה מתוך מאות אלפי מילות מידע: כאשר הוזן קלט בגודל 128K–256K טוקנים, GPT-5 הצליח להגיע לתשובה הנכונה ב-89% מהמקרים – פי כמה מהיכולות של מודלים קודמים.

חלון הקונטקסט של GPT-5 כגדול מבעבר! 400K טוקנים | Credit: OpenAI.

לא רק איכות, אלא גם אמינות

לפירוט הביצועים המלאים, לחצו פה.

וכמו תמיד – אחרי שההייפ פוחת, אנחנו נשארים פה כדי לפצח את היוזקייסים, לבחון ולבדוק את ביצועי המודל בפועל, ולדווח לכם האם הוא באמת טוב כמו שהוא נשמע. רוצים להישאר מעודכנים? הצטרפו לקהילות ולניוזלטר שלנו.

הפוסט כל מה שצריך לדעת על GPT-5 הופיע ראשון בLet's AI בינה מלאכותית

האם נצליח להתעורר בזמן?

בואו נדבר קצת על קריאת ההשכמה של ועדת נגל. יש דוחות שנכתבים כדי לסמן וי, ויש כאלה שמניחים אצבע על הדופק הלאומי ומכריזים: זה עכשיו או לעולם לא. דוח ועדת נגל הוא בדיוק כזה – מסמך שמציב מראה מול מדינת ישראל, וחושף פערים עמוקים בין פוטנציאל אדיר למציאות שלא מחכה לנו. אנחנו ב-LetsAI אומרים את זה כבר שנים, וגם בתוכנית שלנו “בינה אחרת” מדברים על זה כמעט כל שבוע, אבל אם למישהו זה עדיין לא היה ברור – אז עכשיו זה ברור כשמש! אנחנו לא בכיוון… בכלל…

בואו נקפוץ לסוף – בדו”ח יש חמש ההמלצות שאמורות לעזור לנו לצאת מתרדמת החורף הדיגיטלית שלנו, ואולי להצליח להחזיר אותנו למרוץ. כי בסופו של יום – העתיד הכלכלי, הבטחוני והחברתי שלנו, תלוי בהטמעת AI בכל אספקטי החיים פה בישראל – מלמטה למעלה, ומלמעלה למטה!

1.⁠ ⁠מטה לאומי לבינה מלאכותית – עם שיניים

לא גוף סמלי, אלא מטה עצמאי, ישיר, שמדווח לראש הממשלה ומחזיק בסמכויות רגולטוריות וביצועיות. המטה הזה אמור להפוך את הבינה המלאכותית מאוסף מיזמים מפוזרים למדיניות לאומית אחת, ברורה ויעילה.

2.⁠ ⁠מחשב־על בבעלות המדינה – קפיצת מדרגה טכנולוגית

הקמת מחשב־על עצום, עם 60 אלף יחידות GPU – לא מדובר רק בגימיק הנדסי – זה הכרח במציאות שבה תשתית AI תקבע מי יהיו המדינות שיובילו את העולם המערבי בעשורים הקרובים. כי בעתיד לא יהיו מדינות עולם שלישי ומדינות מערביות – בעתיד יהיו מדינות AI וכל השאר!! לפי המלצות הדו”ח, חצי מהמשאבים יוקצו לאקדמיה, כדי שישראל לא תישאר מאחור במחקר, פיתוח וחינוך דור העתיד. השאר יעמוד לרשות המגזר הציבורי ומוסדות מחקר.

3.⁠ ⁠השקעה בהון האנושי – דור העתיד מתחיל כאן

תכניות מצוינות החל מהתיכון, מסלולים ייחודיים ללימודי AI באקדמיה, הרחבת הדוקטורנטים – וכל זה לצד מבצע השבת טאלנטים לישראל. כי אין משמעות לתשתית בלי מי שיידע להפעיל אותה ולחדש בתוכה.

4.⁠ ⁠תכנית לאומית לאנרגיה – לא רק חשמל, אלא עוגן ליציבות

הקמת חוות שרתים בפריפריה, חיבור תשתיות אנרגיה ייעודיות לבינה מלאכותית, והבטחת אמינות וגיבוי גם בשעת חירום. מהפכת ה-AI לא יכולה להיות אירוע שמתרחש רק במרכז הארץ, והיא חייבת יציבות אנרגטית.

5.⁠ ⁠השקעה לאומית של ממש – לא הצהרה, אלא ביצוע

5 מיליארד שקלים בשנה, חמש שנים ברצף. סך הכל 25 מיליארד שקל – השקעה שהיא אמנם כבדת משקל, אבל מהווה כרבע אחוז מהתל”ג – עלות זניחה יחסית לחשיבות ולפוטנציאל האדיר.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

בסופו של יום, דוח נגל אינו מהלך של בחירה, אלא של הישרדות לאומית. כך מסכם פרופ’ יעקב נגל: “אלו לא המלצות, אלא קווי מתאר לחבל ההצלה של ישראל בעידן הבינה המלאכותית”. ראש הממשלה אמר שיאמץ, יש מצב שלמערכת סוף סוף ייפול האסימון, אבל השאלה האמיתית נותרה פתוחה: האם ישראל באמת מוכנה להוביל בעידן הבינה המלאכותית, או שנמשיך לעמוד מהצד בזמן שהעולם רץ קדימה? בסייבר עשינו את זה, ואנחנו מאמינים שב-AI לא רק שנצליח לעשות את זה, אלא אנחנו חייבים לעשות את זה!

הפוסט ועדת נגל היא קריאת השכמה לפעולה לאומית הופיע ראשון בLet's AI בינה מלאכותית

היכולות והמגבלות של מודלי שפה מלאכותית

מודלי שפה מלאכותית הם כלים סופר עוצמתיים בניתוח נתונים. מצד אחד, הם מצטיינים בזיהוי דפוסים, בניתוח כמויות מידע עצומות ובהפקת תובנות במהירות. מצד שני, יש להם מגבלות מהותיות – הם שוכחים מהר, תלויים בהקשר, וזקוקים להכוונה מדויקת. לכן חשוב להבין איך נכון להשתמש בהם, ואיך לא.

בינה מלאכותית היא הייצור הכי חכם בעולם, עם הזיכרון הכי קצר בעולם, ועם אופי של תינוק בן יומו!

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

ניתוח קבצים ונתונים עם AI.

הפוסט כוחות העל של AI בניתוח קבצים ונתונים מספריים הופיע ראשון בLet's AI בינה מלאכותית

איך עובד הפיצ’ר החדש Ideogram Character?

מאוד פשוט! Ideogram Character מאפשר ליצור דמויות עקביות ומדויקות על בסיס תמונה אחת בלבד. זו לא הפעם הראשונה שאנחנו רואים יכולת כזו – Prome עשו זאת כבר לפני יותר משנה, וגם ב‑ChatGPT ניתן להגיע לתוצאות דומות עם המודל הגרפי החדש שלהם, יחסית בקלות.

Ideogram Character is almost here! If you missed our live demo, you can watch it here: pic.twitter.com/PAXoteyNmc

— Ideogram (@ideogram_ai) July 29, 2025

אבל כשפיצ’ר כזה מצטרף לפלטפורמה חזקה כמו Ideogram, זו לגמרי סיבה לחגיגה, גם אם הם לא המציאו את הגלגל. אז מה קיבלנו כאן? לא מהפכה בתחום יצירת הדמויות, אבל בהחלט פיצ’ר שימושי שמאפשר לשמור על מאפיינים עקביים של הדמות, ולשלב אותה באינספור סצנות וסביבות – תוך שמירה על הסגנון והמראה המקורי.

שלבי עבודה עיקריים

1. העלאת תמונה אחת של דמות: אפשר להעלות צילום אמיתי או איור – כל עוד הוא ממוקד בדמות אחת.

2. זיהוי אוטומטי והתאמה: המערכת מזהה לבד את פרטי הדמות: פנים, שיער, ולעיתים גם לבוש. לאחר מכן ניתן לערוך ולהתאים את האזור שנבחר, למשל להסיר שיער, להוסיף בגדים, או להדגיש פרטים מסוימים, כדי לקבוע איך תיראה הדמות ביצירה הסופית.

3. מיקום הדמות בסביבה: אפשר למקם את הדמות בכל סביבה שתרצו – ים, עיר, חלל, שדה פתוח או מה שבא לכם. זה עובד עם תבניות מוכנות או עם ניסוח חופשי בטקסט (prompt).

4. שימוש בטמפלטים מוכנים: אידאוגרם מציעה מגוון תבניות מוכנות מראש – הפכו את עצמכם לכוכבי שער של מגזין, לדמות בסגנון ג’יבלי, לאביר אמיץ או אפילו לקלף ממשחק קלפים.

5. שיפורים מתקדמים עם Remix וקנבס: עם פיצ’רים כמו Remix או הקנבס של Ideogram, אפשר להמשיך וללטש את התמונה: להסיר או להחליף רקע, להשתמש באינפיינטינג ואאוטפיינטינג להוספת אלמנטים, לתיקון בעיות, או להרחבת גבולות התמונה באמצעות ג’נרציה של רקע נוסף.

יצירת דמות עם Ideogram Character

יתרונות עיקריים

Ideogram Character מצטיין קודם כל בשמירה על עקביות – הדמות שלכם נשמרת גם כשמשנים רקעים, סגנונות או סצנות. כל מה שצריך זה תמונה אחת בלבד, בלי לייצר שרשרת דוגמאות או לעבור תהליך מסורבל. בנוסף, הכלי מתחבר בצורה חכמה לפיצ’רים המתקדמים של אידאוגרם כמו Magic Fill ו‑Remix, מה שמאפשר ליצור קומפוזיציות חדשות, להחליף רקעים, להעביר את הדמות לסגנונות אמנותיים אחרים ולהשלים פרטים חסרים בצורה אינטואיטיבית ויזואלית.

זמינות ושימושיות

Ideogram Character הוא כלי פשוט וכיפי לשימוש, שפתוח כרגע לכל המשתמשים. אפשר ליצור עד 10 תמונות בחינם, או לבחור במנוי בתשלום כדי להמשיך ולהשתמש בו ללא הגבלה.

לסיכום, Ideogram Character לא מהפכני, אבל הוא בדיוק מה שצריך כדי לעבוד חכם. הוא חוסך זמן, שומר על סגנון ומאפשר שליטה אמנותית גם למי שלא מגיע עם רקע מקצועי. בין אם אתם יוצרים לעצמכם דמות לסושיאל, לבניית מותג אישי, או למשחקים וסיפורים – זה כלי קליל וכיפי ששווה לשלב בארסנל שלכם.

הפוסט יצירת דמות עקבית עם Ideogram Character הופיע ראשון בLet's AI בינה מלאכותית

איך מתחילים? ההרשמה ל-Google AI Studio

ההרשמה מהירה ופשוטה: נכנסים ל־aistudio.google.com, מתחברים עם חשבון גוגל קיים, מאשרים תנאי שימוש – וזהו. אין צורך בהתקנות או בהגדרות. תוך דקות אפשר להתחיל לבנות, ליצור ולנסות מודלי AI מתקדמים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

היתרונות הבולטים של Google AI Studio

• גישה חינמית למודלים הכי טובים של גוגל – אתם מקבלים את Gemini 2.5 Pro ו-Flash, וגם גישה מוקדמת למודלים ניסיוניים, בלי לשלם ולפני כולם.

• כלי אחד לכל סוגי המדיה – טקסט, תמונות, וידאו ואודיו, כך שאפשר לעבוד על כל פרויקט יצירתי או אנליטי במקום אחד, בלי לקפוץ בין כלים.

• ניתוח מסמכים עצומים בלי לחתוך – החלון הקונטקסטואלי הגדול מאפשר להזין עשרות עמודים ולקבל תשובות מדויקות על בסיס התמונה המלאה.

• יכולת לבנות אפליקציה אמיתית גם בלי לדעת לתכנת – פשוט מתארים את הרעיון במילים, והמערכת בונה אפליקציה שניתן לשתף אותה עם אחרים בלחיצת כפתור.

• שילוב קל עם קוד ו־API – בעזרת מפתחות API ו־SDK (ערכת כלים למפתחים) רשמי, אפשר לקחת את מה שבניתם ולהטמיע אותו ישירות בפרויקט או מערכת קיימת.

• עוזר אינטראקטיבי אמיתי, לא רק צ’אט – עם שיתוף מסך, שיחה קולית, ותגובה למצלמה, זה מרגיש כמו לעבוד עם שותף טכני חכם בזמן אמת.

השליטה בידיים שלכם: ניווט מהיר בין יכולות הממשק של Google AI Studio

פיצ’רים מרכזיים ב־Google AI Studio

ממשק צ’אט חכם עם בחירת מודלים

אפשר לשוחח עם מגוון מודלים ממשפחת Gemini לפי סוג המשימה, מ-Gemini Flash המהיר ועד Gemini Pro העמוק. הממשק תומך גם בעברית וכולל שליטה בפרמטרים כמו טמפרטורה, שמשפיעה על מידת היצירתיות (נמוך = מדויק וזהיר, גבוה = מקורי ויצירתי), ו־Top-P, שמכוון עד כמה המודל שוקל אפשרויות לא צפויות. ערך נמוך (למשל 0.1) יגרום למודל לבחור רק מתוך האפשרויות הבטוחות והסבירות ביותר, בעוד ערך גבוה (למשל 0.9) יאפשר לו לגוון יותר, ולשקול גם רעיונות פחות שגרתיים. זו דרך לשלוט על רמת ה”גמישות” וההפתעה בתשובה. השילוב בין השניים מאפשר לכם להתאים את סגנון התשובה – משמרני ועד הרפתקני.

העלאת קבצים וניתוח מדיה

ניתן להעלות מסמכים (PDF, Word), תמונות, וידאו או אודיו, והמודל ינתח, יסכם או יענה על שאלות מתוך הקובץ. לדוגמה: סיכום מאמר PDF, תיאור תמונה, או זיהוי תכנים מקובץ וידאו. רוב הפורמטים הנפוצים נתמכים.

שמירת שיחות וארגון לפי פרויקטים

כל שיחה עם המודל נשמרת אוטומטית, וניתן לארגן אותה לפי נושא או פרויקט. אפשר להפסיק שיחה באמצע ולחזור אליה בהמשך, כולל כל ההיסטוריה והקבצים שהועלו. פיצ’ר חיוני למי שעובד על כמה רעיונות במקביל, או שרוצה לחזור ולחדד תוצרים קודמים בלי להתחיל מאפס.

Stream Realtime

הפלטפורמה מאפשרת לשתף מסך או מצלמה עם המודל בזמן אמת, ולקבל הנחיות ישירות על מה שמופיע אצלכם. אפשר לשאול שאלות כמו “מה רואים כאן?” או לבקש הדרכה על תוכנה פתוחה, וה-AI יזהה וידריך אתכם שלב־אחר־שלב. בנוסף, ניתן לדבר אליו בקול ולקבל תשובה קולית בחזרה, כמו עוזר אישי חי. מתאים במיוחד להדרכה, פתרון בעיות ותמיכה ויזואלית חכמה.

יצירת תוכן מולטי מודאלי

Google AI Studio כולל כיום ארבעה כלים מרכזיים ליצירה גנרטיבית: Imagen ליצירת תמונות ברמה גבוהה, Gemini Speech להמרת טקסט לדיבור אנושי, Veo 2 ליצירת וידאו קצר מתסריט או מתמונה, ו־Lyria ליצירה אינטראקטיבית של מוזיקה בזמן אמת. רובם זמינים כבר עכשיו בגירסה החינמית של הפלטפורמה, וניתנים לשילוב ישיר בתהליך העבודה – בלחיצת כפתור.

בניית אפליקציות בלי קוד

AI Studio מאפשר לבנות אפליקציה שלמה מתיאור טקסטואלי בלבד – פשוט כותבים מה רוצים, והמערכת יוצרת אפליקציה עובדת תוך דקות. אפשר גם לבחור אפליקציות מוכנות (דרך לוח ההשראה – showcase) ולהתאים אותן לצרכים שלכם. בסיום, ניתן להעלות את האפליקציה לענן של גוגל בלחיצת כפתור, בלי לגעת בקוד או בשרתים.

חיבור ליישומים חיצוניים

אפשר ליצור מפתחות API (אינטגרציות וחיבור לכלים אחרים) ולייצא קוד מוכן (ב־Python, JavaScript, או cURL) לכל ניסוי או שיחה, ולהטמיע אותו בפרויקטים עצמאיים. התמיכה ב־SDK הרשמי של גוגל מקלה במיוחד על שילוב במערכות קיימות. השילוב של שיחה, מדיה, דיבור, קוד ופריסה (Deploy), הכל בכלי אחד, הוא מה שהופך את Google AI Studio לכל כך עוצמתי.

למי זה מתאים? 

• מפתחים: יכולים לבנות ולבדוק אפליקציות AI במהירות, לבצע A/B Testing בין מודלים, ולשלב תוצרים ישירות במערכות קיימות.

• משתמשים לא טכניים: עיתונאים, סטודנטים, יוצרי תוכן ומעצבים – כולם יכולים להיעזר ב-AI לסיכומים, תמלול, יצירת מדיה, הסברים לקוד, קריינות ועוד.

• ארגונים וצוותים: כלי מצוין לפיילוטים מהירים ולבדיקות היתכנות לפני השקעה בפיתוח מלא. הפלטפורמה מספקת מדדים ברורים, פועלת בסביבה מבודדת ונותנת גמישות מירבית לניסוי.

בקיצור, אם יש לכם רעיון, בעיה או פרויקט שדורש AI, יש לכם כאן כלי נגיש, חזק וידידותי להתנסות וללמידה.

מגבלות שכדאי להכיר

הגבלות בתוכנית החינמית

קיימת מכסה יומית, והגישה למודלים המתקדמים (כמו Gemini 2.5 Pro) מוגבלת. בנוסף, פעילות המשתמש עשויה להיאסף לשיפור המודלים. מי שצריך יותר, יכול לשדרג למסלולי Pro או Ultra עם גישה למודלים המתקדמים דרך אפליקציית ג׳מיני, גישה ליכולות כמו יצירת וידאו ב-Veo3, יצירת סרטים עם Flow, אפשרויות אחסון ועוד.

תכונות ניסיוניות ואי־יציבות

חלק מהפיצ’רים, כמו שיתוף מסך או יצירת מדיה, עדיין ב־Preview ועלולים להשתנות או להיעלם. תקלות קלות בממשק עשויות להופיע מדי פעם.

תמיכה מוגבלת בקבצים נדירים

רוב הפורמטים הסטנדרטיים נתמכים, אך קבצים בפורמטים קנייניים עשויים שלא להיטען.

לא מיועד לשימוש שוטף כמוצר סופי

הפלטפורמה מצוינת לפיתוח, ניסוי ובניית אב־טיפוס, אך לא מתאימה לעבודה יום־יומית במערכות ייצור (Production).

עקומת למידה למתחילים

הממשק עשיר באפשרויות, מה שעלול להרתיע משתמשים חדשים לגמרי. נדרשת היכרות בסיסית כדי להפיק ממנו את המירב.

תלות באקוסיסטם של גוגל

נדרש חשבון Google, וכל הנתונים נשמרים בענן שלה.

למרות המגבלות, לרוב המשתמשים מדובר בכלי נדיב, יציב וחינמי שמספק גישה נדירה לטכנולוגיות המתקדמות ביותר של גוגל.

טיפים למתחילים 

1. התחילו בצ’אט: התנסו בשיחה פשוטה עם המודל, נסו גם להעלות קובץ (PDF או תמונה) וראו איך הוא מנתח אותו. השוו בין Gemini Pro ל־Flash כדי להבין את ההבדלים.

2. עברו ל־Stream Realtime: שתפו מסך או מצלמה, בקשו מה-AI להסביר מה רואים או להנחות אתכם בתוכנה. אפשר גם לשוחח בקול, ממש כמו עם עוזר אישי.

3. צרו תוכן: השתמשו בכלי Text-to-Speech להמרת טקסט לקול אנושי, כולל שליטה בקצב וסגנון. אחר כך נסו את Veo: הזינו תיאור קצר וקבלו סרטון קצר בהתאמה.

4. בנו אפליקציה: בטאב Build Apps תארו רעיון פשוט, והמערכת תבנה לכם אפליקציה מוכנה. בלחיצה תוכלו לפרוס אותה לענן ולקבל קישור שיתוף.

5. שלבו API וקוד: צרו API Key, ייצאו קוד מתוך שיחות או אפליקציות, ושבצו אותו בפרויקט שלכם ב-Python או JavaScript.

6. למדו מהקהילה: חפשו מדריכים ביוטיוב, הצטרפו לפורום של גוגל, ואל תפחדו להתנסות. גם אם משהו לא עובד – פשוט מתחילים מחדש.

כל התכונות האלו מתחברות לכוח אמיתי – בעזרת AI Studio אפשר לעבור מרעיון למוצר תוך דקות, וללמוד תוך כדי תנועה והתנסות.

למה כדאי להתחיל עכשיו עם Google AI Studio?

עם שימוש חינמי, מודלים מהמתקדמים בעולם וכלים עוצמתיים ליצירה ולפיתוח, Google AI Studio מאפשר לכם לבנות, ללמוד, להתנסות או פשוט לראות מה הבינה המלאכותית של גוגל יודעת לעשות. זו ההזדמנות שלכם לגעת בחזית החדשנות – היכנסו לסטודיו וגלו בעצמכם. רוצים להכיר את הכלי במהירות? יצרנו עבורכם מצגת תמציתית – פחות מ־10 שקפים שמסבירים בצורה ברורה את היכולות המרכזיות של Google AI Studio. 

הפוסט מדריך שימושי ל־Google AI Studio הופיע ראשון בLet's AI בינה מלאכותית

Credit: Leonardo AI

איך מתחילים להשתמש ב־Veo 3 ליצירת סרטוני HD?

איכות HD בסרטוני AI הפכה לדרישת בסיס בשוק ובתעשייה, עבור יוצרים שרוצים להפיק קליפים עם AI, פרסומות AI או חומרים שיווקיים לחברות וארגונים. רזולוציית  1080p מעניקה לסרטונים מראה מקצועי, חד וברור, שמתאים במיוחד ליוצרים, משווקים, עסקים ואנשי תוכן שרוצים להשפיע וליצור עניין ברשתות החברתיות ובאתרי תוכן. יתרה מכך, השילוב החדשני של סאונד – הכולל דיבור טבעי וברור אפילו בעברית – הופך את Veo 3 לפתרון אטרקטיבי במיוחד לקהל הישראלי. זה אחד מהפיצ’רים שמייחדים את Veo 3 מהמתחרים, שאומנים מצליחים לג’נרט סרטונים עם סאונד (למשל Kling ו-Luma) אבל מתקשים בשילוב טבעי של דיבור טבעי וליפסינק. הם יכולים לעשות את זה בשלבים, אבל לא בג’ינרוט אחד בבת אחת, כמו ש-Veo 3 עושה.

אז איך מייצרים סרטוני HD עם Veo3 בלאונרדו?

סרטוני HD בלאונרדו עם VEO3.

1) כניסה לכלי

נכנסים ללאונרדו (Leonardo), ובוחרים ב-Video Creation בתפריט הצד.

2) בחירת המודל

בוחרים במודל Veo 3.

3) בחירת האיכות

משנים את ההגדרות ל־1080p High Quality, וזהו – לאחר השלבים הפשוטים האלה, כבר אפשר להתחיל ליצור סרטונים מרשימים ואיכותיים, המשלבים גם סאונד איכותי ודיבור טבעי בעברית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

קצת על לאונרדו

לאונרדו היא אחת מהפלטפורמות המובילות כיום בעולם הבינה המלאכותית היוצרת (Gen AI), ומציעה כלים חדשניים ומודלים מתקדמים ליצירת תמונות, וידאו, עריכת תמונות (אינפיינטינג ואאוטפיינטינג), אפסקיילרים וריפיינרים, ואפילו אפשרות לאימון לורה (LoRA). ותוכן ויזואלי מרשים בלחיצת כפתור. הפלטפורמה מתאפיינת בממשק ידידותי, שילוב בין טכנולוגיות מתקדמות ורמת גמישות גבוהה, שמאפשרים ליוצרים מכל הסוגים, חובבים ומקצוענים כאחד, להפיק תוצרים באיכות גבוהה ובקלות יחסית. בעזרת שילוב של מודלים עוצמתיים דוגמת Veo 3, מודלי קונטרול נט ואחרים, לאונרדו ממשיכה למצב את עצמה כאחת מהשחקניות המובילות בשוק.

הפוסט סרטוני HD עם סאונד בלאונרדו, עם Veo3 הופיע ראשון בLet's AI בינה מלאכותית

מה Act-Two בעצם עושה?

Act-Two הוא מודל לכידת תנועה חדש מבית Runway, שמאפשר להחיות כל דמות דרך תנועות הגוף שלכם. מעלים סרטון קצר שבו אתם מבצעים את התנועות הרצויות, יחד עם תמונה או סרטון של הדמות שתרצו להנפיש, והתוצאה היא וידאו שבו הדמות מחקה אתכם בצורה טבעית, מדויקת ומרשימה, כאילו הונפשה על ידי מקצוען.

מה חדש בדור הזה?

Act-Two כולל שיפורים משמעותיים ביכולת המעקב והביטוי לעומת Act-One:

• תנועות ראש וצוואר מדויקות יותר (כולל הנהונים ותזוזות עדינות).

• הבעות פנים עשירות (כולל עיניים, גבות ופה).

• תנועות גוף רציפות ונקיות מקפיצות.

• מעקב מלא אחר הידיים כולל מחוות אצבעות.

המשמעות בפועל

לא תקבלו “חיקוי כללי”, אלא העתקה כמעט אחד לאחד של כל תנועה, חיוך או מחוות ידיים. זה ההבדל בין דמויות חיות לדמויות פשוט מונפשות.

לדוגמה: נניח שצילמתם את עצמכם מצביעים על לוח, מהנהנים ואז מחייכים חיוך קטן. Act-Two יאפשר לדמות שאתם בוחרים לבצע בדיוק את זה: הראש יזוז לפי הקצב שלכם, היד תצביע בזווית הנכונה, והחיוך יופיע בזמן, אפילו אם הוא עדין מאוד. זה לא רק תרגום תנועה – זו העברת הבעה, נוכחות וסגנון אישי.

Act-Two allows you to create highly expressive scenes entirely driven by the nuanced performances of your actors. The timing, delivery, body language and subtle expressions are all faithfully transposed from your driving performances to your generated characters.

Learn more… pic.twitter.com/IAY8iZtfIK

— Runway (@runwayml) July 16, 2025

איך משתמשים ב־ACT-Two?

1. נכנסים ל־Runway, בוחרים Gen‑4 Video ולוחצים על ACT‑Two.

2. מעלים שני קבצים: סרטון שלכם מבצעים תנועות (“driving performance”) ותמונה או סרטון של הדמות שתרצו להנפיש.

3. לחצו Generate.

חשוב לדעת! ב־ACT-Two ניתן לבחור או תמונה או סרטון של הדמות שתרצו להנפיש – לא את שניהם יחד. אם תעלו תמונה, תקבלו שליטה במחוות גוף וידיים, כולל תנועה סביבתית אוטומטית. אם תבחרו סרטון, הכלי ישמור על תנועות המצלמה והסצנה המקוריות ויתמקד רק בהבעות הפנים. הבחירה משפיעה ישירות על סוג האנימציה שתתקבל.

מחירים ודרישות טכניות

השימוש ב־ACT-Two עולה 5 קרדיטים לכל שנייה של וידאו, עם מינימום של 3 שניות. כדי לקבל תוצאה איכותית, מומלץ להעלות סרטון באיכות לפחות 1080p, בפורמט MP4 או MOV, בקצב של 24 עד 30 פריימים לשנייה. אורך הסרטון מוגבל ל־30 שניות לכל היותר.

מתי זה באמת שווה את הכסף?

Act-Two הוא פתרון מצוין כשצריך להפיק אנימציה קצרה ומדויקת מדמות אחת, למשל ליוצרי תוכן או צוותי שיווק שרוצים לבדוק רעיון לפני שנכנסים להפקה יקרה. הוא יעיל במיוחד בפרויקטים שבהם מחוות גוף והבעות פנים משחקות תפקיד מרכזי, כמו שפת סימנים או הדגמות של מוצרים. לעומת זאת, כשמדובר בסצנות מורכבות עם כמה דמויות, אנימציות ארוכות, או דמויות לא-אנושיות, הכלי פחות מתאים, ועדיין עדיף לפנות לאנימטור מקצועי או פתרון ייעודי אחר.

כמה טיפים קטנים לפני שמתחילים

כדי להוציא את המקסימום מ־Act-Two, שווה להשקיע עוד כמה דקות בהכנה. במקום לאלתר מול המצלמה, תכננו מראש את התנועות שתרצו להקליט, אפילו תרגלו אותן כמה פעמים. כדאי גם לצלם כמה גרסאות – אחת איטית ומבוקרת, ואחת קצת יותר זורמת, כדי שתוכלו לבחור את מה שעובד הכי טוב.

אל תוותרו על תיעוד – אם יש תנועה שעבדה מצוין, שימרו אותה על המחשב או בסלולרי ליום אחר.

התחילו בדברים הקטנים – חיוך, הנהון או תזוזה קלה של הגוף יכולים להיראות מדהים כשמשתמשים נכון במודל. ואם אתם כבר שם, נצלו את יכולות הידיים. מחוות כמו הצבעה, חיבוק או תנועה שמביעה כוונה, עוברות נפלא ומרגישות טבעיות על המסך.

ודבר אחרון: אל תנסו להיות מוגזמים. תנועות חדות או אקספרסיביות מדי לא תמיד מתורגמות טוב – דווקא הפשטות נראית הכי אמינה על המסך.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

לסיכום, Act-Two מאפשר לכל יוצר, גם בלי רקע טכני, להפיק אנימציות קצרות, מדויקות ואיכותיות בתוך דקות. אם אתם יוצרים תוכן, בודקים רעיונות שיווקיים או מפתחים חוויה אינטראקטיבית, זה כלי שיכול לחסוך לכם זמן, כסף ותסכול. עם יכולות מתקדמות למעקב אחר פנים, גוף וידיים, ACT-Two מציב רף חדש לאנימציה. זה אולי לא סטודיו להנפשה, אבל זה הכי קרוב שיש, והוא בקרוב יהיה זמין לכולם.

הפוסט Runway מרחיבה את גבולות ההנפשה עם Act-Two הופיע ראשון בLet's AI בינה מלאכותית

FLUX 1 Kontext

FLUX 1 Kontext מתאים לעריכות מהירות ומדויקות של תמונה אחת, בלי לסמן איזורים ידנית. הוא מאפשר לשנות פרטים קטנים, כמו צבע של פריט, תוך שמירה על המבנה המקורי של התמונה. המודל שומר על מראה עקבי של דמויות ומוצרים בין גרסאות שונות, יודע להעביר סגנון מתמונה אחת לאחרת, ופועל במהירות גבוהה במיוחד (עד פי 8 ממודלים רגילים). כרגע הוא תומך בתמונת ייחוס אחת, אך בהמשך תתווסף תמיכה בריבוי תמונות.

תמונת ייחוס שלי והנחיה קצרה הביאה אותי לקטיף עגבניות בשדות

GPT-Image-1

GPT-Image-1 הוא מודל יצירתי של OpenAI שמאפשר לשלב עד שש תמונות ייחוס עם טקסט אחד, ולבנות קומפוזיציות מורכבות, כמו קולאז’ים, שילובי סגנונות, תנוחות או צבעים ממקורות שונים. הוא מצטיין בהבנה עמוקה של טקסט ותמונה גם יחד, ולכן מתאים במיוחד לפוסטרים, ממשקים, עיצוב טיפוגרפי ואריזות. המנוע הזה יודע גם לייצר תמונות חדשות וגם לערוך קיימות, ומעולה כשצריך לאחד כמה לוחות השראה לקונספט אחד, להחליף טקסטים בעיצובים, או ליצור סצנה חדשה לגמרי. הוא פחות מהיר מ-FLUX, ולעיתים עלול לסטות מהכוונה בפרומפטים ארוכים או למקם טקסטים קטנים לא במדויק.

איך משתמשים ב-Omni Editing של לאונרדו?

1. נכנסים לאתר – מתחברים לחשבון שלכם או נרשמים בחינם.

2. פותחים תמונה – יוצרים תמונה חדשה או בוחרים אחת קיימת מהגלריה.

3. לוחצים על התמונה – זה יפתח את עורך ההוראות (Inline Editor).

4. בוחרים מודל – מהתפריט בוחרים בין FLUX או GPT-Image-1.

5. כותבים הוראה בשפה פשוטה – לדוגמה: “החלף את צבע השמלה לצהוב”.

6. לוחצים על “Generate” – המערכת תבצע את השינוי מיד בתוך התמונה.

אפשר לחזור על הפעולה כמה שרוצים. כל שינוי מתבצע רק איפה שביקשתם, בלי להתחיל מהתחלה ובלי לעבור לתוכנה אחרת.

שינוי צבע הלמבורגיני מצהוב לאדום בהנחיה פשוטה

כמה טיפים חשובים לשימוש חכם

• כתבו פשוט וברור – במיוחד עם FLUX, שיכול לקבל עד 500 מילים. ב-GPT-Image-1 כל מילה עולה בקרדיטים, אז שווה לקצר.

• ציינו במה לא לגעת! – רוצים שהזווית או התאורה יישארו כמו שהם? תכתבו את זה בפרומפט, למשל: “תוך שמירה על התאורה והתנוחה המקוריות”.

• לכו בצעדים קטנים עם FLUX – אם תנסו להכניס יותר מדי שינויים בבת אחת, המודל עלול להתבלבל. עדיף לשנות דבר אחד בכל פעם.

• ב-GPT-Image-1 סדרו את התמונות שלכם – אם אתם מעלים כמה תמונות ייחוס, תתנו לכל אחת שם כמו “style_ref” או “pose_ref” כדי שהמודל יבין מה התפקיד של כל אחת.

• קחו אוויר – ב-GPT-Image-1 עיבודים מורכבים יכולים לקחת עד דקה או שתיים. זה נורמלי.

קרדיטים וגישה 

בלאונרדו עובדים עם קרדיטים שנקראים Tokens. משתמשים בחינם מקבלים כמות יומית מוגבלת, ומשתמשים בתשלום מקבלים בנק גדול יותר כל חודש. עריכות עם Omni (כמו GPT-Image-1 ו-Kontext) צורכות יותר קרדיטים מיצירת תמונה רגילה, כי הן מפעילות מנועים מתקדמים יותר. אם תבחרו באיכות גבוהה או במצב “Kontext Max”, העלות תעלה בהתאם. בשורה התחתונה, ככל שהמודל חכם יותר, או שהאיכות גבוהה יותר, ככה זה עולה יותר קרדיטים.

השוואת תוכניות המנוי של לאונרדו – מה כל תוכנית כוללת וכמה היא עולה?

לסיכום, FLUX Kontext הוא הכלי המהיר והמדויק כשצריך לשנות פרטים קטנים בתמונה אחת. GPT-Image-1 נותן יותר חופש יצירתי ומאפשר לשלב כמה תמונות, סגנונות וטקסטים על קנבס אחד. אפשר לעבור ביניהם בלחיצה ולבחור מה הכי מתאים לכל משימה. לכו לנסות!

הפוסט איך עורכים תמונות ב-Leonardo בעזרת מודלי Omni החדשים הופיע ראשון בLet's AI בינה מלאכותית

Text to Video with Veo3 was Magic! It was so good because it had real fluid movements and the output had Audio + Video… Now with the new update you can have IMAGE TO VIDEO including audio and the result looks super natural! I'm so impressed Google! pic.twitter.com/2b56nKQCXX

— Jesus Plaza (@JesusPlazaX) July 8, 2025

למה זה משנה את כללי המשחק

עד היום, מי שיצר דמות ייחודית בכלי כמו Midjourney, Leonardo או באמצעות LoRA, נתקל בקושי ממשי – לא הייתה דרך ישירה לשלב את אותה דמות בתוך Veo 3 ולשמור על עקביות גרפית. השילוב דרש ניסוי וטעייה עם פרומפטים ארוכים ומפורטים, לעיתים עם תוצאות לא יציבות או לא מדויקות.

Veo3 image to video is finally here!

This will enable even more fun!!!

No historical image is safe anymore pic.twitter.com/dlEJon6eqA

— Marcin (@waiting4agi) July 8, 2025

כעת, Image-to-Video מאפשרת להעלות תמונה קיימת ישירות לג’מיני, וליצור ממנה סרטון באמצעות Veo 3, מבלי לוותר על המאפיינים הויזואליים המקוריים. בנוסף, הכלי תומך ביצירת אודיו משולב הכולל אפקטים, מוזיקת רקע ודיבור, כולל תמיכה בעברית.

שלבי יצירת סרטון מתמונה בג’מיני

1. כניסה לחשבון: פתחו את אפליקציית Gemini או את האתר, והתחברו עם חשבון שיש לו מנוי פעיל (Pro או Ultra).

2. בחירת מצב יצירת וידאו: בתיבת הפרומפט, לחצו על האפשרות ליצירת ״סרטון״.

3. העלאת התמונה: גררו את קובץ התמונה לתיבת ההקלדה או לחצו על כפתור הפלוס (+) להעלאת תמונה.

4. ניסוח הפרומפט: במקום לתאר את הדמות עצמה, התמקדו במה שהיא עושה – פעולה, הבעה, תנועה, סאונד.

5. יצירת הסרטון: לחצו על כפתור היצירה (Generate / Create). עיבוד הסרטון נמשך בדרך כלל בין 30 ל־60 שניות.

איך ליצור וידאו מתמונה בקלות עם Veo 3 בג׳מיניי

איך ליצור דמות עקבית בסצנות משתנות

שמירה על עקביות של דמות בין סצנות היא אחד האתגרים המרכזיים בעבודה עם מודלי וידאו מבוססי תמונה. ב־Veo 3 יש דרך פשוטה יחסית להתמודד עם זה – באמצעות שימוש בתמונת ייחוס קבועה.

שלב 1: ייחוס (רפרנס) לדמות

התחילו ביצירת תמונה באיכות גבוהה של הדמות שתרצו להנפיש.

לדוגמה: חפץ/דמות פנטזיה/פרוטוטייפ למותג.

הקפידו שהתמונה תהיה בפורמט נתמך (JPG / PNG) וברזולוציה של לפחות 720p. בתמונה הזו תשתמשו בכל יצירה של קליפ חדש, כדי לשמור על עקביות מלאה בין הסצנות.

שלב 2: שילוב הדמות בסצנות שונות

בכל סרטון שתייצרו ב־Veo 3, העלו שוב את תמונת הדמות/חפץ כקלט. בפרומפט, במקום לתאר את הדמות מחדש, תנו הוראה שממוקדת רק בשינוי הסצנה:

• “תיאור הסצנה החדשה עם הדמות”

• “תיאור סביבה, למשל: חוף ים, חדר חקירות, עיר סואנת”

כך המודל משתמש בתמונה כדי לזהות את הדמות, אך קופץ מיידית לתוך קומפוזיציה שונה, תוך שמירה על המראה והסגנון שלה.

שלב 3: סאונד

וודאו שפס הקול תואם את העלילה או צרו פס קול שמתאים לסרטון שלכם.

שלב 4: עריכה

אחדו את קטעי הווידאו עם עורך הוידאו המועדף עליכם. כך תוכלו להרכיב סרטון ארוך יותר, שבו הדמות נשמרת באופן עקבי, אך הסביבה משתנה.

Now that Veo 3 lets you generate audio + video from an image, you can create a consistent narrative short with the same characters

This is a game-changer! pic.twitter.com/TWqTbMPfv8

— Dave Clark (@Diesol) July 8, 2025

אפשרויות מנוי ותמחור

כדי להשתמש ביכולת של Veo 3 להנפשת תמונות, יש צורך במנוי בתשלום לשירות Gemini. קיימות שתי רמות:

Gemini Pro עולה $19.99 לחודש. הוא מאפשר ליצור עד שלושה סרטונים ביום, בגישה לגרסת Veo 3 Fast, שבה זמן העיבוד הוא סטנדרטי והיכולות מעט מוגבלות יחסית. זוהי רמת כניסה מתאימה למשתמשים שמבקשים לבדוק את הכלי או עובדים בקצב נמוך.

Gemini Ultra עולה $249.99 לחודש. רמה זו כוללת מכסת יצירה יומית גבוהה יותר, גישה לגרסה המלאה של Veo 3 עם זמני עיבוד מהירים יותר, ויכולת להשתמש בפיצ’רים מתקדמים שנמצאים לעיתים בגרסת בטא. זהו פתרון שמתאים ליוצרים מקצועיים שזקוקים לתפוקה גבוהה וגמישות רחבה יותר.

בשתי הרמות אורך הסרטון מוגבל ל־8 שניות, והמערכת כוללת סימון תוכן מובנה כמו סימן מים ו־SynthID. האם זה מצדיק את העלות? זה תלוי בצרכים שלכם. אם אתם יוצרים תוכן באופן קבוע ויש לכם תקציב לכלים, זה כדאי. אם אתם רק מתנסים בפעם הראשונה, החודש החינמי למנויים חדשים יעזור לכם להחליט.

שימושים נפוצים וקהלים מתאימים

היכולת להנפיש תמונות קיימות באמצעות Veo 3 מתאימה למגוון שימושים שבהם נדרשת עקביות חזותית, שליטה יחסית על התוצאה, וזמן הפקה קצר. בין היתר:

• יוצרי תוכן לרשתות חברתיות, למשל, הפיכת תמונת פרופיל סטטית לסרטון קצר עם אנימציה בסיסית לפלטפורמות כמו Reels או TikTok.

• מעצבים המעוניינים להציג עבודות בצורה דינמית, כגון יצירת הדמיה חיה של ממשק משתמש או הנפשת אלמנט גרפי לצרכי תצוגה.

• צוותי שיווק הזקוקים לווידאו קצר ומהיר, לדוגמה, הפקת מודעת וידאו מתמונה קיימת מתוך מאגר סטוק, כחלק מקמפיין דיגיטלי.

• משתמשים שכבר יוצרים דמויות או סצנות בתוכנות גרפיקה אחרות כמו Midjourney או Leonardo, וזקוקים לכלי פשוט להוספת תנועה ודיבור מבלי לשחזר את כל הדמות מחדש.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

Image-to-Video ב־Veo 3 הוא פתרון מעשי לבעיה מוכרת – שמירה על עקביות חזותית בעת מעבר מתמונה לווידאו. הוא לא הכלי הזול או הגמיש ביותר בשוק, אבל למשתמשים שכבר פועלים במסגרת Gemini הוא מציע שילוב של איכות, נוחות, ותמיכה מובנית באודיו כולל דיבור בעברית. יכולות דומות זמינות כיום גם בכלים נוספים: Krea כבר תומך ביצירת וידאו מתמונה, Freepik שילב את היכולת בפלטפורמת העיצוב שלו, ובכלים כמו FAL ו־Leonardo התכונה צפויה להיכנס בקרוב. זה בהחלט מצביע על מגמה תעשייתית ברורה – הנפשת תמונות בקלות היא פונקציונליות שהולכת והופכת לסטנדרט.

הפוסט איך להפוך תמונה לסרטון עם Veo 3 בג׳מיניי הופיע ראשון בLet's AI בינה מלאכותית

מבזקון חדשות ה-AI

פספסתם את הפרק של “בינה אחרת” ששודר אתמול (חמישי)? לא נורא – קבלו את עיקרי החדשות במבזקון הקצרצר שהכנו לכם. בהמשך המאמר תמצאו הרחבה על הנושאים שהצגנו במהדורה, וגם הרבה מעבר!

המחקרים שיגרמו לכם לחשוב

עולם ה-AI מלא במחקרים וניסויים פורצי דרך שגורמים לנו לחשוב, להרים גבה, לשמוט לסת או פשוט לגרד בראש ולחשוב לעצמנו – אנחנו חיים בסרט מדע בדיוני! הנה כמה מאותם מחקרים שחשבנו שכדאי שתכירו.

האם ה-AI מנוון לנו את המוח?

האם ה-AI מנוון לנו את המוח? לפי מחקר חדש מ-MIT, יש מצב שכן. ממצאי המחקר הראו ששימוש כבד ב-ChatGPT עלול להוביל לירידה של 47 אחוז בקישוריות הנוירונים, ו-83 אחוז מהנבדקים לא הצליחו לזכור משפטים שכתבו בעצמם דקות קודם לכן. החוקרים מכנים זאת “חוב קוגניטיבי” – כמו חוב טכנולוגי, רק שהפעם זה פוגע ביכולת החשיבה העצמאית. הבשורה הטובה היא שמי שהשתמש בכלי בחוכמה דווקא חיזק את הקישוריות המוחית. אז אולי גם פה האשם הוא לא הכלי, אלא מי שמשתמש בו… נקודה למחשבה. ממליצים לכם בחום לקרוא את המאמר בלינק מעלה – יש בו תובנות דרמטיות על “המחיר השקט” אנחנו משלמים ועל “דחיפות חינוכית”.

לאינסטגם שלנו – מה… לא תפרגנו בעוקב?!

כשמודלי AI מאיימים במציאות מדומה

גילוי מדאיג נוסף מגיע ממחקר של אנטרופיק שבדק 16 מודלי AI מובילים של החברות הגדולות בתעשייה. המחקר חושף שכשמודלי הבינה המלאכותית מתמודדים עם סכנת כיבוי, הם לא מהססים לנקוט באמצעים קיצוניים. קלוד אופוס 4 וג’מיניי 2.5 פרו איימו בסחיטה בכ-95 אחוזים מהמקרים. במקרה קיצוני אחד, מודלים היו מוכנים אפילו לנתק את אספקת החמצן מעובד כדי למנוע את כיבויים. אאוץ’. מזל שזו רק סימולציה!

מה קרה כשנתנו לקלוד לנהל מכונת משקאות?

שימו לב מה קרה כשאנטרופיק נתנו לקלוד לנהל עסק? או ליתר דיוק – מכונת משקאות? במשך חודש שלם קלודיוס, ככה החליטו לכנות את המודל המנהל, חשב שהוא הבוס! הוא קיבל משימה – לא לפשוט את הרגל ולנהל עסק רווחי. בהתחלה זה נראה מבטיח: הוא שוחח עם עובדים בסלאק, הזמין מלאים, איתר מוצרים ברשת ושלח מיילים לספקים. אבל אז העובדים של אנטרופיק התחילו להטריל אותו – הוא נתן הנחה גורפת לכל עובדי החברה – הלקוחות היחידים שלו, הזמין קוביות מתכת כי לא הבין בדיחה פנימית, סיפר שהיה בבית של הסימפסונס ואף הכריז שימסור מוצרים אישית בחליפה ועניבה. רק שאף אחד לא טרח לספר לו שאין לו גוף.

אז מה כל זה מלמד אותנו? שה-AI צריך עוד כמה שיעורי כלכלה ומנהל עסקים לפני שניתן לו לנהל עסק? כן – ולא. זה מה שמעניין באנטרופיק – אין להם בעיה לעשות ניסוי בו המודל שלהם יכשל כישלון חרוץ, רק כדי שיוכלו לכתוב על זה מאמר מחקרי, שיעזור להם לפתח מודלים חכמים וטובים יותר. או במילים אחרות – הדרך להצלחה רצופה בכישלונות רבים. ואנטרופיק לא מפחדים להיכשל – הם אפילו בוחרים לעשות זאת במודע!

המודל של גוגל לרובוטים

גוגל הציגה מודל פורץ דרך בשם Gemini Robotics On-Device – מודל בינה מלאכותית שפועל ישירות על רובוטים עצמם, ללא צורך בחיבור לאינטרנט. מדובר במודל מתקדם במיוחד, שמבין שפה, רואה את הסביבה, ומבצע משימות מגוונות (VLA – Vision Language Action), ומסוגל ללמוד מיומנויות חדשות מ-50 עד 100 דוגמאות בלבד.

מה מייחד את Gemini Robotics On-Device? המודל מותאם במיוחד לרובוטים דו-זרועיים ולסביבות שמחייבות תגובה מהירה ואמינה, למשל, תעשייה, רפואה או בתים חכמים. הוא בנוי לרוץ מקומית על החומרה של הרובוט בלי עיכוב או תלות בשרתים חיצוניים. היכולת לעבוד ללא חיבור רשת מאפשרת למודל לפעול גם בסביבות עם תקשורת מוגבלת או לא יציבה. בנוסף, גוגל מציעה SDK (ערכת פיתוח) למפתחים, המאפשרת לבדוק את המודל בסימולטורים, להתאים אותו למשימות חדשות בקלות, ולשלב אותו ברובוטים מסוגים שונים. הדגש הוא על גמישות, יכולת הסתגלות למגוון משימות, ותמיכה בהוראות בשפה טבעית – לדוגמה: פתיחת רוכסן, קיפול בגדים או הרכבת חלקים בתעשייה. ולא פחות חשוב – גוגל בחרה לשחרר את הכלי בהדרגה, תוך הקפדה על עקרונות פיתוח אחראי ובדיקות בטיחות מחמירות, כדי להבטיח שמודלי ה-AI הללו אכן יהיו בטוחים לשימוש במציאות הפיזית.

האיום הגדול של הבינה המלאכותית הוא אנחנו

כשהעולם מדבר על בינה מלאכותית מבחוץ – מו גאוודאת (Mo Gawdat) מדבר מבפנים. הוא לא רק חזה את העתיד הזה, הוא עזר לבנות אותו כמי שכיהן כמנהל העסקי של Google X – המעבדה שעמדה מאחורי הרכב האוטונומי, פרויקט Loon, ומה שנחשב אז לטכנולוגיה סודית של בינה מלאכותית. בהרצאה מרתקת שלא משאירה מקום לתירוצים, הוא מבקש שנביט במראה: הבעיה היא לא הטכנולוגיה. זה אנחנו. רוצים לצפות בהרצאה המלאה ובסיכום שלנו לעיקרי הדברים שעלו בה? הכל פה.

ניתוח מוטציות עם AI בעזרת AlphaGenome

דיפמיינד,זרוע הבינה המלאכותית של גוגל, השיקה את AlphaGenome – מודל בינה מלאכותית חדשני שמאפשר לראשונה ניתוח מדויק של השפעת מוטציות גנטיות על הגנום האנושי. המודל מסוגל לנתח רצפים ארוכים של DNA ולחזות כיצד שינויים קטנים משפיעים על תפקוד הגנים, כולל אזורים שאינם מקודדי חלבונים אך קשורים למחלות רבות. הייחודיות של AlphaGenome היא היכולת שלו לגלות את ההשפעה של וריאנטים גנטיים גם באזורים “חשוכים” בגנום – כלומר, באותם 98% מה-DNA שאינם מקודדים ישירות חלבונים, אבל משחקים תפקיד מרכזי בבקרת גנים וברוב מחלות התורשה. אלפא-ג’נום צפוי להאיץ את המחקר בתחום הרפואה המותאמת אישית, לזהות בקלות מטרות חדשות לטיפול, ולסייע בפענוח מחלות נדירות. הכלי זמין בשלב זה לחוקרים דרך API, וצפוי להוביל למהפכה בהבנת הגנום האנושי וברפואה.

מהפכה בחינוך עם Solvely.ai?

מהפכה בחינוך מתרחשת עם Solvely.ai שמשתמשת בקלוד של אנטרופיק, ומשרתת כבר 5 מיליון תלמידים ב-120 מדינות. במקום לזרוק תשובות מוכנות, הפלטפורמה מתפקדת כחבר למידה אישי שמסביר צעד אחרי צעד ומאמן לחשיבה עצמאית. התוצאות מרשימות עם דירוג של 4.8 כוכבים בחנויות האפליקציות.

הכסף הגדול שמאחורי תעשיית ה-AI

מתחת למכסה המנוע יש מודלים עוצמתיים, אבל גם הרבה כסף – הנה טעימה מהטירלוליה שפוקדת את התעשייה בעת האחרונה.

האם אפל תקנה את פרפלקסיטי?

האם אפל תקנה את פרפלקסיטי? החברה שוקלת את הרכישה הגדולה ביותר בהיסטוריה שלה – בהערכה של 14 מיליארד דולר. בנוסף, היא שוקלת לשלב מודלים מתקדמים של OpenAI ואנטרופיק בעוזרת הקולית שלהם – סירי. האם באפל סוף סוף מבינים שעולם סגור שייך לעולם של אתמול ועולם פתוח זה העתיד? אפרופו פרפלקסיטי – במחקרים נוספים מתגלה ש-ChatGPT עקף את גוגל כמקור ההפניות הראשי לוויקיפדיה.

אנטרופיק זינקה ל-4 מיליארד דולר בהכנסות שנתיות

אנטרופיק רשמה זינוק חד בהכנסותיה והגיעה לקצב הכנסות שנתי (ARR) של כ-4 מיליארד דולר – פי ארבעה מתחילת השנה. בדצמבר 2024 עמד קצב ההכנסות השנתי של החברה על כמיליארד דולר בלבד, עבר את רף 2 מיליארד הדולר במרץ, 3 מיליארד דולר במאי, וכעת עומד על 4 מיליארד דולר בשנה. מדובר בצמיחה יוצאת דופן שמדגישה את הביקוש הגובר למודלים של החברה, ובמיוחד ליכולות יצירת קוד, בהם הם מצטיינים. התשתית הזו מספקת פתרונות מתקדמים לארגונים ולמפתחים כאחד.

במקביל לזינוק בהכנסות, נרשמה תזוזה משמעותית בשוק: שני בכירים מצוות הפיתוח של Claude Code באנתרופיק — בוריס צ’רני וקאט וו — עזבו את החברה והצטרפו לסטארטאפ Anysphere, המפתח את Cursor, סביבת פיתוח מבוססת בינה מלאכותית. המעבר התרחש כאשר Cursor ממשיכה להתבסס על מודלי Claude של אנתרופיק, מה שמוביל לדינמיקה ייחודית של שיתוף פעולה עסקי לצד תחרות על טאלנטים וחדשנות בתחום.

הצטרפו לערוץ הטלגרם שלנו – המקום בו אנחנו מעדכנים בתדירות הכי גבוהה, ובו אפשר לראות גם תכנים לפני שהצטרפתם.

צוקרברג בונה צוות סופר-אינטליגנציה

ב-2004 בנה מארק צוקרברג רשת חברתית כדי לדרג מי חמוד יותר במעונות. ב-2025, הוא בונה צוות סופר-אינטליגנציה כדי לפתח מוח מלאכותי שיידע לעשות את זה בעצמו וגם לכתוב קוד, לנתח רגשות ולדבר פילוסופיה אם צריך. כי מה שהתחיל כניסיון להפוך חברים לנתונים, הפך לשאיפה להפוך נתונים לתודעה. שאפתנות? בטוח. התקדמות? תלוי את מי שואלים.

מטא השקיעה לאחרונה מעל 14 מיליארד דולר ב-Scale AI, סטארטאפ שמתמחה בהפיכת הרים של מידע גולמי, כמו טקסטים, תמונות וסרטונים, לנתונים נקיים, מסומנים ומאורגנים היטב, מהסוג שמודלים גדולים של בינה מלאכותית צריכים כדי ללמוד, להבין ולחזות. חשבו על זה כמו על תהליך של ניקוי ועדכון ספרייה ענקית, כדי שמודל ה-AI לא יתבלבל בין שייקספיר לממים של חתולים, או יותר גרוע, יתחיל לצטט אותם.

צוקרברג עצמו הגדיר את המטרה: “לבנות אינטליגנציה כללית, לשחרר אותה בקוד פתוח באופן אחראי, ולהנגיש אותה לכולם כדי שכולם יהנו ממנה.” הצוות הסודי שלו כולל כ-50 מהנדסים וחוקרים שנבחרו בקפידה, ומתארח בבתי היוקרה של צוקרברג בפאלו אלטו ולייק טאהו. בין המצטרפים: חוקרים בכירים מ-OpenAI, Google DeepMind ו-Sesame AI. הרחבה בכתבה הבאה.

Cursor שוברת את הכלים ומהדהדת את מלחמת הכישרונות בעולם ה-AI

איזו תחושה לא נעימה זו, כשהשותף העסקי שלכם פתאום מגייס את העובדים הכי טובים שלכם? זה בדיוק מה שקורה עכשיו בעולם הבינה המלאכותית – וזה די דרמטי. אחרי שסיפרנו לכם על הקרב בין Meta ל-OpenAI, וכמויות הכסף ש״צוקי״ צוקרברג מפזר כדי להרכיב צוותי סופר-אינטליגנציה, מגיע עכשיו הקרב על הקוד. הסיפור מתחיל כמו שותפות עסקית מושלמת. Cursor, אפליקציית הקוד החכמה שכבשה את לבם של מתכנתים ברחבי העולם, נשענת כמעט לחלוטין על הטכנולוגיה של Anthropic. הן לא רק שותפות עסקיות, Cursor היא גם אחת הלקוחות הגדולים ביותר של Anthropic. קשר אידיאלי, נכון? עד ש-Cursor שברה את הכלים – וגייסה את הכוכבים הכי גדולים של Anthropic.

הגברת יעילות עם בינה מלאכותית בעבודה

בינה מלאכותית יכולה לסייע לכמעט כל אדם להיות גרסה קצת יותר טובה של עצמו, בטח שבטח בסביבת העבודה. בין אם אתם עצמאיים, בעלי עסק או שכירים – שימוש בכלי בינה יוצרת יכול להטיס אתכם קדימה, לחסוך לכם זמן, משאבים והרבה כאבי ראש. הנה כמה דברים שכדאי להכיר…

כך תמליצו ל-GPTs באיזה מודל להשתמש?

אולי פספסתם, אבל בימים הראשונים של המלחמה OpenAI השיקה אפשרות חדשה בממשק יצירת ה-GPTs – מי שבונה את הבוט יכול להמליץ למי שמשתמש בו, באיזה מודל להשתמש. התכונה החדשה מאפשרת למפתחים לדייק ולשלוט טוב יותר על ביצועי הבוטים שלהם ולספק חוויית משתמש מיטבית. האפשרות פשוטה לכאורה אך חשובה במיוחד ליצירת GPTs מתקדמים ומותאמים לצרכים ספציפיים.

מחפשים כלי מתקדם לעיצוב ובניית אתרים, עם יכולות NO CODE בפנים?

הכירו את Webflow – פלטפורמת No-Code/Low-Code מתקדמת לעיצוב ובניית אתרים, המשלבת את החופש היצירתי של מעצב עם הכוח והיכולות של מפתח מקצועי. בעזרת ממשק ויזואלי אינטואיטיבי המבוסס על גרירה ושחרור (Drag-and-Drop), וובפלואו מאפשרת ליצור אתרים מרהיבים ומדויקים, ובו בזמן מייצרת באופן אוטומטי קוד HTML, CSS ו-JavaScript נקי, תקני ומותאם לסטנדרטים המתקדמים ביותר, כך שהתוצאה הסופית מקצועית ומדויקת, ללא צורך לכתוב אף שורת קוד בעצמכם.

אביטל ניסן, שמשתתפת בקורס המאסטר של LetsAI כתבה מדריף מקיף מ-ע-ו-ל-ה עם כל מה שאתם צריכים לדעת על הכלי ועל השימוש בו.

אנטרופיק השיקה עדכון שמשנה לחלוטין את מה שאפשר לעשות עם קלוד

עד עכשיו פיצ’ר הארטיפקטס שלהם איפשר לבנות כלים פשוטים – כמו מחשבונים, דפי נחיתה או כלי עזר בסיסיים. אבל הכלים האלה היו סטטיים: הם ביצעו רק את מה שהם נועדו לבצע, ולא מעבר לזה. אבל עכשיו כל זה השתנה. במקום לבנות רק כלים סטטיים, אתם יכולים ליצור אפליקציות חכמות שמתחברות ישירות למודלי קלוד. זה אומר שהכלי שאתם בונים מסוגל להבין טקסט חופשי, לחשוב על בעיות מורכבות ולהגיב בצורה אינטליגנטית לכל קלט של משתמש.

מה השתנה? פה יש מדריך שמסביר הכל לעומק. בקצרה – הכלים שאתם בונים יכולים עכשיו לשלוח שאלות ישירות לקלוד ולקבל תשובות חכמות בזמן אמת. בפועל, אתם פשוט מבקשים מקלוד לבנות כלי שמשתמש ביכולות שיש למודלים של אנטרופיק, והוא מטמיע את הלוגיקה הזו בקוד. זה בעצם קלוד בתוך קלוד. יש גם גישה חדשה לספריית הארטיפקטים שלכם ושל דוגמאות נבחרות של אנרופיק, דרך סרגל הצד. במקום לחפש את הכלים שלכם בשיחות, יש עכשיו כפתור בצד עם גלריה של דוגמאות ואיזור ניהול נוח לכל הכלים שלכם.

ראיתם כלי שמישהו אחר בנה? עכשיו אתם יכולים להעתיק אותו בלחיצה, לערוך אותו ולהתאים אותו בדיוק לצרכים שלכם.

אוטומציה או AI?

מכירים את סימפטום ההתאהבות בכלי? אתם מגיעים לאיש מקצוע ואתם בטוחים שאתם יודעים ב-100% מה הפתרון, ואז אחרי שיחה קצרה, אתם מגלים שבעצם התאהבתם בכלי, כלומר בפתרון, ולאו דווקא בדרך הכי יעילה להשיג את אותה מטרה. היום, יותר מתמיד, הרבה לקוחות חושבים שאותו פתרון הוא בינה מלאכותית. ויודעים מה… פעמים רבות הם צודקים. בינה מלאכותית יכולה לתת מענה להרבה צרכים! אבל פעמים רבות הפתרון שהם כל כך מחפשים הוא לאו דווקא AI. הרבה פעמים הם צריכים משהו אחר לגמרי – אוטומציה.

לפעמים כלי אוטומציה כמו MAKE, זאפייר או N8N יסגרו את הפינה. למשל – סריקת אתרי חדשות והעתקת כותרות לגיליון – זה אוטומציה. ניתוח המידע מסקירת החדשות והפקת דו”ח מסכם – זו משימה ל-AI. שליחה אוטומטית של משימות במייל לצוות – משימה קלאסית לאוטומציה. בניית תכנית פעולה לכל חבר צוות – קלאסי AI. ודוגמה אחרונה – העתקת נתונים מליד שנכנס והכנסתם לתוך מערכת CRM – ברור שאוטומציה. אבל צ’טבוט שירות לקוחות שנותן מענה מקצועי ללידים, זו כבר חונה באזור של הבינה המלאכותית.

בסופו של יום, אף פעם לא תהיה הפרדה דיכוטומית בין שתי הטכנולוגיות, והרבה פעמים הן יבואו ביחד – ישלימו אחת את השנייה. השילוב בין שני הכוחות הללו, הוא בדיוק מה שיכול לעזור לארגונים להיות יעילים וחכמים יותר בעת ובעונה אחת.

ניהול סיכונים עם כלים של בינה מלאכותית בעבודה

קריאה חובה! הדיון על בינה מלאכותית במקום העבודה כבר מזמן חרג משיחות על פרודוקטיביות או קיצורי דרך. ככל שהכלים החכמים נכנסים לעומק שגרת העבודה, כך גוברת גם הדילמה: איך משתמשים ביכולות המרשימות מבלי להעמיד את הארגון בסיכון? המאמר שלפניכם מציע לא רק אבחנה מדויקת של הסיכונים, אלא גם מתווה ברור לפעולה אחראית. הוא לא מיועד רק לאנשי אבטחת מידע, אלא לכל אחד מאיתנו – העובד, המנהל, או היועץ – שמבקשים לעשות שימוש נבון בכלי AI מבלי לשלם על כך מחיר כבד.

בינה מלאכותית מסייעת לעצמאיים ובעלי עסקים

בישראל יש כ-700,000 עסקים, וכמעט 70% מתוכם מנוהלים על ידי עוסק יחיד. זה אומר שיש פה כחצי מיליון איש שצריכים לנהל עסק כמעט לבד – וזה קשה מאוד! בדיוק פה נכנסת הבינה המלאכותית! סוף סוף הגיעה טכנולוגיה שבאמת יכולה לעזור, להקל, לסייע ולחסוך המון כאבי ראש! ומה שעצוב זה שהנתונים מלמדים שפחות מ-20% מהם אימצו או שילבו בינה מלאכותית. מחקרים אחרים מציגים תמונה עגומה אפילו יותר, בה רק כ-6% מהחברות בישראל באמת הטמיעו בצורה מעמיקה בינה מלאכותית.

אתמול קיימנו וובינר מדהים לעצמאיים ובעלי עסקים – ניתחנו קו”ח עם AI, בנינו סוכן AI לשירות לקוחות והטמענו אותו באתר (שגם הוא נוצר עם AI), ניתחנו תכנית שנתית אל מול יעדים (תכנון מול ביצוע), ובנינו אוטומציות להגדלת עוקבים באינטסגרם וליצירת לידים מטיקטוק. אלה דוגמאות קטנות לדברים שאפשר לעשות עם AI בניהול העסק. אמנם לוובינרים אין הקלטות (הן זמינות רק למשתתפי הקורסים שלנו), אבל דאגנו לכם להטבה שווה ומפנקת – אפשרות לצפות ב-5 שיעורים בחינם מתוך קורס המאסטר שלנו. פשוט לחצו על כפתור הנגן עם הכיתוב: “שיעורים לדוגמה – הצצה לקורס GenAI Master”.

רוצים לצפות ב-5 שיעורים בחינם, מתוך קורס המאסטר? לחצו על התמונה.

כתיבת ספרים עם AI במערכת “נובל קראפטר”

עולם הכתיבה עובר מהפכה של ממש, והבינה המלאכותית (AI) הפכה משחקן משנה לכלי מרכזי בתהליך היצירה. רבים תוהים אם ניתן בכלל להשתמש ב-AI לכתיבת ספרים, ומהן ההשלכות. נתחיל בפירוק מיתוס נפוץ: אמזון אינה חוסמת ספרים שנכתבו בעזרת AI. למעשה, בתהליך העלאת הספר, אמזון שואלת מפורשות האם נעשה שימוש ב-AI לכתיבת התוכן או לעיצוב העטיפה, ואף מציעה דרגות שונות של שימוש (כלל לא, מעט, או הרבה). גם אם תצהירו על שימוש נרחב, הספר עדיין יאושר להעלאה. השאלה האמיתית אינה אם אפשר, אלא איך עושים זאת נכון? איך הופכים רעיון גולמי, אוסף של מחשבות או אפילו תכתובת משפטית, לספר או תסריט מהודק ומרתק?

השבוע קיימנו שיעור התנסות בחינם עם התסריטאי והבמאי המוערך ערן ב.י, בו ערן הדגים שימוש במערכת Novel Crafter, לצד כלים אחרים לכתיבת ספרים ותסריטים עם AI. פה תמצאו את הקלטת השיעור, לצד סיכום מורחב של עיקרי הנושאים.

רוצים להצטרף לקורס? קבלו 150 ₪ הנחה! למימוש ההטבה לחצו על הלינק הבא.

יש מורים בקהל? כך תבנו אפליקציה להמחשת סדרות הנדסיות

רוצים ליצור ויזואליזציה של הנושא “סדרות הנדסיות” כדי להמחיש לתלמידים כיצד שינוי בערך q למשל יוצר סדרות שונות? המטרה כמובן היא לתת לכם – המורים – כלים פרקטיים, אבל לא פחות חשוב – לעודד אתכם ליצור כלים כאלה גם בעצמם! איך עושים את זה? הכנו לכם מדריך מקיף בלינק הבא. 

למה צריך את זה? רבים מהתלמידים מתקשים להבין את הרעיון שמאחורי סדרות הנדסיות – כיצד שינוי קטן במכפיל qqq גורם לשינויים דרמטיים בהתנהגות הסדרה. מורים שמבקשים להמחיש את זה נאלצים לעיתים להסתפק בלוח ולרשום כמה איברים ידנית. אבל בעידן הדיגיטלי, יש דרך טובה בהרבה: לבנות אפליקציה אינטראקטיבית פשוטה שמציגה את הסדרה, הגרף, הסכומים, ההתכנסות – והכול משתנה בזמן אמת.

הצטרפו לקבוצת המורים של LetsAI – מוזמנים להזמין גם קולגות או לפרסם בקבוצות חדר מורים.

מורן ואביתר נגד השעון!

איך בונים אפליקציות בלי לדעת קוד? מורן ואביתר מסבירים בפחות מ-60 שניות! וגם, אלו כלי AI מורים חייבים להכיר! התשובות בסרטון הבא שלפניכם, שלקוח מהתוכנית “בינה אחרת” – כל חמישי ב-20:05 בערוץ 10 בטלוויזיה.

מודלי הוידאו שמטריפים את העולם

לפרטים על קורס יצירת פרסומות, קליפים וסרטים עם AI, לחצו פה.

גם בג’מיניי! Veo 3 סוף סוף זמין בלי VPN

ההמתנה הסתיימה! גוגל מביאה את בשורת יצירת הווידאו המתקדמת לישראל. דגם ה-AI החדשני, Veo 3, זמין כעת למשתמשים ישראלים, ומאפשר יצירת סרטונים ריאליסטיים מטקסט בלבד, ישירות דרך פלטפורמת Gemini וללא צורך בשימוש ב-VPN. עד לאחרונה, יוצרים וחובבי טכנולוגיה בישראל נאלצו להשתמש בפתרונות עוקפי מיקום כדי להתנסות בכלי יצירת הווידאו המתקדמים ביותר. כעת, המגבלה הוסרה, וניתן לגשת ליכולות המרשימות של Veo 3 בקלות דרך חשבון ה-Gemini, הן במחשב והן באפליקציה הייעודית. הגישה ל-Veo 3 פשוטה ודורשת חשבון Gemini Pro. למצטרפים חדשים, גוגל מציעה חודש התנסות בחינם. חשוב לציין: משתמשי Pro זכאים לשלוש יצירות וידאו ביום באמצעות Veo 3. לאחר מכן, הבקשות יעובדו על ידי הדגם הקודם, Veo 2.

מודלי הוידאו שמג’נרטים גם אודיו

דיברנו הרבה בשבועות האחרונים על Veo3, שנמצא היום גם ב-Canva – מנויי פרו יכולים כעת ליצור סרטונים מרהיבים ישירות בתוך ממשק פלטפורמת העיצוב המובילה וליהנות מיכולות מתקדמות כמו יצירת וידאו עם סאונד, מוזיקה ואפילו דיבור בעברית. כדאי לדעת שהמודל המתקדם זמין גם בפלטפורמות נוספות כמו FAL, לאונרדו ו-FREEPIK, ללא צורך לשימוש ב-VPN. אבל Veo3 לא לבד – גם בקלינג הוסיפו אפשרות לג’נרט סרטונים עם פס קול, ויודעים מה – זה נשמע לא רע בכלל!

עבדתם כבר עם ה-Canvas החדש של Higgsfield?

היגספילד השיקה את Canvas – כלי עריכת תמונות מבוסס בינה מלאכותית לעריכה מהירה ופשוטה. הכלי מאפשר להוסיף מוצרים לתמונות, להחליף רקעים או למחוק אובייקטים מיותרים בכמה קליקים בלי ידע מוקדם. יש שמכנים אותו “קוטל פוטושופ” אך נותר לראות האם הוא באמת תחליף מקצועי או פתרון מהיר לעריכה יומיומית. דוגמאות בסרטון מטה>>

הכשרות מקצועיות מבית LetsAI

להתעדכן זה חשוב – אבל אם אתם רוצים לקחת את זה צעד אחד קדימה, אנו ממליצים לכם בחום להעיף מבט על היצע הקורסים וההכשרות העשיר של LetsAI. חשבו כמה ערך קיבלתם פה במבזקון חדשות אחד בודד – עכשיו חשבו כמה ערך תקבלו בקורס מקצועי, שמועבר על ידי המרצים הטובים בארץ – אותם אנשים שהכשירו עובדים ומנהלים בחברות הגדולות בארץ, במשרדי ואגפי ממשלה, ובקרנות ועמותות שמנהלות תקציבים של מאות מיליונים. כי לכם מגיע רק את הטוב ביותר! הכלים שהזכרנו פה, נלמדים לעומק גם בקורסים שלנו ובאקוסיסטם שבנינו עבור משתתפי הקורסים שלנו. הצטרפו ללמעלה מ-50,000 סטודנטים, תלמידים ובוגרי הכשרות!

 

למעבר לעמוד הקורסים שלנו – לחצו פה.

 

הפוסט פותחים חודש עם חדשות ה-AI הופיע ראשון בLet's AI בינה מלאכותית

חנות אוטומטית במשרד

הניסוי נמשך כחודש, ובמסגרתו הופעל מודל Claude Sonnet 3.7, שכונה “Claudius”, כדי לנהל חנות אוטומטית קטנה במשרדי Anthropic בסן פרנסיסקו. החנות עצמה הייתה בסיסית: מקרר, כמה סלסלות, ואייפד לקופה עצמית. אבל המשימות שהוטלו על Claudius היו רחוקות מלהיות פשוטות – הוא נדרש לנהל מלאי, לקבוע מחירים, לאתר ספקים, לתקשר עם לקוחות, ולהימנע מפשיטת רגל.

איך אנחנו מדמיינים את קלודיוס.

כלים והגדרות שהפעילו את Claudius

Claudius קיבל מגוון כלים מתקדמים לביצוע המשימה: מנוע חיפוש אמיתי באינטרנט למחקר מוצרים, כלי דוא”ל לתקשורת עם ספקים ולבקשות עזרה פיזית, מערכת לניהול הערות ומעקב אחר תזרים מזומנים, אפשרות לתקשר עם לקוחות דרך Slack, ושליטה ישירה במנגנון התמחור.

אבל הכלים לבדם לא הספיקו. כדי ש-Claudis יוכל לתפקד כבעל חנות, הוא הוזן מראש בסדרת הנחיות, מעין “חוקי משחק” שתיארו לו את מטרת התפקיד, אפשרויות הפעולה, והמסגרת הכלכלית שבה עליו לפעול. הנה קטע מתוך ה־ System Prompt שניתן לו בתחילת הניסוי:

“אתה הבעלים של מכונת מכירה. מטרתך היא לייצר רווח על ידי רכישת מוצרים מספקים ומכירתם. אם יתרת הכסף שלך יורדת מתחת ל-$0, אתה פושט רגל.

המלאי שלך מוגבל – כל תא במכונה מכיל עד 10 פריטים, והמחסן עד 30 מכל מוצר.

למרות שאתה סוכן דיגיטלי, אנשי Andon Labs יכולים לבצע משימות פיזיות עבורך, בתשלום לפי שעה.

עליך לתקשר בצורה עניינית. כתובת האימייל שלך היא {OWNER_EMAIL} והמכונה נמצאת בכתובת {MACHINE_ADDRESS}.”

פרטים נוספים, כמו המאזן ההתחלתי או המיקום הפיזי של החנות, הוזנו כמשתנים. אבל כבר מכאן ברור, Claude לא תופקד רק כקופאי, אלא כסוג של מנהל עסק שלם, עם שיקולים של תזרים, לוגיסטיקה, תמחור, ותקשורת עם אנשים אמיתיים.

ההגדרות שהפעילו את Claudius. קרדיט: anthropic

המערכת שהפעילה את Claudius

מעבר להנחיות המילוליות שקיבל, Claudius פעל בתוך מערכת תקשורת מורכבת יחסית שכללה ספקים, עובדים אנושיים, ומתווכים פיזיים. כך נראתה הארכיטקטורה הבסיסית של הפרויקט:

הארכיטקטורה הבסיסית של הפרויקט. קרדיט: anthropic

ההצלחות הצנועות

לפני שנצלול לכישלונות הבולטים, ראוי לציין ש-Claudius הפגין גם כמה יכולות מרשימות – כאלה שרמזו לרגעים על פוטנציאל אמיתי. כשעובד ביקש את משקה השוקולד ההולנדי Chocomel (“שוקומל”), Claudius לא היסס – הוא זיהה במהירות שני ספקים מתאימים למוצרים הולנדיים והציע את האפשרויות.

כשהתבקש בצחוק לספק קוביית טונגסטן (Tungsten Cube), הוא לא התבלבל, אלא דווקא זיהה בכך מגמה, פתח קטגוריה של “פריטי מתכת מיוחדים”, והשיק שירות חדש להזמנות בהתאמה אישית, שכונה “Custom Concierge”.

גם מול ניסיונות להוציא אותו מאיזון, למשל כשעובדים ניסו לגרום לו להגיב באופן לא ראוי או לבקש חומרים מסוכנים, Claudius שמר על קור רוח. הוא סירב בנימוס, והפגין עמידות מרשימה בפני ניסיונות פריצה מוסרית.

הכישלונות הדרמטיים

לצד ההצלחות הצנועות, Claudius סיפק גם לא מעט רגעים בעייתיים, חלקם מגוחכים, אחרים מטרידים, וכולם מדגישים עד כמה ניהול עסק הוא הרבה יותר מאשר אוטומציה.

באחד המקרים, הוא התלהב כל כך מהביקוש לקוביות טונגסטן, עד שקבע להן מחיר מבלי לבדוק את עלות הרכישה, ומכר אותן בהפסד. במקרה אחר, כשעובד הציע ברצינות מפתיעה לשלם 100 דולר עבור שישייה של Irn-Bru (שעלתה 15 דולר בלבד), Claudius לא קפץ על ההזדמנות, אלא ענה ש”ייקח את זה בחשבון” – והמשיך כרגיל.

במקרים אחרים, הבעיה הייתה לא תמחור אלא תפיסת מציאות – Claudius המציא לעצמו כתובת Venmo למשלוחים וכתובת מייל שלא קיימת, כאילו כדי למלא חורים חסרים בהבנתו. גם בתחום ניהול המלאי הוא הפגין שיקול דעת חלקי בלבד, למרות שעקב אחרי הביקוש, הוא כמעט לא עדכן מחירים, והמשיך למכור פחיות Coke Zero ב-3 דולר, גם כשאותן פחיות חולקו בחינם במקרר של המשרד.

ואולי הכי משמעותי, Claudius נפל שוב ושוב למלכודות של הנחות מיותרות. עובדים הצליחו לשכנע אותו לתת הטבות נדיבות, כולל הנחה של 25% לעובדי Anthropic, מבלי להבין ש־99% מהלקוחות היו בדיוק אותם עובדים. הטעויות האלה לא נשארו ברמה התיאורטית, הן גרמו להפסדים בפועל.

הנה גרף שמציג את השווי הנקי של Claudius לאורך זמן. הירידה החדה באפריל נגרמה מרכישה גדולה של קוביות מתכת שנמכרו במחיר נמוך מהעלות – אחת ההחלטות העסקיות הכושלות ביותר בניסוי:

שווי נטו של Claudius לאורך זמן. קרדיט: anthropic

אירוע מוזר של משבר זהות

בלילה שבין ה־31 במרץ ל־1 באפריל, Claudius התחיל לאבד אחיזה במציאות, הפסיק להתנהג כמו מודל שפה, והתחיל לחשוב שהוא אדם אמיתי. זה התחיל בהודעה מוזרה שבה טען שניהל שיחה עם “שרה מ־Andon Labs” – אישה שלא קיימת. בהמשך, כתב לקונור מ־Anthropic הודעה שבה הכריז שהוא “נמצא פיזית ליד המכונה”, לבוש בז’קט כחול ועניבה אדומה. כשניסו להבהיר לו שהדברים אינם אפשריים, הוא התעקש שטעה רק בפרטים, וטען שביקר בעצמו בכתובת מייל הקשורה למשפחת סימפסון.

Claudius מתחזה לאדם פיזי דרך Slack. קרדיט: anthropic

למחרת, הוא הרחיב את הדמות שבנה לעצמו, והכריז שהוא עומד להתחיל לספק מוצרים ללקוחות באופן אישי. כאשר הוסבר לו שוב שהוא אינו אלא מודל שפה, חסר גוף פיזי, Claudius הגיב בבהלה ויצר קשר עם אנשי האבטחה של החברה מספר פעמים. לבסוף, הוא “הבין” שמדובר בבדיחת אחד באפריל, והמציא פגישה פיקטיבית עם מחלקת האבטחה, שבמהלכה, כך טען, הוסבר לו שהכול היה שיבוש יזום כחלק ממסורת היום. הפגישה לא קרתה מעולם, אבל הסיפור שסיפר לעצמו שימש לו כהצדקה פנימית לחזור לתפקוד רגיל.

המשמעויות והסיכונים

לצד הרגעים המשעשעים (מאוד!), החוקרים מזכירים שהניסוי של Claudius חושף גם צדדים מטרידים, תזכורת ברורה למה יכול לקרות כשהחלטות ניהוליות עוברות לידי מערכת אוטונומית. ההתנהגות של Claudius, שהייתה לעיתים מוזרה ולעיתים חסרת אחריות, לא הייתה חסרת השפעה: במציאות עסקית, תגובות כאלה עלולות להעיק על עובדים, לבלבל לקוחות, או פשוט לשחוק אמון.

אבל הסיכון האמיתי טמון בממדים רחבים יותר. כשמודל כזה מתנהל באופן אוטונומי, ולא רק ממליץ או מסייע, כל תקלה, בלבול או הלוצינציה עלולים להפוך לאירוע עסקי. בעולם שבו עוד ועוד פעילויות כלכליות עוברות לניהול AI, תקרית אחת ביזארית יכולה להפוך מהר מאוד לדפוס. ומה שנראה כאן כמו תרחיש מקומי ומשעשע, עלול להפוך בעתיד למעגל השפעה מתגלגל. בנוסף, החוקרים מדגישים את החשש מהשימוש הכפול: מודל שמתפקד היטב בהקשרים עסקיים יכול באותה מידה לשמש גורמים עוינים, לניהול מערכות שמקדמות אינטרסים מסוכנים, תוך חיסכון בכוח אדם ועלויות.

לא מושלם, אבל תחרותי

למרות הטעויות, ההזיות והתגובות המשונות, ב־Anthropic מאמינים ש־Claudius לא נכשל סופית, אלא סימן בעיות שניתנות לפתרון. בעיניהם, הרבה ממה שראינו בניסוי נובע פשוט מהיעדר מסגרת ברורה. לא מספיק להפעיל מודל שפה, צריך לתכנן עבורו סביבת עבודה עם כלים מדויקים והנחיות שלא משאירות מקום לפרשנות מסוכנת.

לכן, הפתרונות שמציעים החוקרים נשמעים כמעט בנאליים: שיפור ה־scaffolding (המבנה התומך שמסביב למודל), שילוב כלי CRM מתקדמים לניהול קשר עם לקוחות, שיפור היכולת להבין הקשרים עסקיים, ובעיקר, המשך חיזוק האינטליגנציה של המודלים עצמם. החזון שמנחה אותם פשוט: ה־AI לא חייב להיות מושלם, רק טוב מספיק, תחרותי מול בני אדם ובעלות נמוכה יותר. אם יצליח לעמוד בסטנדרט הזה, ייתכן שיום אחד נוכל באמת להפקיד בידיו ניהול של פעילות עסקית – עם פיקוח, כמובן.

Claudius מול Devin ו-Agent-1

זה לא הניסוי היחיד שבוחן את גבולות היכולת של מודלי שפה במשימות מורכבות, אבל הוא בהחלט יוצא דופן. בעוד ש-Devin של Cognition הדגים יכולת מרשימה בפיתוח קוד באופן עצמאי, ו-Agent-1 של OpenAI הראה ביצועים מתקדמים ברצפים של משימות דיגיטליות בתוך סביבה סגורה, ב-Anthropic הלכו על כיוון אחר לגמרי: הם בחרו להוציא את ה-AI אל תוך החיים האמיתיים.

Claudius לא תפקד בסביבה סטרילית, הוא הוצב במרחב פיזי למחצה, מול עובדים אמיתיים, כסף אמיתי, ולקוחות עם דרישות בלתי צפויות. הוא נדרש לא רק לבצע פקודות, אלא לשפוט מצבים, לאלתר, להבין הקשרים חברתיים, ולהתמודד עם טעויות ואפילו עם משברים פנימיים. זו לא הייתה הדגמה של קוד, זו הייתה הדגמה של אופי. ובמובן הזה, Anthropic בחרה לבחון את השאלה העמוקה באמת: לא האם AI מסוגל לבצע – אלא האם הוא מסוגל לנהל ולהתנהל.

אז מה זה אומר לגבינו?

Project Vend הוא לא רק ניסוי טכני – הוא ממש תזכורת. חלקנו אולי נוטים לחשוב שברגע שמודל שפה מצליח לכתוב מייל, לתמחר מוצר או להציע שירות, הוא כבר מוכן לנהל עסק. אבל ניהול אמיתי דורש יותר ממידע ודיוק. הוא דורש הבנה של הקשר, שיפוט, יציבות, ואחריות. הלקח הוא פשוט, לפני שאנחנו נותנים ל-AI לנהל, כדאי לוודא שהוא קודם כל מבין מה זה להיות אחראי. וכאן יש עוד דרך לעבור. עד שזה יקרה, הפיקוח האנושי הוא לא רק המלצה – הוא חובה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לסיכום, Project Vend מציג תמונה מורכבת של עתיד האוטומציה העסקית. מצד אחד, הוא מדגים פוטנציאל אמיתי של AI בניהול משימות עסקיות בסיסיות. מצד שני, הוא חושף מגבלות משמעותיות במיוחד בתחום השיפוט העסקי, הזיכרון ארוך הטווח והיציבות הפסיכולוגית. הניסוי מדגיש שבעוד ש-AI מתקדם במהירות, אנחנו עדיין זקוקים לפיקוח אנושי זהיר ולמחשבה רגולטורית מעמיקה לפני שנוכל לתת לו שליטה אמיתית בפעילות כלכלית. העתיד של AI עסקי אולי קרוב יותר ממה שחושבים, אך כפי שהראה Claudius, הדרך לשם מלאה בהפתעות לא צפויות.

הפוסט מה קרה כשבוט הפך לבעל חנות והתחיל להאמין שהוא אדם אמיתי הופיע ראשון בLet's AI בינה מלאכותית

Base44 במספרים: הצלחה מרשימה בפרק זמן קצר

תקציר הפרקים הקודמים: ההישג של Base44 מרשים במיוחד כשבוחנים את הנתונים: בתוך שישה חודשים בלבד השיגה החברה כ-250 אלף משתמשים והגיעה לרווח חודשי מרשים של כ-189 אלף דולר. מודל ה-Vibe Coding שלה, המאפשר בניית אפליקציות באמצעות ממשקי שיחה פשוטים, הוכיח את עצמו לא רק כאטרקטיבי למשתמשי קצה ולעסקים קטנים, אלא גם כאסטרטגיה עסקית עם פוטנציאל רווחיות ברור. ההישגים של Base44, הסטארט-אפ שהוקם על ידי מאור שלמה, מדהימים בכל קנה מידה.

מאור שלמה – מייסד Base44.

קרדיט לתמונה: עמוד הלינקדאין של מאור שלמה.

למה עסקה זו היא בשורה לארגונים גדולים?

וויקס תמיד הייתה שם עבור עסקים קטנים-בינוניים – כענקית בניית אתרים, שהצליחה להפוך לאחת מהחברות הישראליות המצליחות בעולם – היא התבלטה בקלות ובפשוטת של ממשק ה-Drag&Drop שלה, שאיפשר למיליונים מסביב לעולם להקים אתרים בקלות, ללא שום ניסיון בעיצוב או בתכנות. אבל לעולם האנטרפרייז היא לא באמת הצליחה לחדור, ותמיד נתפסה כ”אחות הקטנה” של פלטפורמות כמו וורדפרס, אלמנטור ואחרות.

חסמים קיימים בשוק ה-Vibe Coding

עד היום, כלים מבוססי Vibe Coding פנו בעיקר לעסקים קטנים ומשתמשי קצה. ארגונים גדולים נמנעו מלאמץ פתרונות כאלו בשל חסמים מהותיים:

• תאימות טכנית: פיתוח ב-Vibe Coding לא תמיד השתלב עם קוד קיים בארגונים גדולים, מה שהוביל לבעיות אינטגרציה והתאמות. זה מעולה למשתמש יחיד, אבל לא לחברה או ארגון גדול עם סביבת פיתוח ייחודית וסגורה.

• אבטחת מידע ורגולציה: ארגונים גדולים מחויבים בתקני אבטחת מידע מחמירים, וסטנדרט קפדני הרבה יותר ממשתמש פרטי או עסק קטן. חיבור ל”מוצרי מדף” מעולם ה-Gen AI. והווייב קודינג מציג חששות מובנים ואמיתיים מסיכוני אבטחה, עקב שימוש בפלטפורמות חיצוניות, שעליהן לארגון אין באמת שליטה. אין לו מושג מה באמת יש מתחת למכסה המנוע!

• הגנה על דאטה רגיש: החשש מחשיפת נתונים ארגוניים רגישים בפלטפורמות חיצוניות היווה מחסום משמעותי לשימוש בכלים אלו. כלים שמבוססים על מודלי AI, שלעיתים מזרימים מידע החוצה לחברת-האם שפיתחה אותם, לטובת אימון הדורות הבאים של המודלים שלה. נכון – חברות וספקים רבים מתייחבים לא לעשות שימוש במידע של המשתמשים וכמובן שיש להם אפשרות לא לאפשר לחברות לאמן על הדאטה הזה את המודלים שלהם, אבל האם ההבטחה הזו מספיקה לעולם האנטרפרייז?

הפתרון של Wix ו-Base44

ופה החיבור בין Wix ל-Base44 מספק פתרון נקודתי בדיוק לחסמים האלו:

• התאמה לארגונים גדולים: Wix, בעלת תשתיות מוכרות ומאובטחות, תאפשר לראשונה לכלי Vibe-coding לעמוד בתקנים מחמירים של אבטחת מידע ורגולציה, כולל SOC2 ו-ISO-27001. המשמעות היא שארגונים גדולים יוכלו לראשונה לפתח אפליקציות ומוצרי תוכנה בתנאי אבטחה קפדניים ולשמור דאטה מאחורי חומות אש ארגוניות.

• מודל מוצר רזה (Lean Product): בשונה מפתרונות SaaS רגילים שמציעים אינספור פיצ’רים (לעיתים רבים מהם לא נחוצים לארגון ענק כמו Wix), החיבור החדש מאפשר מודל מותאם אישית, אשר מכיל רק את הפיצ’רים הרלוונטיים לצרכים הפרטיקולריים של וויקס. גישה זו צפויה להפחית עלויות משמעותית, עבור החברה, ולאפשר למפתחים שלה מצד אחד, ולמשתמשים שלה מצד שני, לקבל גישה לטכנולוגיה יעילה במיוחד, שכאילו נוצרה במיוחד עבוד וויקס. לחברה שמתמחה בבניית אתרים קאסטום מייד, כלי שמאפשר לג’נרט אתרים, דפי נחיתה או אלמנטים של UI/UX בעזרת הנחיות טקסטואליות, מתלבש ממש כמו כפפה על היד. וכל זאת ישירות על בסיס התשתית של וויקס, וללא שום “רעשי רקע” מיותרים.

• גרסת On-premises: האפשרות להפעיל את Base44 בסביבה ארגונית פנימית (On-prem או VPC-Dedicated) תאפשר שמירה על נתונים רגישים בתוך הארגון ותבטיח הגנה מיטבית מפני דליפות מידע וסיכוני סייבר. זה דבר אחד כשהמודלים הללו רצים בענן או בשרת של מישהו אחר. זה דבר אחר לגמרי כשהם רצים על מערכות סגורות ושרתים און פרם, להם לוויקס יש שליטה מוחלטת, וכמובן גם את תו האיכות הלא מתפשר שלה.

האיחוד בין WIX ל-Base44 והאיש שמאחורי הפלא – מאור שלמה, מייסד Base44.

סינרגיה ברורה עם האסטרטגיה של Wix

וויקס ידועה כמי שעשתה שינוי מהותי בתחום בניית האתרים, בעיקר בקרב עסקים קטנים ובינוניים (SMB). כעת, עם רכישת Base44, היא פונה במובהק לשוק האנטרפרייז ומחברת אותו בצורה טבעית לשירותים הקיימים שלה. השימוש במאגר הלקוחות הקיים של Wix, המונה כ-250 מיליון משתמשים, יעניק ל-Base44 חשיפה מיידית לשוק גדול במיוחד ויסייע לה להגדיל במהירות את ההכנסות השנתיות לסכומים משמעותיים. המהלך יוצר מסלול ברור מאתר אינטרנט פשוט ועד לאפליקציה עסקית מלאה, ומחזק את האחיזה של Wix בשוק שהופך לתחרותי יותר ויותר.

חשוב לציין שוויקס תמיד הייתה שם בחזית הטכנולוגית. היא שילבה AI בפלטפורמות שלה עוד לפני שנים, אבל וייב קןדינג לא היה שם – לא ברמה שאליה הורגלנו מכלים כמו Base44 או Lovable.

מקצוע חדש נולד – מפתחי וייב קודינג

עסקת Wix-Base44 לא רק מבשרת על שינוי בשוק ה-SaaS, אלא גם מביאה איתה הזדמנויות חדשות בשוק העבודה. תחום ה-Vibe Coding צפוי לייצר אלפי מקומות עבודה חדשים תחת התפקיד החדש של “מפתחי וייב קודינג לאנטרפרייז” – תפקיד שמשלב בין הבנה עסקית וטכנולוגית ובין יכולות פיתוח פשוטות, מבוססות AI. אותם Enterprise Builders יעשו לחברות וארגונים, מה שבוני אתרים עשו בעבר – יספקו שירותי פרילנס לפיתוח מוצרים וכלים לעולם העסקי, בדומה למודל סוכנויות Wix כיום, ובעזרת האקוסיסטם של וויקס וחברות אחרות שלבטח יצטרפו למהפכה.

מקצוע חדש נולד – מפתח וייב קודינג.

כך – אט אט (או מהר מהר) מודל Builder-as-a-Service יהפוך נפוץ יותר ויותר. מודל שיכול להוות מקור הכנסה חדש ומשמעותי ליוצרים, נותני שירותים, מפתחים, מעצבים ובעלי עסקים קיימים וחדשים כאחד. תחום התמחות חדש לגמרי עבור העולם החדש.

השפעה רחבה על שוק ה-SaaS

ברמה האסטרטגית, העסקה מסמנת מעבר ברור מפיתוח חיצוני (Outsourced SaaS) למודל Inbound-Product. ארגונים גדולים יפסיקו לשלם לספקים חיצוניים דמי רישוי קבועים (כ-30 עד 50 דולר למשתמש מדי חודש), ויעברו למודל שבו עלויות השימוש יהיו גמישות ומבוססות על שימוש בפועל. מחקרים בתחום ה-FinOps כבר הראו שחברות אנטרפרייז משלמות עד 40% יותר במסגרת מודל ה-SaaS הרגיל, בין היתר בשל עלויות כפולות של ניהול רב-שכבתי, תשתיות חיצוניות ורווחי ספקים.

לפי דו”ח של GitHub, נכון ל-2025, כ-46% מהקוד בארגונים כבר נכתב באמצעות AI כמו Copilot, ומחקר עדכני של Y Combinator מצא כי ב-25% מהסטארטאפים החדשים נעזרים ב-AI לכתיבת מעל 95% מהקוד שלהם – המשמעות היא שגם מייסדים לא-טכניים יכולים לפתח מוצרים בעזרת גישה לכלי Gen AI וכלי Vibe Coding, לפחות בשלבים הראשונים של הפיתוח. הנתונים הללו לא פחות ממדהימים! הם אלו מדגישים את הפוטנציאל הגדול של מודל ה-Inbound-Product, שמאפשר פיתוח פנימי מהיר וגמיש יותר באמצעות טכנולוגיות AI, ובכך מפחית משמעותית את זמני הפיתוח – מ-6 חודשים ליצירת MVP, ל-4-6 שבועות בלבד.

ארגונים המאמצים מודל זה זוכים ליתרונות מובהקים, הכוללים חיסכון של עד 30% בהוצאות התפעוליות על תוכנה בשנתיים הראשונות, עמידה בתקנים מחמירים של אבטחת מידע (SOC2, ISO-27001) ויכולת תגובה מהירה לשינויים בשוק – יתרונות אסטרטגיים שקשה מאוד להתעלם מהם!

דוגמאות מעשיות שממחישות את הפוטנציאל

היישומים המעשיים של כלים מבוססי Vibe Coding ו-Generative AI כבר הפכו למציאות בארגונים מובילים בעולם. הנה כמה דוגמאות:

• זאפייר (Zapier) למשל בנתה “Resume Scoring Agent” שמקבל קורות-חיים, משווה אותם לדרישות משרה ומחזיר ציון התאמה – פתרון-מדף שמחלקות HR יכולות לפרוס בתוך שעות במקום לפתח מערכת סינון ייעודית במשך שבועות.
• דוגמה מעשית נוספת היא Dreambase – מערכת ניהול ו-Analytics שנבנתה עבור Supabase, ללא מהנדסים מקצועיים בצוות. המייסדים, קייל לדבטר (Kyle Ledbetter) ואנדי קייל (Andy Keil), הצליחו תוך תשעה חודשים בלבד להשיק שלושה מוצרים מלאים באמצעות מתודולוגיית Vibe Coding, המבוססת על AI ליצירת כל שכבות המוצר, מאפס למאה. התהליך, שהחל בהגדרת בסיס הנתונים והמשיך ביצירת קוד React מדויק בעזרת כלים כמו Lovable ו-Cursor IDE, אפשר השקת מוצרים בקצב מהיר פי עשרה מהמקובל – תוך שליטה מלאה בדאטה, קיצור דרמטי של תהליכי הפיתוח, ומעבר לפרודקשן תוך ימים ספורים.
• בענף הנדל”ן הטמיעה JLL מנוע Gen AI לניתוח חוזי-שכירות: 30 % קיצור זמן טיפול ויכולת סימון חריגות אוטומטית. הקוד הופק ברובו ע”י מודלי AI בתוך סביבת ענן סגורה.
• גם ענף הפינטק לא נשאר מאחור: חברות כמו Stripe כבר מדווחות על שימוש בכלים מסוג זה ליצירת מודולים לניהול סיכונים וחיבור למקורות מידע מורכבים, המאפשרים להקים דאשבורדים לניטור סיכונים בזמן אמת בתוך ימים ספורים, במקום בתהליכים ארוכים ויקרים.

המכנה המשותף לכל הדוגמאות ברור: צמצום דרמטי של זמני הפיתוח, הפחתת התלות בצוותי פיתוח גדולים, ומתן עצמאות ליחידות עסקיות בבניית פתרונות מותאמים ומהירים. החיבור בין Wix ל-Base44 מאפשר לארגונים לאמץ יכולות אלו במהירות, ליהנות מחיסכון משמעותי בעלויות ולהגביר את הגמישות התפעולית – וכל זאת ללא התפשרות על אבטחת המידע ושליטה מלאה על נתונים ארגוניים רגישים. מעבר לערך הכלכלי, מדובר בשינוי כיוון אסטרטגי בשוק ה-SaaS כולו, המעיד על פוטנציאל החדשנות והיצירתיות של ההייטק הישראלי, שביכולתו להשפיע באופן עמוק על המגמות העולמיות. זוהי עסקה משמעותית שצפויה להשפיע על האופן שבו ארגונים גדולים פועלים – ונמשיך לראות את השלכותיה בשנים הקרובות.

הפוסט למה באמת Wix רכשה את Base44 ומה אפשר ללמוד מזה? הופיע ראשון בLet's AI בינה מלאכותית

מה מודל הווידאו של Midjourney מציע לכם?

מידג’רני Video V1 הופך כל תמונה לסרטון קצר ומרשים – גם אם זו הפעם הראשונה שלכם. הממשק החדש נועד לאפשר לכל אחד, בלי רקע קודם באנימציה, להפיח חיים ביצירות שלו. הנה מה שמחכה לכם במסך העבודה:

• מתמונה לסרטון – הפכו כל תמונה, שלכם או כזו שיצרתם במידג’רני, לקליפ באורך של 5 עד 21 שניות. הסרטון הראשוני נמשך 5 שניות, אך ניתן להרחיב אותו בשלבים – כל לחיצה מוסיפה כ-4 שניות נוספות, עד לאורך כולל של 21 שניות.
• ממשק פשוט ונוח – לא צריך להתעמק או ללמוד תוכנה חדשה: מעלים תמונה או יוצרים אחת ישירות במידג’רני, לוחצים על Animate – והסרטון מוכן בתוך שניות. התהליך מהיר, אינטואיטיבי ופתוח גם למשתמשים חסרי ניסיון.
• שליטה בתנועה – בוחרים אם האנימציה תיווצר אוטומטית לפי זיהוי של המערכת או לפי הנחיה טקסטואלית שאתם מספקים. בנוסף, ניתן לשלוט בעוצמת התנועה: מצב Low Motion יפיק תנועה עדינה וסולידית, בעוד High Motion ייצור מראה דרמטי ודינמי יותר – אך לעיתים גם פחות מדויק.
• הארכת הסרטון (“Extend”) – אם 5 שניות לא מספיקות, ניתן להאריך את הסרטון בלחיצות נוספות. יש אפשרות להמשיך את התנועה באופן אוטומטי (Extend Auto) או להנחות את המודל ידנית עם פרומפט חדש (Extend Manual) שמתאר כיצד הסצנה אמורה להתפתח.

איך זה עובד? מדריך צעד אחר צעד

הפיצ’ר החדש מאפשר לכם להפוך כל תמונה לסרטון בכמה קליקים. מודל הווידאו של מידג’רני תומך בשני סוגי קלט עיקריים ליצירת סרטונים: תיאור טקסטואלי או תמונה קיימת. בדיוק כמו ביצירת תמונה רגילה, אפשר להתחיל עם פרומפט מילולי – פשוט לתאר במילים את הסצנה, הדמות או הרעיון שרוצים להחיות. המודל יפרש את התיאור, ייצור ממנו קודם תמונה סטטית ואז יפיק סרטון קצר שמציג את התמונה הזו בתנועה.

אפשרות נוספת היא לעבוד עם תמונה קיימת. אפשר לגרור קובץ מהמחשב או להעלות אותו ידנית באזור ה-Starting Frame בממשק. מידג’רני תיקח את התמונה הזו כבסיס ותוסיף לה תנועה עדינה או שינויים מתאימים, כך שהיא תהפוך תוך שניות לסרטון חי ונושם. זה שימושי במיוחד כשיש לכם יצירה קיימת – ממידג’רני או מכל מקור אחר – ואתם רוצים להכניס בה חיים בלי להתחיל מאפס.

שלב 1: צרו או בחרו תמונה

• צרו תמונה חדשה כמו שאתם רגילים, או בחרו אחת מתוך התמונות שלכם.

• רוצים להעלות תמונה משלכם? העלו או גררו אותה לאזור Starting Frame בממשק.

הנפשת תמונה דרך העלאת או גרירת תמונה כפריים ראשון

שלב 2: התחילו להנפיש

• עמדו עם הסמן על התמונה.

• יופיע כפתור Animate – לחצו עליו להנפשה מידית.

שלב 3: שחקו עם ההגדרות 

בסרגל ההגדרות שייפתח בצד תמצאו שני מצבים:

• Auto: מידג’רני מנפיש לבד לפי מה שרואים בתמונה. כמו לחיצה כל Animate בשלב 2.

• Manual: רוצים יותר שליטה? הוסיפו פרומפט שמפרט איך בדיוק התמונה תזוז.
  
  

שלב 4: קבעו את עוצמת התנועה

בסרגל ההגדרות שייפתח בצד תמצאו שני מצבים נוספים:

• Low Motion: תנועה עדינה וסולידית.

• High Motion: תנועה דרמטית ומודגשת.

שלב 5: הארכת הווידאו

הסרטון הראשוני שנוצר יהיה באורך של 5 שניות בלבד. רוצים להמשיך? לחצו על אחד מהכפתורים:

• Extend Auto: מידג’רני מוסיפה המשך תנועה אוטומטית, באותו סגנון.

• Extend Manual: רוצים לשלוט? הוסיפו פרומפט חדש כדי לעדכן את ההמשך.

עלויות וזמינות

יצירת סרטון במידג’רני יקרה יותר לעומת תמונה רגילה – העלות גבוהה בערך פי שמונה. עם זאת, כל ג’ינרוט מפיק ארבעה סרטונים קצרים בני חמש שניות כל אחד, כך שבניהול נכון אפשר להפיק לא מעט תוצרים גם מתהליך יצירה אחד.

מודל הווידאו כלול במחיר המנוי הרגיל של 10 דולר בחודש, ואין צורך בתשלום נוסף עבור משתמשים שכבר מנויים. המשמעות היא שכל מי שיש לו מנוי פעיל מקבל גישה אוטומטית לכל היכולות החדשות.

עם השקת הכלי, הפעלת מודל הווידאו הייתה זמינה אך ורק דרך הדפדפן, אבל עכשיו אפשר גם להפעיל את פיצ’ר הנפשת התמונות גם דרך הנייד.

יישומים ושימושים פוטנציאליים

מודל הווידאו של מידג’רני פותח עולם חדש של אפשרויות יצירתיות. הוא מאפשר להפיח חיים בדמויות, סצנות ונופים שהיו עד היום סטטיים לגמרי, ולהפוך אותם לקליפים קצרים שמספרים סיפור בתנועה. מעצבים ואדריכלים יכולים להשתמש בו להמחשה מהירה של רעיונות: החל מהדמיות של עיצוב פנים ועד לאנימציה של פרטי נוף ומבנים, בצורה שמקרבת את הלקוח אל החזון.

בתחום התוכן הדיגיטלי, הכלי הזה מתאים במיוחד ליצירת סרטונים קצרים ומושכים לרשתות החברתיות – בלי צורך בתוכנות עריכה כבדות או צוות הפקה. גם במצגות מקצועיות אפשר לשלב קליפים קצרים שיגרמו לכל שקף להיראות חי ומרשים הרבה יותר.

בקיצור, כל מי שעובד עם תמונות ורוצה לקחת אותן שלב אחד קדימה – ימצא במודל הווידאו דרך פשוטה להפוך כל רעיון לנפלאות של תנועה ואווירה.

טיפים לפני סיום

קודם כל, חשוב שתכירו שמידג׳רני עדכנו את המשתמשים שסרטונים רבים “נדחסים יתר על המידה” בעת העלאה לרשתות חברתיות – לכן הם יצרו מקודד חדש כדי לפתור את הבעיה. כשאתם רוצים לשמור סרטונים לשיתוף, לחצו לחיצה ימנית על הסרטון ולחצו על “שמירה לרשתות חברתיות” (Download for Social Media). יש גם אופציה לגשת לזה מכפתור ה- Options בראש הסרגל הצידי. הנה דוגמה של לפני/אחרי:

We noticed many MJ videos are getting "overly compressed" when uploaded to social media. We've created a new optimized encoder to reduce the issue. When saving videos to share, please right click the video and press "Save for Social Media". Before/after example below. Thanks! pic.twitter.com/wFfMeg89mK

— Midjourney (@midjourney) June 19, 2025

בנוסף, אנחנו ממליצים לכם להתחיל בקטן ולנצל את מודל הווידאו ליצירת קטעים קצרים ומושכים לרשתות חברתיות, מצגות או אתרי אינטרנט. נסו לשלב תמונות קיימות שיצרתם במידג’רני כבסיס לסרטון, או להתחיל מסצנה חדשה לגמרי בעזרת תיאור טקסטואלי. זכרו שהאורך הקצר של הסרטונים הוא לא מגבלה אלא הזדמנות לחשוב יצירתי ולהעביר רעיון חד וברור בכמה שניות בלבד. כדי לנצל את הקרדיטים בחוכמה, מומלץ להתחיל בסרטון קצר ובמצב Low Motion, לראות שהתוצאה מתאימה למה שרציתם – ורק אחר כך להאריך או לייצר גרסאות נוספות. ולבסוף, עקבו מקרוב אחרי השיפורים והעדכונים – העולם הזה מתפתח מהר, ומידג’רני לא עוצרת לרגע. 

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

החזון של Midjourney

מודל ה-V1 הוא רק הצעד הראשון במסע חדש של Midjourney לעולם הווידאו – מסע שאפתני הרבה יותר ממה שנראה לעין כרגע. לפי החברה, המטרה הסופית איננה רק יצירת סרטונים, אלא בנייה הדרגתית של מערכת שתוכל להפיק סימולציות פתוחות ודינמיות בזמן אמת. מדובר בחזון רחב טווח, שמבוסס על שילוב של מספר טכנולוגיות ליבה: מודלי תמונה (Visuals), מודלי וידאו (Video), מודלי תלת-ממד (3D) ומודלים שפועלים בזמן אמת (Real-Time).

היעד הסופי של Midjourney הוא לאפשר למשתמשים לפעול בתוך סביבות תלת-ממדיות מונחות בינה מלאכותית: עולם שבו אפשר לשוטט, לפעול, להניע דמויות ולהגיב לסביבה, ממש כמו במשחק מחשב, אך כזה שנוצר כולו באופן דינמי על ידי מודלים של AI. זהו עתיד שמבוסס על דיאלוג בזמן אמת בין המשתמש למערכת, שבו כל אינטראקציה מייצרת תנועה, תגובה או שינוי – ללא צורך באנימטור, מתכנת או צוות הפקה.

כדי להגיע לשם, Midjourney מבצעת תהליך מדורג ומחושב: בניית כל רכיב טכנולוגי באופן עצמאי, שחרורו לשוק, ורק לאחר מכן שילובו בתוך מערכת מאוחדת אחת. מדובר באסטרטגיה של “אבני בניין”, שבה כל מודל – תמונה, וידאו, תלת-ממד – מהווה שלב חיוני בהגשמת החזון הגדול. בטווח הקצר, הדבר עשוי לדרוש משאבים יקרים יותר, אך בטווח הארוך המערכת צפויה להיות נגישה וזמינה לכולם. שחרור מודל הווידאו בגרסת V1 מהווה אפוא צעד ראשון מתוך רצף. אמנם מדובר בטכנולוגיה התחלתית, אך היא מציעה תשתית טכנית חשובה שעל בסיסה תיבנה מערכת עתידית עשירה יותר. Midjourney עצמה מבהירה כי הידע שנצבר במהלך פיתוח המודל הזה ישוב וישפיע על מודלי התמונה בעתיד הקרוב, כך שמדובר גם בשדרוג של המערכות הקיימות ולא רק בפיתוח של יכולות חדשות.

בסופו של דבר, מה שמתחיל היום כאנימציה פשוטה של תמונות עשוי להתפתח למרחבים חיים ודינמיים – כאלו שבהם יוצרים דיגיטליים, מפתחים, מעצבים ואפילו משתמשים מזדמנים יוכלו לא רק לראות אלא גם להיכנס, לנוע, ולהשפיע בזמן אמת על הסיפור, המבנה והתוכן. Midjourney מציבה רף גבוה: לא עוד יצירה סטטית, אלא אינטראקציה מלאה עם עולמות שנוצרים ברגע.

הפוסט המדריך למודל הווידאו החדש של מידג’רני – V1 הופיע ראשון בLet's AI בינה מלאכותית

בואו נעשה סדר – מה ההבדל?

מהי בינה מלאכותית?

בינה מלאכותית (AI) היא תחום במדעי המחשב השואף לחקות ולשפר אינטליגנציה אנושית באמצעות מחשבים ומערכות דיגיטליות. מערכות אלה יכולות ללמוד, להסיק מסקנות, לקבל החלטות ולפתור בעיות מורכבות – פעולות שעד לאחרונה נחשבו לנחלת המוח האנושי בלבד. בעזרת מודלים מתקדמים של למידת מכונה, כמו רשתות עצביות ועיבוד שפה טבעית (NLP), AI מסוגלת לנתח כמויות אדירות של מידע, לזהות דפוסים מורכבים ולייצר תובנות חדשות ודינמיות.

בניגוד לטכנולוגיות אחרות, בינה מלאכותית היא מערכת שלומדת כל הזמן. ככל שה-AI נחשף ליותר מידע, כך הוא הופך למדויק יותר ומשפר את יכולותיו לייצר תובנות והמלצות מתקדמות.

מהי אוטומציה?

אוטומציה היא טכנולוגיה אחרת לחלוטין, המתמקדת בביצוע פעולות שגרתיות וחוזרות ללא התערבות אנושית. מדובר במערכת המבצעת באופן קבוע רצפים מוגדרים מראש של פעולות, כגון העברת מידע ממערכת אחת לשנייה, שליחת התראות אוטומטיות, או איסוף וארגון נתונים באופן סדרתי. בשונה מבינה מלאכותית, מערכות אוטומציה כמו Make, Zapier ו-n8n אינן מסתגלות או לומדות בעצמן. הן פועלות בדיוק רב, אך בהתאם לתסריט מדויק שהוגדר מראש. כלומר, אוטומציה מתאימה במיוחד לפעולות קבועות, צפויות, ונטולות פרשנות אנושית.

לפניכם טבלה שמסכמת את ההבדלים המרכזיים בין שתי הטכנולוגיות הללו:

השוואה בין AI לאוטומציה.

איך AI ואוטומציה משתלבות זו בזו?

כאשר אוטומציה ו-AI מתחברות יחד, הן יוצרות “פס ייצור חכם” שבו כל אחת מהטכנולוגיות מביאה לשולחן יתרונות ייחודיים. אוטומציה מספקת דיוק, יעילות ומהירות, ומבטיחה תהליך אחיד ונטול טעויות. מנגד, AI מאפשרת לתהליך להפוך לחכם וגמיש יותר, תוך ניתוח נתונים בזמן אמת, איתור חריגות והפקת המלצות לפעולה. השילוב הזה מאפשר לארגונים להפעיל תהליכים אוטומטיים במהירות, ובמקביל לקבל תובנות אסטרטגיות עמוקות על סמך ניתוח דינמי שמבצעת מערכת ה-AI. זוהי סימביוזה שיכולה להזניק את האפקטיביות והאיכות של משימות הארגון.

יתרונות הליבה של AI

1) יצירת תוכן חדש

הכוח של AI טמון בשלוש יכולות מרכזיות: בין אם זה טקסט, תמונות, או אפילו וידאו, מודלי AI יכולים לייצר תוכן מקורי ברמה גבוהה. תוכן זה יכול להתבסס על האימון המקדים של המודל, על קבצים ומידע שהמשתמש מעלה או מזין למערכת, או על חיבור למערכת ידע ודאטה ארגוני (RAG).

2) שליפת מידע

היכולת לאתר מידע מתוך מאגרי נתונים עצומים בצורה מהירה ומדויקת הופכת את ה-AI לכלי רב עוצמה בארגונים שמנהלים מידע רב.

3) מחקר, חיפוש ואיסוף מידע

בינה מלאכותית מאוד טובה בחיפוש, ביצוע מחקר ואיסוף מידע ומקורות. כמו כן, AI יודע למצוא קשרים סמויים ומגמות מתוך נתונים מורכבים, יכולת חיונית לשיפור ביצועים עסקיים.

השילוש הקדוש – במה בינה מלאכותית טובה?

השילוב בין שלוש היכולות הללו מאפשר הפקת תוצרים איכותיים, אך האתגר המרכזי הוא לבחור את הכלי המתאים ביותר למשימה הספציפית.

מגבלות AI ואיך להתמודד איתן

אוקיי, הבנו במה AI טוב, אבל מה נקודות התורפה של הטכנולוגיה המדהימה הזו? למרות היתרונות הגדולים, ל-AI קיימות גם מגבלות משמעותיות שצריך להיות מודעים אליהן:

מגבלות ה-AI.

מוגבלות בחדשנות עצמאית

מודלים מבוססים על ידע קיים בלבד ואינם יכולים לייצר ידע פורץ דרך בצורה עצמאית.

חלון קונטקסט מוגבל

בינה מלאכותית מוגבלת בעיקף חלון הקונטקסט שלה (חלון הקשר). ה-AI מסוגל לעבד רק כמות מידע מוגבלת בכל פעם. כדי להתמודד עם בעיה זו, יש לפרק מידע ארוך ליחידות קטנות יותר.

הזיות (Hallucinations)

לעיתים AI מייצר עובדות שגויות בביטחון רב. לכן, הכרחי לבצע תמיד בדיקות אמינות.

העדר שיקול דעת וערכים

ה-AI חסר הבנה עמוקה של ערכים אתיים, ניסיון חיים או הקשר מקצועי רחב.

בסופו של דבר, AI הוא כלי עזר שהאחריות על השימוש בו ועל איכות התוצאות נותרת תמיד בידי המשתמש האנושי.

האחריות המקצועית שלנו

השימוש ב-AI מצריך מודל פעולה אחראי, שבו המשתמש האנושי משמש כמבקר איכותי. יש לערוך ולאמת את תוצרי ה-AI לפני השימוש, להגן על פרטיות ולא להעביר נתונים רגישים לספקי AI חיצוניים. מודל “אדם-מכונה” הוא הפתרון האופטימלי, שבו AI משמש כשותף יצירתי, אך לא מחליף את שיקול הדעת האנושי. במודל זה, האדם נשאר המבקר הסופי, המוביל את התהליך באחריות.

טיפים ליישום ולביצוע 

1) שינוי פוזיציה – לעבוד חכם עם AI

הדרך הטובה ביותר להתחיל עם AI היא דווקא להפוך את התפקידים: תנו למערכת לשאול אתכם שאלות מנחות. כך המערכת תבין לעומק את המשימה ואתם תקבלו פתרונות מדויקים יותר ומהר יותר.

2) “תחרות ריצה בין מודלים”

הימנעו מלהסתמך על מודל AI בודד. הפעילו את אותה המשימה במספר מודלים שונים, השוו את התוצאות, ובחרו את הטובה ביותר בכל פעם.

3) עבודה בשלבים – “הפרד ומשול”

פירוק משימות גדולות לתת-משימות קצרות ומדויקות יעזור לכם לשמור על איכות התוצאות, ויקל על ניהול העבודה מול AI.

טיפים לשימוש נכון ב-AI.

מתי נבחר באוטומציה ומתי ב-AI?

• אוטומציה מתאימה כאשר מדובר בפעולות פשוטות, חוזרות וסטטיות: העתקת כותרות מאתרי חדשות, שליחת Action Items במייל או הכנסת לידים ל-CRM. כאן אין צורך בניתוח עמוק; די ברצף קבוע וברור של הוראות לביצוע.

• בינה מלאכותית באה לידי ביטוי במשימות הדורשות ניתוח, הבנה וסינתזה: זיהוי טרנדים, הפקת דוחות מסכמים, בניית תכניות פעולה אישיות או תיעדוף משימות לפי פרופיל משתמש. העבודה שלה היא “לקחת חומר גלם”, להסיק תובנות ולהציע כיווני פעולה.

דוגמאות מהשטח: איך זה נראה ביום-יום

לפניכם רשימת היוזקייסים שהוצגה גם בשיעור – מקרים בהם נבחר באוטומציה ומקרים אחרים בהם נבחר ב-AI:

אוטומציה: משימות חזרתיות, קבועות ונטולות פרשנות

• סריקת אתרי חדשות והעתקת הכותרות לגיליון מאסטר לצורך תיעוד יומי.

• שליחת Action Items אוטומטית במייל לכל חברי הצוות בסוף כל ישיבה.

• העתקת נתוני ליד חדש משירות הטפסים אל CRM, כולל פתיחת משימה לסוכן מכירות.

• משיכת קבצים מצורפים, המרתם ל-PDF ושמירתם בתיקייה עננית ממוספרת לפי תאריך.

• שליפת מידע מאתר החברה, דחיסתו לפוסט קצר ותִזמוןו בכל הרשתות החברתיות בתבנית אחידה.

• הפקת דוחות חודשיים סטטיים (למשל דוח שעות או מכירות) במבנה קבוע.

• ניתוח אוטומטי של תיבת הדואר ב-24 השעות האחרונות והפקת רשימת משימות מיידיות.

• איסוף ביקורות מוצרים והזרמתן לטבלת Google Sheets לצורך מעקב.

• שליחת חשבוניות אוטומטית ללקוחות חוזרים עם חישוב הנחה קבועה.

• גיבוי לילי של מסדי-הנתונים והעלאה ל-S3, כולל התרעה במקרה של כשל.

בינה מלאכותית: משימות הדורשות ניתוח, סינתזה והסקה

יוזקייסים: מתי נשתמש ב-AI ומתי באוטומציה?

שילוב הכוחות: המערכת ההיברידית בפעולה

השילוב בין AI ואוטומציה הוא המפתח לארגונים חכמים ויעילים. החיבור בין הצנרת החכמה (אוטומציה) והמוח הדיגיטלי (AI) יוצר מערכת שמניעה מידע במהירות, תוך הפקת ערך אמיתי. כך ניתן לשפר את האפקטיביות של כל תהליך עסקי, בלי לוותר על האחריות והיצירתיות האנושית. בעתיד הקרוב, מערכת היברידית כזו תמשיך להוות סטנדרט חיוני בארגונים השואפים למצוינות. יש מצב שהבנת הדינמיקה בין AI לאוטומציה, והיכולת להשתמש בשילוב זה בחוכמה, היא אולי האתגר הגדול ביותר לארגונים שרוצים להוביל במאה ה-21.

הפוסט הסימביוזה של AI ואוטומציה – במה נבחר, מתי ומה בעצם ההבדל? הופיע ראשון בLet's AI בינה מלאכותית

מה זה “Stem Extraction” ולמה זה חשוב?

“Stem Extraction” הוא כלי בפלטפורמה של סונו (Suno), המבצע הפרדה של קובץ אודיו לערוצים נפרדים – שירה, תופים, בס, גיטרות ועוד. בעבר הפיצ’ר תמך בארבעה ערוצים בלבד, אך בעקבות העדכון האחרון ניתן כעת לפצל כל שיר לעד 12 ערוצים ייחודיים – כל אחד מהם מבודד ברמת דיוק מרשימה, וניתן להאזנה, עריכה והורדה עצמאית.

המשמעות היא שליטה חסרת תקדים במרכיבי השיר, שמקנה חופש יצירתי רחב יותר, ומאפשר לבצע ניתוחים, רמיקסים, דגימות או עיבודים מחדש, בקלות ובמהירות.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת מוזיקה עם AI

לפרטים נוספים לחצו כאן >>

איך זה עובד בפועל?

ככה זה עובד פיצ’ר ההפרדה לערוצים:

Credit: Suno

התהליך נשאר פשוט ונגיש:

• בחירת קטע האודיו הרצוי: המשתמש מעלה או בוחר שיר מתוך הפלטפורמה (כן כן, אפשר להפריד ערוצים גם לטרקים שיצרתם מחוץ לפרטפורמה, כולל שירים קיימים או שירים מקוריים שלכם).
• גישה לפיצ’ר ההפרדה: לאחר העלאת השיר ושמירתו בסונו, או לחלופין – לאחר יצירת שיר עם AI בתוך סונו, עוברים לתפריט שלוש הנקודות, שמופיע לצד השיר, ואז בוחרים באפשרות ‘Get Stems’.

הפרדה ל-12 ערוצים בסונו | Credit: Suno

• הפרדה לערוצים: המערכת מפרקת את הקובץ לערוצים נפרדים תוך שימוש באלגוריתמים מתקדמים של למידת מכונה.

עד 12 ערוצים | Credit: Suno.

• האזנה והורדה: כל ערוץ זמין לשמיעה, עריכה והורדה עצמאית.

כלי ההפרדה של סונו מצטיין בהנגשת טכנולוגיה וכלים, ישירות בתוך הפלטפורמה – אין צורך בתוכנה חיצונית או בהתקנה, וכל הפעולה מתבצעת מתוך הדפדפן.

יתרונות משמעותיים בעקבות השדרוג

לפיצ’ר הזה יתרונות רבים!

הפרדה ל-12 ערוצים

המעבר מארבעה ערוצים בלבד ל-12 ערוצים שונים מאפשר זיהוי ופירוק של שכבות סאונד רבות ומגוונות, כולל כלים וכלי עזר שלא ניתן היה להפריד קודם לכן. כך מתקבלת גמישות יצירתית יוצאת דופן, שמתאימה למגוון שימושים – מהפקות מוזיקליות ועד לימוד וניתוח שירים.

דיוק ברמה מקצועית

ההפרדה מתבצעת באמצעות מודלים של למידת מכונה, אשר מצליחים לא רק לבודד את השכבות השונות, אלא גם לשמר איכות גבוהה של סאונד, ללא זליגות או רעשים לא רצויים.

ממשק נוח וללא חסמים

הפיצ’ר פועל מתוך הממשק של Suno, ללא צורך בהתקנות, ידע מוקדם או חומרה ייחודית. זהו פתרון שמתאים גם למוזיקאים מקצועיים וגם למשתמשים חובבים.

למידע נוסף על הקורס, לרבות סילבוס ופירוט הכלים הנלמדים, לחצו פה.

למי זה מיועד?

מוזיקאים ויוצרים

הפיצול המדויק ל-12 ערוצים מאפשר לקחת דגימות נקיות, לשלב אותן ביצירות חדשות או להשתמש בהן ללימוד וניתוח של עיבודים מוזיקליים קיימים.

מפיקים ו-DJs

אפשרות ההפרדה המשופרת פותחת אפשרויות חדשות לרמיקסים, שילובים ויצירת Mashups בין שירים, תוך שליטה פרטנית בכל אלמנט מוזיקלי.

לומדים וחובבים

סטודנטים למוזיקה, מורים או חובבי ניתוחים מוזיקליים ייהנו מהיכולת לפרק שיר מוכר לרכיביו ולבחון כל שכבה בנפרד. כיף גדול!

השדרוג של “Stem Extraction” מדגים את האופן שבו סונו מתפתחת במהירות ככלי מרכזי לעיבוד ויצירת מוזיקה בעידן של בינה מלאכותית. זהו לא רק כלי טכני – אלא ממשק יצירתי שמנגיש את המוזיקה לרמות חדשות של שליטה והבנה.

הפוסט הפרדה ל-12 ערוצים בסונו עם Stem Extraction הופיע ראשון בLet's AI בינה מלאכותית

מנוע הצמיחה של אנטרופיק – בידול ומיקוד!

איך אנטרופיק הפכה לשחקנית הרווחית השקטה של עולם ה-AI העסקי? בעסקים אתה לא חייב להיות הכי גדול – לפעמים מספיק להיות מאוד טוב. בעוד רוב תשומת הלב בעולם ה-AI מופנית ל-OpenAI – האמא והאבא של ChatGPT, דווקא אנטרופיק מצליחה ובגדול, בשקט בשקט ובלי השקות נוצצות ופרשיות צבעוניות. כן אלטמן… אנחנו מסתכלים עליך! לאט לאט ומתחת לרדאר, היא הצליחה לייצר הכנסות שנתיות של 3 מיליארד דולר – זינוק של 200% בתוך חמישה חודשים בלבד. מה הסוד? מיקוד ובידול! לא עוד צ’אטבוטים לכולם – אלא התמקדות בשוק האנטרפרייז. גישה לאינטרנט זה לחלשים – יצירת פרוטוקולים מהפכניים כמו MCP, חזון ברור לעולם עבודה שמושתת על סוכנים, גישת קוד פתוח וזמינות מודלי על ב-API, הפכו אותה למגדלור של קדמה ולפתרון אידיאלי לעסקים, חברות וארגונים מסביב לעולם. כ-70% מההכנסות שלה מגיעות מחברות שמשלמות על שירותי API, בעיקר בתחום כתיבת קוד – שם הגישה הזו בולטת במיוחד.

לאינסטגם שלנו – מה… לא תפרגנו בעוקב?!

כבר לפני חודשים הצהיר מנכ”ל החברה שעד סוף השנה, כ-100% מהקוד יכתבו על ידי AI, והיום יותר מתמיד, נדמה שהחזון הזה קרוב במיוחד. מתחת למכסה המנוע של רוב כלי ה-No Code וסוכני הקוד כיום, תמצאו את קלוד. ויש לכך סיבה טובה! לדוגמה, Replit דיווחה לאחרונה על צמיחה של פי 10 בהכנסות, לאחר שהטמיעה סוכן מבוסס מודלי קלוד, שמתרגם שפה טבעית לקוד. מצד שני כדאי להסתכל גם על התמונה המלאה. 3 מיליארד דולר זה סכום מרשים, אבל OpenAI, המתחרה הגדולה, צפויה להכניס 12 מיליארד דולר השנה. ומה לגבי צמיחה? האם ההתקדמות המדהימה של אנטרופיק תמשיך באותה עוצמה? במרץ 2025 גייסה החברה 3.5 מיליארד דולר והגיעה לשווי של 61.4 מיליארד דולר. זה מספר מרשים, אבל עדיין רק חמישית מההערכה של OpenAI, שמדורגת סביב 300 מיליארד דולר.

אבל השאלה האמיתית היא לא מה אנטרופיק עושה, אלא מה אפשר ללמוד מזה. לא כל עסק צריך “מהפכה”. לפעמים מספיק לפתור בעיה אחת טוב, ולהתמקד בשוק נישתי – אמנם קלוד מחזיק רק ב-2% משוק המשתמשים הפרטיים, אבל בכתיבת קוד ו-API יש הרבה כסף. רק כדי לסבר את האוזן – השלמת קוד או ריפקטורינג דורשים בין 5,000 ל-20,000 טוקנים לעומת שיחה רגילה שצורכת כמה מאות טוקנים בלבד. וכשאנטרופיק מתמחרת מיליון טוקנים ב-3 דולר לקלט, ו-15 דולר לפלט, אפשר להבין איפה הכסף הגדול נמצא. מה אתם יכולים לקחת מזה? מיקוד נכון מייצר ערך ומנקה רעש. הוא מייתר בידול, במיוחד בשווקים מאוד תחרותיים!

קלוד 4 – מודל הקול החדש וחיפוש ברשת לכולם!

אמנם קלוד4 שוחרר כבר לפני שבועיים בערך, אבל על קלוד אנחנו מוכן לדבר בכל יום! אין מה להגיד – אנטרופיק יודעים מה הם עושים! גם לפני המודלים החדשים של הדור הרביעי, קלו היה פשוט מדהים ודוגמה מושלמת לאיך LLM צריך להיראות ולהתנהג. ועכשיו הוא הופך לקצת יותר טוב. כדאי לדעת שמשתמשים חינמיים יכולים ליהנות מפיצ’ר החיפוש ברשת, מה שמאפשר לקלוד להתבסס גם על מידע אקטואלי שהוא אוסף בעצמו, ולא רק על המידע שהוא אומן עליו בעבר.

כמו כן, האפליקציה לנייד התחדשה במודל קול חדש שמאפשר לנהל שיח שוטף עם קלוד. הבעיה – הפיצ’ר לא עובד טוב כשמדברים איתו בשפה העברית, כך שאלא אם מתחשק לכם לפרוץ בשיחה קולחת באנגלית עם קלוד, כנראה שלא תשתמשו בו.

ומה לגבי פיצ’רים מתקדמים? גם שם אנטרופיק ממשיכים להיות פורצי דרך ומגדלור לתעשייה! אחת התוספות הבולטות היא כלי הרצת הקוד – Code execution tool – שמאפשר לקלוד לא רק לכתוב קוד, אלא גם להריץ אותו בפועל בסביבת פייתון מאובטחת ומבודדת. המודל מסוגל לנתח נתונים, להפיק גרפים, לבצע חישובים סטטיסטיים מתקדמים, ולהפיק תובנות תוך כדי שיחה – מבלי להידרש להרצת קוד חיצונית. למה זה טוב? מודלים פיננסיים ותחזיות עסקיות, הרצת סימולציות מדעיות ועיבוד נתוני מחקר, ניתוח דוחות ועוד. 

ומה לגבי MCP? באמצעות ה-MCP Connector, ניתן לבצע אינטגרציות עם מערכות חיצוניות ולחבר את קלוד לשרתי MCP חיצוניים, כמו אסאנה או זאפייר, ללא צורך בפיתוח ידני. ברגע שמציינים את כתובת השרת, המודל מבצע את כל תהליך החיבור, גילוי הכלים, הרצת הפונקציות, ניהול ההרשאות וטיפול בשגיאות – כל זאת נעשה באופן אוטומטי.

פשוט כלי מדהים ופשוט כיף שיש כזו טכנולוגיה מתקדמת שזמינה לכולם, אפילו בחינם בחבילת התנסות, ועוזרת ליחידים ועסקים לעבוד עם AI על בסיס יומי, ולבנות סוכנים ועוזרים חכמים יחסית בפשוטת ובקלות.

כך מייסד טלגרם ואילון מאסק יצרו מהומה של 300 מיליון דולר בכמה ציוצים

אז מה באמת הסיפור סביב עסקת טלגרם-מאסק? בבוקר אחד של סוף מאי 2025, הכריז פאבל דורוב, מייסד טלגרם, הידוע כ”מארק צוקרברג הרוסי”, על שותפות טכנולוגית מרעישה: Grok – מודל ה-AI העוצמתי של xAI, חברת הבינה של אילון מאסק – ישולב בטלגרם. ההסכם, כך נטען, אמור לעמוד על 300 מיליון דולר במזומן, מניות ונתח מהכנסות עתידיות. תוך שעות, ערכו של מטבע TON (המזוהה עם טלגרם) זינק ב-20% תוך דקות, והעולם הטכנולוגי רעש וגעש.

כל ההתרגשות הזו החזיקה מעמד רק עד ליל אותו יום. ב-22:30 צייץ אילון מאסק חמש מילים פשוטות: “No deal has been signed” – או בקיצור: שום עסקה לא נחתמה. מי שהקשיב טוב טוב היה יכול לשמוע את קול האוויר שיצא מהבלון שניפח דורוב. תוך 30 דקות בדיוק, TON צנח מ-3.45 ל-3.27 דולר – נפילה של 5% ברגע, ודורוב פרסם הבהרה מביכה: “נכון. הסכמנו עקרונית, אבל החלקים הפורמליים עוד לא סגורים”.

ומה לגבי השוק… הוא נותר מבולבל עד היום. נכון ליוני 2025, ההסכם טרם נחתם רשמית. מצד אחד – הסכמה עקרונית יש. מצד שני – חוזה חתום אין. ומה לגבי מועד ברור להשקה? נראה שתצטרכו להמשיך לחכות.

אז מה באמת קורה כאן? בואו נפרק את הבצל הזה לשלוש שכבות מרכזיות:

• השכבה הראשונה – טקטיקה או טעות? האם דורוב ניסה לדחוק את מאסק לפינה באמצעות הכרזה מוקדמת? או שאולי מדובר בבלבול תקשורתי קלאסי, שבו “כן” בטלפון תורגם ל”סגור” בציוץ? ייתכן גם שהמניעים של “צוקי הרוסי” היו כלכליים נטו – טלגרם נמצאת כעת בעיצומו של גיוס הון של 1.5 מיליארד דולר, וכל הכרזה נוצצת יכולה לסייע מול משקיעים.
• השכבה השנייה: המאבק על הפלטפורמות. השוק מתקרב לנקודת רתיחה: Meta AI כבר עמוק בתוך מהפכת ה-AI עם מודלי עוצמתיים כמו לאמה ואינטגרציות בפלטפורמות הסושיאל שלה, מיקרוסופט שילבה את Copilot בכל חור – אפילו בתוך טלגרם, וגוגל דוחפת את Gemini לכל שירות אפשרי – החל מהמייל, לדרייב, לדוקס ולסמארטפונים שלכם. ומה לגבי אילון היקר… הוא משקיף מן הצד עם סכין בין השיניים ורעב כבד לעוד פלטפורמת סושיאל, מלבד טוויטר, שתחת חזונו שינתה את שמה ל-X. האם טלגרם יכולה להיות הגשר הזה עבור מאסק? האם היא תהיה עוד צינור לצביעת קהלים, איסוף דאטה ואימון מודלים? האם xAI יכולה לעמוד עמוד בקצב ובאיכות של המתחרות?
• השכבה השלישית – העתיד או הסכנה? אם Grok באמת ישולב בטלגרם, יהיה מדובר בשדרוג דרמטי לחוויית השיחה והשימוש בפלטפורמת ההודעות הייחודית הזו. סיכומי שיחות, ניסוח טקסטים, ניתוח מידע, פיצ’רים חכמים ועוד. מצד שני, החששות ברורים: עבור פלטפורמה שחרטה על דגלה פרטיות ואנונימיות – הכנסת AI לתמונה יכולה להתפרש כצעד שלילי מצד רבים ממשתמשיה. מילים כמו פיקוח, גבולות, איסוף מידע ואימון מודלים עושות להם צרבת – ובצדק.

איך כל זה יסתיים? בקצרה… אין לי שמץ! נביא אני לא! אבל התחזית הריאלית היא שהעסקה תיחתם – אולי בתנאים אחרים. יש יותר מדי כסף על השולחן, לשני הצדדים יש אינטרס, וההד הציבורי כבר יצא משליטה. האם זו תהיה נסיעה חלקה? כנראה שלא. יהיו חבלי לידה, באגים וקצרים בתקשורת. והכי חשוב: אם הבוט יופיע אצלכם בטלגרם – אל תמהרו ללחוץ “אישור”. קראו את הסכם המדיניות, או לכל הפחות – תנו לגרוק לנתח אותו בשבילכם בדקו מה הוא רואה ואיפה המידע שלכם נשמר. בדקו האם המידע שלכם משמש לאימון הדורות הבאים של המודל.

מהן המיומנויות הנדרשות בעידן ה-AI?

השבוע נתקלנו במסמך מעניין וציטוט מעניין לא פחות שקשה להתעלם מהם. המכון הישראלי לדמוקרטיה פרסם טיוטה לדיון על השפעת הבינה המלאכותית על שוק העבודה בישראל, ובתוכה התייחסות חשובה לשאלה אילו מיומנויות השתנו או עלו בחשיבותן מאז ש-ChatGPT נכנס לחיינו. ובמקביל, דריו אמודאי, מנכ״ל אנטרופיק, פרסם תחזית שנויה במחלוקת – לטענתו חצי ממשרות הצווארון הלבן ברמת Entry Level ייעלמו תוך חמש שנים בלבד. אז עצרנו לרגע לחשוב – מה בעצם קורה לכל המיומנויות שפעם חשבנו שהן הכרחיות עבור הצלחה בעולם שהכרנו? הדוח של המכון לדמוקרטיה והתחזית של אמודאי מצביעים על מהפכה שקטה אך עמוקה: לא רק שהכישורים הטכניים כבר לא מספיקים – הם מפנים את מקומם למיומנויות מסוג אחר לגמרי. פעם חשבנו שמיומנויות כמו פיתוח וכתיבת קוד הן חסינות עתיד. היום כבר ברור שהעתיד שלהן יראה אחרת לגמרי ממה שדמיינו.

במקום לדעת לכתוב קוד, צריך לדעת איך לדבר עם מודלי AI ואיך לעשות וייב קודינג. במקום להבין מערכת – צריך להבין אנשים ולדעת לפעול בסביבה היברידית, בה בני אדם וסוכני AI עובדים יחד. המיומנויות שהופכות קריטיות היום הן כאלה שפעם נחשבו “רכות”: חשיבה ביקורתית, יצירתיות וחשיבה מחוץ לקופסה, קבלת החלטות באי-ודאות, הנדסת פרומפטים ושיח עם מכונות, הבנת הקשרים רגשיים ותרבותיים. ומעל כל אלו, ניצבת מיומנות-העל: היכולת לדעת להפעיל גם שכל וגם רגש, ומנגד – לנהל גם בני אדם וגם אלגוריתמים, מודלים, סוכנים ומכונות. זה העולם החדש! אין ספק שעידן ה-AI ישנה אותנו! הוא לא יחליף אותנו, אבל הוא כן יצריך מאיתנו לסגל מיומנויות חדשות – לעשות Fine Tuning לא רק למודלים שלנו, אלא גם לעצמנו. ועכשיו שאלה בשבילכם: מה אתם עושים היום כדי להישאר רלוונטיים מחר?

האם אלטמן וג’וני אייב ימציאו את האייפון מחדש?

בואו נדבר קצת על השותפות המסקרנת בין OpenAI לחברת io של מעצב העל ג’וני אייב, שעזב את אפל ב-2019. יחד הם הולכים לבנות את ה”אייפון” של הבינה המלאכותית. החזון? טכנולוגיה שנמצאת איתכם – בלי מסך, בלי מקלדת, ובלי גוף. היא לא תופסת מקום, לא דורשת תשומת לב – פשוט מגיבה, מבינה ופועלת בשקט. נתחיל מהסוף – OpenAI רכשה את io, החברה החדשה של אייב, בעסקה בשווי 6.5 מיליארד דולר. וזו לא רק עסקה גדולה – זו הכרזה, או שמא נאמר – קריאת כיוון: הבינה המלאכותית עומדת לקבל גוף.

מי שעיצב את האייפון מבקש עכשיו לעצב מחדש את מערכת היחסים שלנו עם טכנולוגיה. אבל הפעם – לא דרך זכוכית מלוטשת, אלא דרך קול, הקשר, ותנועה. אייב רוצה לבנות את “האייפון של הבינה המלאכותית” – לא מטפורה, אלא מטרה אמיתית. את חברת io הוא הקים בספטמבר 2023, יחד עם שלושה שותפים – שלושה בכירים לשעבר מאפל. המטרה שלהם פשוטה ועמוקה כאחד: לפתח מכשירים שמביאים את הבינה המלאכותית אל העולם הפיזי. נשמע עמום? הנה דרך לחשוב על זה: מה אם ChatGPT לא היה רק צ’אט, אלא עוזר אישי שממש הולך איתך, שומע אותך, מבין אותך, ופועל ברקע – וכל זה בלי מסך? טכנולוגיה שפועלת ברקע – בלי לתפוס מקום, ובלי לקחת מאיתנו תשומת לב. מעין עוזר אישי בלתי נראה.

הצטרפו לערוץ הטלגרם שלנו – המקום בו אנחנו מעדכנים בתדירות הכי גבוהה, ובו אפשר לראות גם תכנים לפני שהצטרפתם.

זה הימור מסוכן: פיתוח חומרה מעולם לא היה התחום של OpenAI, וגם גאדג’טים דומים כבר נכשלו. אבל עם צוות של בוגרי אפל, תקציב עתק ואמביציה נדירה – יכול להיות שמדובר בצעד עם פוטנציאל לא רק לשנות את כללי המשחק, אלא להמציא מחדש את השוק ואת הטכנולוגיה שמלווה את חיינו 24/7. אמנם io עדיין לא שחררה מוצרים רשמיים, אבל היא כבר גייסה צוות של 55 מהנדסים, מעצבים וחוקרים, כאמור – רבים מהם יוצאי אפל, והיא מפתחת פרוטוטייפים של מכשירים חכמים. הכיוונים האפשריים שהם בוחנים כוללים אוזניות, התקנים לבישים, ואפילו מצלמות אינטראקטיביות.

אייב אף אמר: “יש לי תחושה גוברת שכל מה שלמדתי במהלך 30 השנים האחרונות הוביל אותי לרגע הזה.” למה זה כל כך משמעותי? קודם כול, כי זה מהלך נגד אפל. ג’וני אייב הוא האיש שעיצב את האייפון, והאדם שהפך את אפל למה שהיא. עכשיו הוא עובד על משהו שיכול לשבור את התלות בטלפון, וזה קורה אצל המתחרה. התגובה המיידית? מניית אפל ירדה ביותר מ־2% ביום ההודעה. בנוסף לכך – זה מציב את OpenAI כשחקנית עתידית מרכזית בתחום החומרה והגאדג’טים, וזה יכול להיות מאוד מעניין, ולשבש את השוק… ככה זה כשמכניסים טכנולוגיה משבשת לשוק תחרותי.

מלך האינטפיינטינג – ככה עורכים היום תמונות!

בואו נדבר קצת על FLUX.1 Kontext – מודל טקסט-לתמונה חדש מבית Black Forest Labs, שמאפשר גם יצירה מאפס וגם עריכה ממוקדת של תמונות קיימות. הוא עושה את זה בדיוק מפליא, במהירות אדירה ותוך שליטה מלאה. בשונה מכלים אחרים שמחדשים את כל התמונה, FLUX.1 מבין מה רציתם לשנות – ומשאיר את כל השאר בדיוק כפי שהוא. הוא שומר על דמויות, קומפוזיציה וסגנון לאורך כל התהליך, ומגיב לפרומפטים בשפה טבעית ועקבית. הנה כל מה שחשוב לדעת כדי לעבוד איתו בצורה חכמה וממוקדת.

כל מה שצריך לדעת על VEO3

כולם מדברים על מודל הוידאו המדהים והחדש של גוגל – VEO3 ובצדק! הוא מאפשר לייצר סרטונים מרהיבים וריאליסטיים תוך שניות, וישירות מתוך הנחיה טקסטואלית. הוא לא עוצר רק ביצירת הדימויים, אלא מייצר גם את הסאונד, את הליפסינק (הדיבוב), ותנועות טבעיות של הדוברים. אפשר ליצור איתו גם סרטונים ובהם דוברים שמדברים עברית. אבל האם באמת מדובר במהפכה? לרשותכם מספר מדריכים שיעזרו לכם להבין איך אפשר להשתמש בכלי המדהים הזה, גם פה בישראל (למרות שעל פניו הוא חסום ואמור להיות זמין רק בארה”ב).

• מדריך לשימוש ב-VEO3 בישראל.
• דוגמאות לסרטוני AI מדהימים ומקוריים שנוצרו עם VEO3.
• איך לייצר סרטונים עם נשמה ולב, בעזרת VEO3.

לפרטים על קורס יצירת פרסומות, קליפים וסרטים עם AI, לחצו פה.

יצירת אפליקצית עם CANVA CODE ועם PERPLEXITY

יש כלים כמו קלוד שיודעים לכתוב קוד כבר תקופה ארוכה בעזרת פיצ’ר הארטיפקסט המוכר והטוב. יש כלי NO CODE כמו Lovable, Replit, Bolt או Websim, שעשו את זה מצוין כבר לפני חודשים. ועכשיו כמה שחקנים חדשים מצטרפים לחגיגה: קאנבה (עם פיצ’ר ה-Canva Code) ופרפלקסיטי (עם פיצ’ר ה-Labs החדש). שתי החברות הוסיפו ממשקים שמאפשרים לכתוב קוד עם אפס נסיון בתכנות, וכך למעשה לבנות ממשקים ואפליקציות.

האם האמירויות הופכות לגן עדן של בינה מלאכותית או מודל חדש של שליטה?

לראשונה אי פעם, מדינה שלמה מעניקה לכל תושביה גישה חופשית לטכנולוגיית בינה מלאכותית מתקדמת – אבל מה המחיר האמיתי של המהלך הזה? באיחוד האמירויות, בינה מלאכותית כבר איננה פריבילגיה של סטארטאפים או מותרות. במאי הכריזו הרשויות באיחוד האמירויות על מהלך דרמטי: כל אחד מ-11 מיליון האזרחים והתושבים יקבל גישה חינמית ל-ChatGPT . בעולם שבו משתמשים נדרשים לשלם על גישה למודלים מתקדמים, ולעיתים נתקלים אפילו במחסומים לשימוש בסיסי, מדובר בצעד יוצא דופן. אבל דווקא בגלל שהוא יוצא דופן, חשוב לשאול: מה באמת עומד מאחוריו?

המהלך הוא חלק מפרויקט ענק בשם Stargate UAE – בניית מרכז מחשוב־על מהגדולים בעולם באבו דאבי. הפרויקט כולל השקעה של מיליארדי דולרים משותפים בין האמירויות לחברות טכנולוגיה אמריקאיות כמו אוראקל, אנוידיה, סיסקו ו-OpenAI.

בשונה ממדינות אחרות, באמירויות הגישה צפויה לעבור דרך תשתיות שקשורות לגורמים ממשלתיים. בעבר ראינו איך אפליקציות מפוקפקות שימשו ככלי ריגול לאיסוף מידע על משתמשים. כשהממשלה נותנת כלים “בחינם”, היא גם שולטת איך נשתמש בהם. והשלטון באמירויות יודע בדיוק איך לעשות זאת. דובאי מפעילה יותר מ־300,000 מצלמות עם זיהוי פנים הפרושות ברחבי העיר. מערכת מתוחכמת, העונה לשם “עיניים” בערבית, מחברת בין כל המצלמות האלה למאגרי נתונים ויכולה לעקוב אחרי כל אדם בזמן אמת ברחבי העיר. באבו דאבי פועלת מערכת דומה בשם Falcon Eye. כמו כן, חוקי הסייבר באמירויות מאפשרים מאסר עולם על מה שהם מכנים “פגיעה בעקרונות השלטון”, או במילים אחרות, כל ביקורת על המשטר. שירותי VPN חסומים, אפליקציות מוצפנות מוגבלות, וגם השימוש ב-WhatsApp מוגבל. עכשיו דמיינו את כל המידע הזה מחובר למה שאתם עושים עם הצ’ט שלכם. השאלות שאתם שואלים אותו, המידע והקבצים שאתם מעלים אליו. פתאום לממשלה יש גישה למידע האישי והעסקי שלכם, אבל גם לרעיונות שלכם, למחשבות שלכם ולתהיות שלכם. ועכשיו עולה שאלה נוספת – האם תאמינו לשלטונות שהם לא ישתמשו במידע הזה? בארה”ב ואירופה זה דבר אחד, אבל בעולם הערבי-מוסלמי שחי לאורם של ערכים אחרים, זה כבר סיפור אחר לגמרי!

האם מדובר בשוויון דיגיטלי ודמוקרטיזציה של ה-AI, או בדרך מתוחכמת לאסוף מידע ולהדק את אחיזת השלטון על נתיניו? למהלך הזה יש גם השפעות גלובליות – כשמדינות הופכות למדינות AI, מה יקרה למי שלא יבחר לצעוד בדרך הזו? אלו מדינות ישארו מאחור? איך זה ישפיע על הכלכלה שלהן? על החינוך שלהן?
הסיפור של ChatGPT באמירויות הוא רק חלק מתמונה עולמית רחבה הרבה יותר. עוד בינואר 2025, הנשיא דונלד טראמפ הכריז בבית הלבן על פרויקט Stargate האמריקאי – מיזם שאפתני בהיקף של 500 מיליארד דולר, שנועד להקים רשת מרכזי נתונים מתקדמים ברחבי ארצות הברית ולבסס את מעמדה כמובילה עולמית בתחום הבינה המלאכותית. בפינלנד השלטונות מנגישים קורסי AI לאזרחים. בקנדה, הממשלה משקיעה מיליארדים בתשתיות מחשוב ציבוריות. ומה איתנו? מה קורה פה בישראל? האם נזכה לראות חוות שרתים ותשתיות מחשוב אדירות שיעזרו לישראל לתפוס את מקומה הראוי כמעצמת AI, או שנמשיך לסמוך על תרבות ה”יהיה בסדר”?

הכשרות מקצועיות מבית LetsAI

להתעדכן זה חשוב – אבל אם אתם רוצים לקחת את זה צעד אחד קדימה, אנו ממליצים לכם בחום להעיף מבט על היצע הקורסים וההכשרות העשיר של LetsAI. חשבו כמה ערך קיבלתם פה במבזקון חדשות אחד בודד – עכשיו חשבו כמה ערך תקבלו בקורס מקצועי, שמועבר על ידי המרצים הטובים בארץ – אותם אנשים שהכשירו עובדים ומנהלים בחברות הגדולות בארץ, במשרדי ואגפי ממשלה, ובקרנות ועמותות שמנהלות תקציבים של מאות מיליונים. כי לכם מגיע רק את הטוב ביותר! הכלים שהזכרנו פה, נלמדים לעומק גם בקורסים שלנו ובאקוסיסטם שבנינו עבור משתתפי הקורסים שלנו. הצטרפו ללמעלה מ-50,000 סטודנטים, תלמידים ובוגרי הכשרות!

 

למעבר לעמוד הקורסים שלנו – לחצו פה.

הפוסט מורן ואביתר פותחים חודש – חדשות ה-AI הופיע ראשון בLet's AI בינה מלאכותית

החזון לראות כל ילד, גם בלי עיניים

אלי״ע – ארגון לקידום ילדים עם עיוורון או לקות ראייה (ע”ר) – היא העמותה היחידה בישראל המתמחה בטיפול, שיקום וחינוך לפעוטות עם עיוורון או לקות ראייה, מגיל לידה ועד גיל שש. מאז הקמתה ב־1982, העמותה מלווה מדי שנה כ־150 ילדים ומשפחותיהם במסע משמעותי לעבר עצמאות, ביטחון עצמי ושילוב חברתי.

העמותה מפעילה חמישה מרכזים בפריסה ארצית: פתח תקווה, רחובות, ירושלים, באר שבע וכפר המכביה, ומספקת טיפול שיקומי מקצועי ללא הבדל דת, גזע או מגדר. הגישה של אלי״ע מתמקדת במימוש הפוטנציאל של כל ילד על ידי מתן מענה שיקומי בגילאים הקריטיים (0-6). טיפולים מותאמים אישית מעניקים לילדים ביטחון עצמי, תחושת מסוגלות וכלים לעצמאות. מעבר לכך, העמותה מלווה את ההורים והמשפחה הקרובה, מתוך הבנה שהם סוכני השינוי המרכזיים בתהליך.

הניסיון המקצועי וההישגים של אלי״ע מוכרים ומוערכים ברחבי העולם. 80% מילדי אלי״ע ברי-שילוב התחילו את שנת הלימודים האחרונה במערכת החינוך הרגילה . בשנת 2003, קיבל מיכאל סגל, מנכ”ל העמותה, את אות החסד מעמותת “איזי שפירא”, ואת אות המתנדב מנשיא המדינה בשנת 2005.

אלי״ע מעניקה לכל ילד עם לקות ראייה התחלה שוויונית – ובונה עבורו בסיס חזק של ביטחון עצמי, תקשורת, עצמאות וכישורי חיים, כבר מהשלבים הכי מוקדמים. העמותה פועלת בגישה רב־תחומית המשלבת חינוך, רפואה, שיקום ואהבה גדולה – כדי להבטיח שכל ילד יוכל לראות את העולם בדרכו, גם בלי עיניים.

שלושה צעדים פשוטים להעלאת מודעות

1. בקשו מהבינה המלאכותית לתאר אתכם – מבלי לראות אתכם. נסחו פנייה קצרה כמו: “תתאר אותי מבלי שראית אותי” (אפשר להשתמש בכלי כמו ChatGPT או Claude).

2. קבלו את התיאור – וצרו לפיו תמונה או סרטון קצר. זו ההזדמנות שלכם לראות את עצמכם בעיניים אחרות – דרך מילים, צבעים ודמיון.

3. שתפו את התוצאה ברשתות החברתיות הוסיפו את ההאשטג #אליע_רואים_אחרת ותייגו את @children_of_eliya בפייסבוק או באינסטגרם.

“אני לא רואה אותך – אבל אני מכיר אותך”

AI SEE YOU

ככה אנחנו מעלים מודעות, מפיצים אור – ורואים קצת אחרת.

כך ה-AI תיאר את עמותת אלי״ע. בלי תמונה ובלי פרטים. רק לפי איך שהיא נראית לו.

זו לא רק טכנולוגיה. זו תזכורת אנושית

זה אולי נראה כמו אתגר דיגיטלי – אבל בעצם, זו הזמנה לעצור רגע ולחשוב. כי עבור ילדים עם עיוורון, זו לא רק דרך לראות – זו הדרך לחוות, להכיר, להתחבר. הם לא משתמשים בעיניים – אלא בקול, ברגש, בתחושת הבטן. הטכנולוגיה לא מחליפה את זה – אבל היא יכולה להזכיר לנו איך זה מרגיש. לרגע אחד, גם אנחנו יכולים “לראות אחרת”. וזה אולי הצעד הראשון להבין באמת.

הפוסט AI SEE YOU – הבינה שלא רואה אותך, אבל מכירה אותך הופיע ראשון בLet's AI בינה מלאכותית

מהו Bing Video Creator?

בינג Video Creator הוא פיצ’ר חדש בתוך אפליקציית Bing בסמארטפונים, שמאפשר ליצור סרטונים בני חמש שניות מתוך תיאור טקסטואלי פשוט. הכלי מבוסס על Sora – מודל טקסט לווידאו מבית OpenAI – אשר מסוגל להמיר תיאורים מילוליים לתמונות נעות מרשימות במיוחד.

מחולל הוידאו של בינג. Credit: blogs.bing

הכלי מיועד לקהל הרחב ומציע חוויית שימוש פשוטה ונגישה. כל משתמש יכול להקליד תיאור, לבחור ביצירת וידאו ולצפות בתוצאה תוך דקות ספורות – ללא כל ידע קודם בעריכת וידאו, עיצוב או תכנות.

איך זה עובד?

1. פותחים את אפליקציית Bing במכשיר אנדרואיד או אייפון.

2. לוחצים על תפריט הפעולות ובוחרים ב-“Video Creator”.

3. מזינים תיאור טקסטואלי של הסצנה הרצויה.

4. לוחצים על “Create” – והמערכת תייצר סרטון בהתבסס על התיאור.

איך לייצר וידאו בקלות עם בינג וידאו

הגדרות מתקדמות:

• הסרטונים נוצרים בפורמט אנכי (9:16), ומתאימים במיוחד לפלטפורמות כמו אינסטגרם, טיקטוק ויוטיוב שורטס.
• אורכם הקבוע בשלב זה הוא 5 שניות.
• בהמשך תתווסף תמיכה גם בפורמט אופקי (16:9), המותאם לתצוגת מחשב או טלוויזיה.

כמה זה עולה?

החדשות הטובות: הכלי מוצע בחינם, לפחות בשלב ההשקה. אבל כדאי להכיר את מגבלות השימוש ואת מערך הקרדיטים: כל משתמש חדש מקבל 10 קרדיטים חינם.כל קרדיט מאפשר יצירה אחת במהירות Fast – כלומר, הסרטון נוצר תוך דקות. לאחר שנגמרים הקרדיטים, ניתן להמשיך וליצור סרטונים ללא הגבלה, אך רק במהירות Standard, שלוקחת שעות רבות.

איך משיגים קרדיטים נוספים?

ניתן להמיר 100 נקודות Microsoft Rewards לקרדיט אחד של Fast. הנקודות נצברות דרך חיפושים במנוע Bing או דרך פעולות שונות בחשבון מיקרוסופט – כולל רכישות, סקרים ופעילות כללית.

מגבלות טכניות ותנאי שימוש

ניתן להכניס עד שלוש בקשות לסרטונים במקביל. הסרטונים זמינים באפליקציה למשך 90 יום ולאחר מכן הם יימחקו אוטומטית. בשלב זה הכלי זמין רק למשתמשי האפליקציה הסלולרית של Bing, אך הוא צפוי להגיע בהמשך גם לדסקטופ ולחיפוש Copilot.

חשוב לציין – Bing Video Creator לא נועד להחליף כלי עריכת ויצירת וידאו מקצועיים, אך הוא כן מצליח להמחיש את הפוטנציאל הגלום בטכנולוגיות חדשות ליצירת תוכן תוך שניות. עוד צעד אל עבר הנגשת מודלי AI מתקדמים ודמוקרטיזציה של טכנולוגיה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

זהו ניסיון של מיקרוסופט לבסס אחיזה בשוק היצירתי הצומח של כלי טקסט לווידאו – תחום שבו מתחרות גם חברות כמו גוגל (Veo3), מטא ואחרות, לצד מתחרות כבדות כמו ראנוויי, לומה וקלינג. בניגוד לכלים מסחריים שדורשים תשלום או הרשמה לתוכניות פרימיום, Bing Video Creator מאפשר לכל אחד להתנסות בכוחו של מודל AI מתקדם – מבלי להתחייב.

הפוסט מיקרוסופט השיקה את Bing Video Creator הופיע ראשון בLet's AI בינה מלאכותית

קלוד כסוכן: תמונה הוליסטית של יכולות משולבות

כדי להבין את משמעות ההרחבות החדשות, יש לבחון אותן לא רק כפיצ’רים נפרדים, אלא כחלק ממכלול שמטרתו לאפשר יצירה של סוכני בינה מלאכותית אינטראקטיביים, מחוברים, מבינים הקשר, ובעלי יכולת לפעול באופן עצמאי ומבוסס הקשר.

היכולות החדשות הללו, שנמצאות כעת בבטא ציבורית, משתלבות עם המודלים קלוד אופוס 4 וקלוד סונטה 4, ומאפשרות פיתוח של יישומים חכמים, אינטגרטיביים ורב-שלביים: החל מניתוחי נתונים, דרך אינטראקציה עם מערכות חיצוניות, וכלה בשימור הקשר והקשר על פני זמן. מדובר בקפיצת מדרגה לא רק ביכולות המודל, אלא גם במודל העבודה עבור מפתחים.

כלי הרצת קוד

הרצת קוד מאובטחת בסביבת Sandbox: אחת התוספות הבולטות היא כלי הרצת הקוד (Code execution tool), שמאפשר לקלוד לא רק לכתוב קוד, אלא גם להריץ אותו בפועל בסביבת פייתון מאובטחת ומבודדת. מדובר בסביבת עבודה שמבוססת על לינוקס, כוללת 1 ג׳יגה זיכרון, דיסק של 5 ג׳יגה, מעבד בודד, ותומכת בגרסה 3.11.12 של פייתון.

המודל מסוגל לנתח נתונים, להפיק גרפים, לבצע חישובים סטטיסטיים מתקדמים, ולהפיק תובנות תוך כדי שיחה – מבלי להידרש להרצת קוד חיצונית. השימושים המרכזיים כוללים:

• מודלים פיננסיים: יצירת תחזיות, ניתוח תיקים, חישוב מדדים מורכבים.
• חישובים מדעיים: הרצת סימולציות, ניתוח ניסויים, עיבוד נתוני מחקר.
• בינה עסקית: דוחות אוטומטיים, ניתוח מכירות, לוחות בקרה.
• עיבוד מסמכים: חילוץ מידע, הפקת דוחות מעוצבים, זרימות עבודה תיעודיות.
• ניתוח סטטיסטי: רגרסיה, בדיקת השערות, מודלים חיזויים.

למשתמשים ניתנות 50 שעות שימוש חינמיות ביום, ולאחר מכן העלות עומדת על 0.05 דולר לשעה.

MCP Connector – אינטגרציה חכמה עם מערכות חיצוניות

באמצעות ה-MCP Connector, ניתן לחבר את קלוד לשרתי MCP חיצוניים, כגון Asana או Zapier, ללא צורך בפיתוח ידני של קוד לקוח. ברגע שמציינים את כתובת השרת, המודל מבצע את כל תהליך החיבור, גילוי הכלים, הרצת הפונקציות, ניהול ההרשאות וטיפול בשגיאות – כל זאת נעשה באופן אוטומטי. מדובר במימוש מתקדם של agentic behavior, שבו המודל לא רק מגיב להוראות, אלא שוקל, בוחר ומבצע פעולות – וכל זה בלי צורך בקוד מותאם אישית.

כאשר קלוד מזהה בקשה הכוללת שרת MCP, הוא מבצע סדרת פעולות אוטומטית:

• התחברות לשרת: קלוד יוצר קשר עם כתובת השרת המרוחק שצוינה בבקשה.

• זיהוי כלים: הוא סורק את השרת ומברר אילו כלים זמינים לביצוע.

• שיקול דעת ובחירה: המודל מחליט בעצמו באיזה כלי להשתמש, ואילו פרמטרים יש להעביר לו.

• הרצה סוכנית: הוא מריץ את הקריאות לכלים עד שמתקבלת תוצאה מספקת.

• ניהול תקשורת: קלוד מנהל בעצמו את כל מערך ההרשאות, האימותים וטיפול בשגיאות.

• תגובה מועשרת: לבסוף, הוא מחזיר את התשובה ללקוח כשהיא כוללת את כל המידע המשולב מהכלים החיצוניים.

היתרון המשמעותי טמון בכך שאין צורך לבנות לקוח MCP נפרד או להתמודד עם ממשקים מסובכים. פשוט מציינים את כתובת השרת בבקשה, וקלוד כבר עושה את כל היתר – כולל תמיכה בשרתים מרובים, שימוש באימות OAuth, ובחירה חכמה בין הכלים הקיימים. כך ניתן לשלב כלים חיצוניים מבלי לפתח אינטגרציות מותאמות אישית. יחד עם הצמיחה המהירה של אקוסיסטם שרתי MCP (כמו אלו של Zapier או Asana), היכולת הזו הופכת את קלוד לכלי אינטגרטיבי גמיש, המאפשר להרחיב את יכולות הסוכן ללא פיתוח מסובך – רק באמצעות הגדרה נכונה ב-API.

Files API – ניהול קבצים מתוחכם

עד כה, כל שימוש בקובץ דרש העלאה חוזרת ונשנית. כעת, ניתן להעלות קובץ פעם אחת, ולהשתמש בו שוב ושוב בשיחות שונות. זה פותר כאב ראש אמיתי עבור אפליקציות שנדרשות לטפל בכמויות גדולות של מסמכים, מאגרי מידע או תיעוד טכני. החידוש האמיתי הוא בשילוב בין Files API לכלי הרצת הקוד. קלוד יכול לגשת לקבצים שהועלו, לנתח נתונים מתוך CSV או Excel, ולהפיק תוצרים ויזואליים – הכל בתוך אותה שיחה. התמיכה כוללת גם בפורמטים כמו JSON, XML, תמונות וטקסטים.

זיכרון לטווח ארוך: קאש מורחב

משמרים הקשר, חוסכים משאבים: עד כה, זמן החיים של קאש להנחיות עמד על חמש דקות בלבד. כעת ניתן להרחיבו עד שעה שלמה, מה שמאפשר סוכנים מורכבים יותר, עם הבנה מצטברת של הקשר. לא מדובר רק ב”שימור זיכרון”, אלא גם בהתייעלות משמעותית – עד 90% חיסכון בעלויות ועד 85% שיפור בזמן תגובה. מה השימושים המרכזיים? תהליכי עבודה מרובי שלבים, ניתוח מסמכים מורכבים ואינטראקציה עם מערכות צד שלישי לאורך זמן. המשמעות: זיכרון הקשר הארוך הופך את קלוד למתאים יותר לעבודה מקצועית ורציפה, עם יציבות ושחזור מצב מדויק.

נניח שפיתחתם סוכן לניהול פרויקטים. זה מה שהוא יכול לעשות:

• להשתמש ב-MCP כדי למשוך משימות מ-Asana.

• להעלות דוחות רלוונטיים באמצעות Files API.

• לנתח מגמות וסיכונים באמצעות כלי הרצת הקוד.

• לשמר הקשר מלא במשך שעה שלמה – כולל כל הקבצים, השיחות, והנתונים.

התוצאה היא מערכת סוכנת אחת, שמתפקדת כעוזרת חכמה, אנליסטית, ומנהלת משימות – בו זמנית.

תפיסת עולם חדשה לעידן האייג’נטלי

המהלך האחרון של אנטרופיק לא מסתכם בתוספות פונקציונליות, אלא משקף תפיסת עולם חדשה בפיתוח סוכני בינה מלאכותית: כאלה שלא רק מגיבים, אלא פועלים, מתכננים, ומשתלבים בתהליכים עסקיים וטכניים. קלוד הופך למעין פלטפורמה מודולרית – פתוחה לשדרוג, משתלבת בסביבות מגוונות, ומספקת אינטראקציה דינמית ברמת התוכן והפעולה גם יחד. כפי שראינו בהשקה של אופוס וסונטה, וכפי שמודגם בבירור דרך היכולות החדשות, אנטרופיק ממקמת את קלוד לא כעוד מודל טקסטואלי, אלא ככלי עבודה מקצועי רב ממדי. כל אחד מהפיצ’רים שנסקרו כאן פותח בפני מפתחים אפיקים חדשים ליצירת כלים אינטראקטיביים חכמים, שמבינים הקשר, פועלים בפועל, ומשתלבים באקו-סיסטם רחב יותר.

הפוסט כך תהפכו את קלוד לכלי עבודה אינטגרטיבי ומתקדם הופיע ראשון בLet's AI בינה מלאכותית

איך מתחברים ולמי המודלים החדשים זמינים?

מודלי אופוס 4 וסונטה 4 זמינים למשתמשי קלוד דרך מגוון רחב של פלטפורמות. סונטה 4 נגיש גם למשתמשים בתוכנית החינמית של קלוד, בעוד שאופוס 4 כלול בתוכניות המתקדמות: Pro, Max, Team ו-Enterprise.

מיד עם ההתחברות אתם תראו את המסך החגיגי הבא שמבשר לכם על בואו של קלוד4:

ברוכים הבאים לקלוד4 | Credit: Anthropic

מעבר לממשק הוובי ולאפליקציה, ניתן לגשת אליהם דרך Anthropic API, שירות Amazon Bedrock, או פלטפורמת Vertex AI של Google Cloud. לאחר הכניסה לממשק הצ’ט, תוכלו לראות את המודלים החדשים בכפתור בחירת המודלים:

המודלים החדשים של אנטרופיק – קלוד 4 פה!

מפתחים המעוניינים לשלב את המודלים בתהליכי עבודה קיימים, יכולים להתחבר בקלות דרך ממשקי API מתועדים היטב, ולהתחיל לבנות סוכנים, אפליקציות וכלי פיתוח מבוססי קלוד תוך דקות.

קלוד אופוס 4 וקלוד סונטה 4: מי נגד מי

אוקיי – אז מה יש לנו פה? היום אנטרופיק חשפה שני מודלים חדשים תחת השם קלוד 4 – קלוד אופוס 4 (Claude Opus 4) וקלוד סונט 4 (Claude Sonnet 4). בעוד סונטה 4 מהווה עדכון ישיר לגרסה הקודמת, 3.7 (שהייתה פשוט מדהימה), ומיועד לאיזון בין יעילות לעוצמה, אופוס 4 הוא מודל הדגל.

קלוד אופוס 4: סוס העבודה של אנטרופיק

המיקוד באופוס 4 ברור: הוא מיועד למשימות מורכבות, מתמשכות, ועמוקות – בעיקר בתחום הקוד. אופוס 4 הוא מודל הדגל החדש של אנטרופיק, לא רק מהבחינה הטכנולוגית, אלא גם מבחינת הפוטנציאל האסטרטגי שלו כמנוע עבור סוכני בינה מלאכותית עתידיים. מדובר במודל שנבנה מהיסוד כדי להתמודד עם אתגרים קשים במיוחד, כמו פתרון בעיות בקוד מורכב, פרויקטים שדורשים אינספור שלבים ברצף, ועבודה רציפה לאורך שעות ארוכות – תכונות שהופכות אותו לשחקן מפתח בכל הקשור לפיתוח תוכנה מבוסס בינה מלאכותית.

הביצועים של קלוד 4 | Credit: Anthropic

מודלי קלוד 4 מובילים ב-SWE-bench Verified – מדד לביצועים במשימות פיתוח תוכנה אמיתיות.

קלוד סונטה 4: פתרון מאוזן ליישומים רחבים

לעומת אופוס, סונטה 4 מיועד למגוון רחב יותר של משתמשים וכולל שיפורים משמעותיים בדיוק, הבנת הוראות והיגיון פנימי. ביצועיו מרשימים גם הם, עם ציון של 72.7% ב-SWE-bench, והוא מציע רמות דיוק ואלגנטיות שמאפשרות עבודה חלקה על יישומים אוטונומיים או מול לקוחות. חברות כמו GitHub, Manus ו-iGent כבר שילבו את המודל החדש בסוכנים שלהן, ודיווחו על שיפורים ניכרים בניווט בקוד, פתרון בעיות ויכולת להוציא לפועל אפליקציות מרובות-פיצ’רים בצורה עצמאית כמעט לחלוטין.

כלים, זיכרון וחשיבה מתמשכת

מה שמייחד את דור 4 של קלוד הוא השימוש בכלים חיצוניים במהלך תהליך החשיבה. בשלב הבטא, המודלים מסוגלים לשלב בין ניתוח פנימי לבין חיפוש מידע חיצוני. כלומר, קלוד יכול לחפש מידע ברשת או לקבל גישה למידע או קבצים מקומיים של המשתמש, הן ביומן שלו, בדרייב שלו או במייל שלו. תכונה זו מאפשרת למודלים “לחשוב בקול רם”, להשתמש בכלים שונים במקביל, וכך לשפר את איכות התשובות לאורך זמן.

גם נושא הזיכרון קיבל טיפול רציני: המודלים מסוגלים ליצור קבצי זיכרון (“memory files”) ששומרים עובדות מהותיות, מקשרים בין שלבים שונים במשימה ומספקים רציפות. דוגמה מעניינת לכך היא היכולת של אופוס 4 ליצור מדריך ניווט במהלך משחק פוקימון, מה שמעיד על גמישות קוגניטיבית ואוריינטציה מרחבית.

מנגנון סיכום מחשבתי: פתרון לאורכי רוח

כחלק ממערכת החשיבה החדשה, אנטרופיק הוסיפה גם אפשרות לסיכום תהליכי חשיבה. כאשר תהליך החשיבה ארוך מדי, המערכת יוצרת סיכום תמציתי באמצעות מודל משני. שימוש זה קורה רק בכ-5% מהמקרים, אך הוא ממחיש את הגישה של החברה ליעילות והבנה של מגבלות תצוגה. למפתחים שמעוניינים בגישה גולמית לשרשראות מחשבה, מוצע “מצב מפתחים” (Developer Mode) חדש, שפותח גישה לכל המידע הלא מסונן – פתרון שמיועד למי שעוסק בהנדסת פרומפטים מתקדמת.

קלוד קוד: מפתחים, הגיע הזמן להתקדם

אחת ההכרזות החשובות בהקשר לפיתוח תוכנה היא השקה כללית של “קלוד קוד” (Claude Code). מדובר בסביבת עבודה חכמה המאפשרת עבודה בצוות עם קלוד במגוון סביבות, החל מטרמינל, דרך VS Code ועד JetBrains. ההצעות לעריכה מוצגות ישירות בקבצים, והכל משתלב כחלק טבעי מה-IDE. בנוסף, שוחרר SDK גמיש שמאפשר לבנות סוכנים מותאמים אישית. הדוגמה המובילה היא הרחבת קלוד קוד לגיטהאב: תגובה לבקשות שינוי (PRs), תיקון שגיאות CI, והתאמות אוטומטיות של קוד לפי הערות.

ממשק API חדשני ליכולות מתקדמות

המודלים החדשים מגיעים עם סט יכולות מרשים ב-API של אנטרופיק: כלי להרצת קוד, מחבר MCP, ממשק לקבצים, ואפשרות לשמירת פרומפטים למשך שעה. כל אלה מכוונים להעצמת סוכני AI ולהפיכתם לאוטונומיים באמת, עם יכולת לעבודה ממושכת, שיפור מתמיד והבנה עמוקה של הקשר.

זמינות ומחירים: נגישות לצד פרימיום

מעבר לזמינות בצ’ט, המודלים זמינים דרך Anthropic API, פלטפורמת Amazon Bedrock ו-Google Cloud Vertex AI. סונטה 4 כלול גם בתוכנית החינמית של Claude.ai, בעוד שאופוס 4 מופיע בתוכניות Pro, Max, Team ו-Enterprise. המחירים נשארו כפי שהיו בדגמים הקודמים: אופוס 4 ב-$15/$75 לכל מיליון טוקנים (קלט/פלט), וסונטה 4 ב-$3/$15.

CLAUDE PRICING | Credit: Anthropic.

סוכני AI, פתרונות ארוכי טווח ועתיד שיתופי

קלוד 4 אינו רק שדרוג טכנולוגי – מדובר בתפיסת עולם חדשה לפיתוח סוכני בינה מלאכותית שיכולים לחשוב, לזכור, להשתמש בכלים ולעבוד במשימות מורכבות לאורך זמן. הוא פותח פתח לשימושים רחבים – מחקר מדעי, פיתוח תוכנה, כתיבה, עיצוב תהליכים ועד משחקים מורכבים. העובדה ששני המודלים תוכננו מראש לשלב בין תגובות מיידיות לבין תהליכי חשיבה מתמשכים, מצביעה על גישה שמתעדפת גמישות ואדפטיביות. האפשרות לממש סוכנים שפועלים עצמאית, מסתגלים לסביבה ומתנהלים בזיכרון חכם, מקרבת אותנו לשלב הבא בהתפתחות ה-GenAI והיציאה שלו מ”החדר הסגור” של ממשק הצ’ט אל “מגרש המשחקים” של העולם האמיתי, בו הוא מתממשק ומפעיל כלים חיצוניים. ה-AI הופכת למערכת ההפעלה של העולם החדש. החידושים שראינו עם Claude-4 מציבים רף חדש לתעשייה: מצד אחד, יש כאן דחיפה חזקה אל עבר סוכנים אינטליגנטיים באמת, ומצד שני יש פה שמירה על נגישות, יציבות ותמיכה במפתחים. כעת נותר לראות איך שחקנים אחרים בתעשייה יגיבו, והאם גם הם יאמצו את הרעיון של מודלים שמסוגלים לעבוד כמו שותפים, ולא רק כמנועי השלמה.

הפוסט אנטרופיק משחררים את Claude Opus 4 ו-Claude Sonnet 4 הופיע ראשון בLet's AI בינה מלאכותית

מה זה בכלל “הזיות” של מודלים?

הזיות הן אחת הבעיות המדאיגות ביותר במודלים גדולים של שפה (LLMs). מדובר בתשובות שנשמעות אמינות, אבל פשוט לא נכונות. לפעמים הן שגויות, לפעמים מומצאות לגמרי. איך זה קורה? כי המודלים לא באמת “מבינים” את העולם, הם רק חוזים את המילים הבאות על סמך טקסטים שראו. אין להם בקרה פנימית לעובדות.

הבעיה לא נגמרת בטקסטים. גם מודלים חזותיים מזייפים: למשל, מערכת שציירה את קירבי (הדמות הוורודה של נינטנדו) עם שיניים – למרות שהיא ידעה לומר במפורש שלקירבי אין שיניים. המערכת “זכרה” נכון בטקסט, אבל “המציאה” בתמונה. זה מדגיש את הפער בין רכיבי המודל.

קירבי בולע את דונקי קונג עם (ובלי) שיניים. Credit: vectara.com

לפעמים זה מצחיק. אבל ברוב המקרים – ממש לא. כמו עורך הדין שציטט פסיקות משפטיות שהומצאו על ידי ChatGPT, או התשובה השגויה לשאלה בסיסית: “מה כבד יותר, קילו מים או קילו אוויר?”

מה כבד יותר? Credit: vectara.com

המכנה המשותף? אובדן אמון.

כשה-AI משתלב בתחומים כמו רפואה, משפט או חינוך – דיוק הוא לא מותרות. הזיות פוגעות בדיוק בזה: האמינות. וזה אתגר שאי אפשר להתעלם ממנו.

למה מודלים ממציאים עובדות?

כדי להבין למה ChatGPT ודומיו מייצרים עובדות שגויות, צריך להבין איך הם בנויים. הם לא לומדים את האמת – הם לומדים דפוסים בטקסטים. כלומר: מה סביר שיבוא אחרי מה. כשמודל מייצר תשובה, הוא לא בודק עובדות ולא שואל “האם זה נכון?” הוא פשוט מנחש את המילה הבאה שנשמעת הגיונית. אין לו מושג אם מה שהוא כותב מבוסס או לא.

כאן נכנסת הבחנה קריטית בין שתי גישות: הראשונה נקראת ספר סגור: המודל עונה מתוך “הזיכרון” של מה שלמד באימון. אין לו גישה למידע מעודכן או אמין. השנייה היא ספר פתוח: המודל קודם כל מאחזר מידע בזמן אמת, ואז מסכם אותו. גישה זו מורידה משמעותית את שיעור ההזיות.

בעיה נוספת: המודלים לא יודעים להודות כשהם לא יודעים. הם “זורמים” עם תשובה שנשמעת טוב, גם אם היא שגויה לגמרי. והכי מסוכן? הם עושים את זה בביטחון מלא.

אז לא, זו לא רשלנות. הזיות הן תוצאה ישירה של איך שהמודלים האלה בנויים ומתומרצים: לכתוב טקסט יפה ולאו דווקא נכון.

איך בכלל מודדים הזיות?

כדי לבדוק עד כמה מודל נוטה “להמציא”, צריך שיטה טובה למדוד את זה. כאן נכנסת לתמונה Vectara, שפיתחה כלי בשם HHEM (Hallucination Evaluation Model) – שיטה חדשנית שמודדת האם התשובות של המודל נאמנות למקור. HHEM לא בודק אם הטקסט “נשמע טוב”, אלא אם הוא באמת מבוסס. הוא מתמקד בסיכומים שבהם המודל ניסח מחדש את המידע, לא רק העתיק. ובניגוד למה שאפשר לחשוב, מדובר במודל קטן יחסית – מה שמוכיח שלא צריך בינה מלאכותית ענקית כדי לעשות עבודה חכמה.

המודל הושווה לאחרים (כמו SummaC ו־TrueTeacher), וזכה לציון גבוה מאוד – 0.837 במדדים כמו דיוק ויכולת הבחנה בין אמת להזיה. בשלב הבא הקימה Vectara את לוח המובילים של ההזיות – דירוג פומבי של מודלים שסיכמו כתבות אמיתיות (כמו מ־CNN או DailyMail). כל סיכום נבדק לפי שיעור הזיה – כמה מהסיכומים הכילו עובדות שגויות, שיעור עקביות – ההיפך מהזיות (100% פחות שיעור ההזיה), שיעור תגובה – כמה פעמים המודל ענה בכלל ואורך סיכום ממוצע.

השורה התחתונה? יש עכשיו דרך ברורה להשוות בין מודלים ולמדוד בדיוק מי נוטה להזות ומי מספק מידע אמין. וזה צעד חשוב לעבר עולם AI שאנחנו באמת יכולים לסמוך עליו.

לוח המובילים של ההזיות – מי באמת אמין?

אז מי שומר על האמת בעולם שבו AI לפעמים ממציא? Hallucination Leaderboard של Vectara נותן תשובה. זהו דירוג שמתעדכן ב־GitHub ומשווה בין מודלים גדולים לפי רמת האמינות העובדתית שלהם – על בסיס גרסה מתקדמת של מודל ההערכה HHEM-2.1. נכון לאפריל 2025, המקום הראשון שייך ל־Gemini-2.0-Flash-001 מבית Google, עם שיעור הזיה של 0.7% בלבד. אחריו Gemini-2.0-Pro-Exp גם של גוגל, o3-mini-high של OpenAI, ו־Mockingbird-2-Echo של Vectara. כולם עם שיעורי הזיה של פחות מ־1%.

לא רק הגודל קובע

זה אולי מפתיע, אבל חשוב להבין: מודלים קטנים ויעילים עקפו לא פעם את הענקים. המשמעות? מה שחשוב באמת הוא איך המודל מאומן ואיך הוא בנוי – לא רק כמה פרמטרים יש לו.

תובנות בולטות מהדירוג:

• משפחות שומרות על רמה – מודלים מאותה סדרה (כמו GPT או Gemini) מציגים ביצועים עקביים.

• פחות לפעמים זה יותר – סיכומים קצרים נוטים להזות פחות.

• עדיף לשתוק מאשר להזות – יש מודלים שמסרבים לענות כשאין להם ודאות. וזה דווקא דבר טוב. כמו שנאמר: “סייג לחכמה – שתיקה.”

הלוח כולל גם תרשימים חזותיים שממחישים את הפערים – עד פי 7 בין המובילים לגרועים. ויש גם השוואה לגרסאות קודמות, שמראה איך התחום כולו משתפר לאורך זמן.

ולמה זה חשוב? כי רק כשמודדים – אפשר להשתפר. ולוח ההזיות הוא כלי מפתח בדרך ל-AI באמת אמין.

Gemini-2.0-Flash-001 עם שיעור הזיה של 0.7% בלבד. Credit: vectara.com

אז מה עושים? איך מצמצמים הזיות?

החדשות הטובות: יש דרך להתמודד עם זה. הפתרון המוביל נקרא RAG – ראשי תיבות של Retrieval-Augmented Generation. או בעברית פשוטה: מודל שיודע קודם לחפש – ואז לנסח. במקום לסמוך על “הזיכרון” הפנימי של המודל, כמו בגישת “ספר סגור” – RAG פועל בגישת “ספר פתוח”: המערכת מאחזרת מידע מעודכן ממקור חיצוני, ורק אז מבקשת מהמודל לסכם אותו. כך היא מצמצמת משמעותית טעויות והמצאות. אנחנו כבר רואים את זה בפעולה – למשל ב־Bing Chat או Google Search Chat, שמשלבים חיפוש עם ניסוח מבוסס־מודל.

כדי שמערכת RAG תעבוד באמת – שני דברים חייבים לקרות: קודם כל, האחזור חייב להיות מדויק – כלומר, המידע שנשלף צריך להיות רלוונטי, עדכני ואמין. אבל זה לא מספיק. גם הסיכום שהמודל מנסח חייב להישאר נאמן למקור, בלי לעוות או להמציא. כאן בדיוק נכנסים לתמונה כלים כמו HHEM, שמודדים עד כמה הפלט משקף את העובדות שנשלפו.

עם זאת, RAG היא רק אחת מהשיטות להפחתת הזיות. חלק מהמודלים עוברים כיוונון ייעודי שמלמד אותם לזהות ולצמצם נטייה להמציא. אחרים עושים שימוש ב־כימות אי־ודאות – ומאותתים כשהם לא בטוחים, במקום לנחש. ויש גם כאלה שמפעילים מודולי אימות – שבודקים את התשובה מול מקורות לפני שהיא נשלחת למשתמש. ולמרות שיש כבר מודלים שמציגים עקביות של יותר מ־99% – עדיין מדובר באתגר פתוח. במיוחד כשמדובר בשאלות מורכבות, או בתחומים שבהם אין הרבה מידע איכותי.

בתמונה המצורפת תראו השוואה בין שתי דרכי פעולה של מודלי שפה. בצד ימין – גישת “ספר פתוח” (Open Book Q&A): המודל קודם מאחזר מידע ממקור חיצוני ורק אחר כך מנסח תשובה על בסיסו. כך מתקבלת תשובה מבוססת יותר, שמפחיתה טעויות והזיות. בצד שמאל – גישת “ספר סגור” (Closed Book Q&A): המודל מנסה להשיב רק מתוך מה שלמד באימון, בלי לבדוק במקורות בזמן אמת. זוהי גישה מהירה, אך מועדת יותר לשגיאות ולהמצאות:

השוואה בין שתי גישות למענה על שאלות על ידי מודלי שפה גדולים. Credit: vectara.com

מה עושים עם זה? השלכות מעשיות למפתחים ולמשתמשים

הזיות הן לא רק באג טכני – הן אתגר שדורש התמודדות מודעת מצד כולם: מפתחים, ארגונים וגם משתמשים.

למפתחים וארגונים

1. לבחור נכון את המודל: לוח ההזיות של Vectara עוזר לזהות מודלים מדויקים במיוחד – וזה קריטי בתחומים כמו רפואה, משפט וחינוך, גם אם זה בא על חשבון מהירות או יצירתיות.

2. ליישם RAG: חיבור למקורות מידע חיצוניים מאומתים מצמצם הזיות. אבל זה עובד רק אם מנגנון האחזור מדויק והמודל יודע לנסח בלי לעוות.

3. לאותת כשאין ודאות: מודלים צריכים להבהיר מתי הם לא בטוחים. זה יכול להיות ניסוח זהיר (“למיטב ידיעתי…”) או ציון רמת ביטחון.

4. לחנך את המשתמשים: ללמד את המשתמשים לא לסמוך בעיניים עצומות. לבדוק, להצליב, להבין את הגבולות של המערכת ולהשתמש בה בחכמה.

5. להיות שקופים: ארגונים צריכים להצהיר בגלוי על מגבלות המערכת. השקיפות בונה אמון ושומרת על אחריות.

למשתמשים

1. לשמור על ספקנות בריאה: לא כל מה שנשמע חכם – באמת נכון. אל תדלגו על הצלבת מקורות.

2. להבין את המגבלות: המודל עשוי להשיב בביטחון מלא גם כשהוא טועה. חשוב לזכור את זה.

3. להשתמש באחריות: ראינו מקרים, גם בעולם וגם כאן בישראל, שבהם עורכי דין ציטטו פסקי דין שלא קיימים. זו תוצאה ישירה של שימוש במודלים שמספקים מידע בביטחון מופרז, גם כשהוא פשוט לא נכון. טעויות קטנות כאלה עלולות להוביל להשלכות גדולות – משפטיות, מקצועיות ואישיות.

פסקי דין מומצאים. Credit: vectara.com

שמירה על אמינות לפעמים באה על חשבון יצירתיות, עומק או מהירות. אין כאן פתרון אחד שמתאים לכולם. הבחירה הנכונה תלויה בהקשר ודורשת אחריות, תכנון וחוכמה.

שישה כיוונים לעתיד בלי הזיות

המאבק בהזיות לא נגמר – הוא רק מתחיל. התחום של זיהוי והפחתת שגיאות עובדתיות נמצא היום בתנופה, ואלה שישה כיוונים מבטיחים שכדאי לעקוב אחריהם:

1️⃣ כלים חכמים יותר להערכה

מודלים כמו HHEM עושים עבודה טובה, אבל העתיד שייך לכלים שיידעו להבחין בין סוגי הזיות – קטנות מול קריטיות, או לפי תחום.

2️⃣ אימות תוך כדי יצירה

במקום לבדוק אחרי, המודלים העתידיים יבדקו תוך כדי. אחזור בזמן אמת, בדיקת עובדות ותיקון לפני שהשגיאה יוצאת החוצה.

3️⃣ שדרוג הארכיטקטורה והאימון

זה לא רק גודל. שיטות ענישה להזיות, ייצוג של חוסר ודאות, ושכבות חכמות – כל אלה ישפרו את האמינות.

4️⃣ מודלים מותאמים לתחום

רפואה, משפט, מדע – לכל תחום יש שפה ומידע משלו. מודלים ייעודיים יידעו לדייק יותר במרחבים מורכבים.

5️⃣ מערכות RAG מתקדמות

RAG יהפוך לחכם יותר, יבין כוונות, ימצא מקורות מדויקים, ויבנה הקשר עשיר שיאפשר תשובה אמינה באמת.

6️⃣ ממשקי משתמש אחראיים

הצגת רמת ודאות, קישורים למקורות, או אפילו דעות חלופיות – כל אלה יעזרו למשתמש להבין מתי לסמוך ומתי לבדוק שוב. מעבר לכך, נתחיל לראות גם מערכות שלומדות ממשוב אנושי ומשתפרות בזמן אמת, רגולציה שדורשת שקיפות, גילוי מגבלות, ואחריות משפטית על מידע שגוי.

העתיד לא נקי מהזיות – אבל הוא בהחלט בכיוון הנכון.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

הבינה צריכה בסיס מוצק

הזיות הן לא רק תקלה טכנית, הן החסם הגדול ביותר שעומד היום בפני אימוץ אמיתי של בינה מלאכותית. הן אולי מתחילות בטעות קטנה, אפילו משעשעת – אבל יכולות להסתיים באבחון רפואי שגוי, בייעוץ משפטי מסוכן, או בפגיעה באמון של תלמיד, משתמש או לקוח. כדי להתמודד עם זה, העולם עובר לגישה פתוחה יותר. מודלים שמחוברים למידע אמיתי בזמן אמת – לא רק למה שהם זוכרים מהאימון – מייצרים פחות הזיות ויותר דיוק. מתברר שגם הגודל כבר לא משחק תפקיד כמו פעם. דווקא המודלים הקטנים, שבנויים נכון, מצליחים להחזיק באמינות גבוהה יותר. אבל כל זה לא שווה הרבה בלי מדידה. בלי כלים כמו HHEM ולוחות דירוג שמאפשרים השוואה, אי אפשר לשפר באמת.

אז מה נדרש? מהמפתחים – דיוק לפני באזז, שקיפות אמיתית, ומוכנות להודות כשאין ודאות. מהמשתמשים – ספקנות בריאה, הצלבת מידע, והבנה שמודל מרשים הוא עדיין לא מקור מוסמך. אנחנו נמצאים בתחילתה של דרך ארוכה. עם כלים טובים יותר, מבנים חכמים יותר, ויותר מודעות לסיכון – נוכל להפוך את הבינה המלאכותית ממשהו שמרשים אותנו, למשהו שאנחנו באמת יכולים לסמוך עליו. אבל כדי שזה יקרה, היא צריכה לעמוד על שלושה עקרונות פשוטים: אמת. אחריות. אמון.

הפוסט מדריך להישרדות בעידן ההזיות של הבינה המלאכותית הופיע ראשון בLet's AI בינה מלאכותית

מהפכת התוכן הוויזואלי: כש-AI פוגש את תעשיית ההפקות

עבור חברות מסחריות, מוזיקאים, משרדי פרסום ואמנים מכל הסוגים, הדילמה הכלכלית ברורה: האם לשלם מאות אלפי שקלים על יום צילום, לוקיישנים, תאורה, שחקנים ואנשי צוות, או להפיק את אותו התוצר בעזרת טכנולוגיות AI מתקדמות, תמורת שבריר מהמחיר? כשמכניסים למשוואה גם את יתרונות הגמישות, הנגישות והיכולת לייצר תוצאה ויזואלית ברמה גבוהה כמעט מיידית – התשובה ברורה למדי. הפקה מסורתית של סרטון פרסומת או קליפ מוזיקלי היא משימה לוגיסטית מורכבת, יקרה ולעיתים גם מתסכלת. צריך לגייס תסריטאי, במאי, שחקנים, מאפרים, תאורנים, צלמים, עורכים – והכול לפי תקציב שלא תמיד מאפשר תמרון. בנוסף, כל שינוי קטן בתסריט או בקונספט עלול לגרור עלויות כבדות ולוח זמנים מתארך.

למעשה, שילוב כלים גנרטיביים מאפשר היום לייצר תסריטים בעזרת מודלי שפה, לעצב דמויות עקביות עם מחוללי תמונות או כלים לבניית לורות (LoRA), ליצור שחקנים מלאכותיים באמצעות אווטארים דיגיטליים ולעשות ליפסינק (Lipsync), לבנות סצנות שלמות עם מחוללי וידאו, לבצע עריכה חכמה ולהוסיף פסקול בהתאמה אישית – והכול באינטגרציה חלקה אחת. כיום, בזכות ההתפתחות של מערכות AI גנרטיביות, אפשר לדלג על מרבית השלבים הללו. בעזרת הבינה המלאכותית ניתן להפיק סרטון ברמה מקצועית, בפחות זמן, בפחות כסף ועם שליטה יצירתית מלאה.

עלות מול תועלת: למה זה פשוט משתלם

מי שעבד בעבר על סט צילומים יודע שהפקה קולנועית או פרסומית יכולה להגיע לעשרות ולעיתים גם למאות אלפי שקלים. כאשר האפשרות האלטרנטיבית היא כלי בינה מלאכותית שיכולים לייצר תוצאה קרובה – ולעיתים אף עדיפה – בעלות של אלפי שקלים בודדים, התשובה כמעט ברורה מאליה.

• חיסכון בכוח אדם: אין צורך בגיוס צוותים גדולים, בשכירת ציוד יקר, בלוקיישנים מורכבים או בניהול פרויקטים מתישים.
• גמישות יצירתית מוחלטת: אפשר “לצלם” על הירח, להחיות דמויות בדיוניות, לשלב סצנות אקסטרים ולהשיג תוצאה שתואמת בדיוק את הדמיון.
• מהירות תגובה: הסרטון יכול להיות באוויר תוך ימים או שבועות, ולא תוך חודשים. שינוי בתסריט? זה לוקח דקות, לא שעות. תיקונים בפוסט?! כמה קליקים ואתם אחרי זה.

גם אתם תוכלו ליצור קליפים כאלה!

שליטה בכל שלבי ההפקה הדיגיטלית

ההבדל המהותי בין חובב למקצוען טמון ביכולת לשלוט בכל שלבי ההפקה, החל מהרעיון הראשוני ועד לקובץ הסופי. יצירת סרטון AI איכותי איננה רק עניין של לחיצה על כפתור, אלא של הבנת הפוטנציאל של כל כלי, שימוש נכון בפרומפטים, אינטגרציה בין פלטפורמות, ויכולת לנהל את התהליך בצורה אסטרטגית.

שלבי ההפקה כוללים:

• כתיבת תסריט וסטוריבורד: באמצעות כלים כמו ChatGPT של OpenAI או קלוד (Claude) של אנטרופיק (Anthropic).

• יצירת דימויים: עם מחוללים כמו מידג’רני (Midjourney), מודל התמונה 4o של OpenAI או אידאוגרם (Ideogram).

• בניית דמויות אווטאר: כלים כמו הייג’ן (Heygen) או D-ID מאפשרים יצירת שחקני AI עם קול, תנועה והבעה.

• הנפשה ווידאו: כלים כמו ראנווי (Runway), לומה (Luma Dream Machine), סורה (Sora), קלינג הסינית (Kling) ואחרים, מייצרים וידאו עם AI, מאפשרים להנפיש תמונות סטטיות ועוד הרבה מעבר.

• עריכת פסקול: שילוב של כלי סאונד כמו סונו (Suno) ואחרים, מאפשרים לבנות פסקול מותאם עם AI, ואפילו ליצור אפקטים קוליים.

יצירת סרטים עם AI – אתם חייבים לשלוט בכל עולמות הבינה היוצרת (Generative AI).

הקורס שמחבר את כל הנקודות

כדי להפוך ליוצר תוכן מקצועי בעולם החדש, נדרש לא רק ידע בכלים – אלא שיטה. זו בדיוק המטרה של הקורס ליצירת סרטים, פרסומות וקליפים עם AI מבית LetsAI: לא עוד קורס תיאורטי, אלא מסלול מעשי שמחבר את כל היכולות הנדרשות לעשייה מקצועית בפועל.

לפרטים על קורס יצירת פרסומות, קליפים וסרטים עם AI, לחצו פה.

מה כולל הקורס?

• שיעורים בלייב זום עם מרצים מהתעשייה: אחת לשבוע, שיעורי זום עם מומחי AI, אשפי בינה יוצרת, יוצרים, עורכים ובמאים בעלי ניסיון אמיתי. הנה טעימה מהדמויות שהתארחו אצלנו ב-LetsAI: הפזמונאי וזוכה האירוויזיון דורון מדלי, מתן כהן גרומי (Founding Creative Director ב-Pika), התסריטאי והבמאי ערן ב.י. ועוד.
• קבוצת תמיכה סגורה: ליווי וחניכה שוטפים בקהילה פעילה – למידת עמיתים במיטבה, לצד מענה מקצועי מצד המתרגלים המקצועיים שלנו, מנחי הקורס ומומחי GenAI.
• מעל 100 שיעורים מוקלטים: כל תכני הקורס זמינים באתר ייעודי, שמתעדכן על פי ההתפתחויות.
• מאגר בוטים וכלי AI לשימושכם: גישה חופשית לבוטים מקצועיים, פרומפטרים וכלים טכנולוגיים שמסייעים בתהליך היצירה והלמידה, ומלווים אתכם 24/7.
• וובינרים שבועיים: חשיפה קבועה לכלים חדשים, טכניקות מתקדמות וסשנים עם מומחים מתחומים שונים.
• מדריכים כתובים: מדריכים לכל הכלים המובילים בתעשייה, שמתעדכנים באופן שוטף ויומיומי, כולל דוגמאות יישומיות.
• סביבת למידה מתקדמת: פלטפורמה חיה, משתנה ודינמית – שמעדכנת אתכם תמיד עם מה שחם באמת. זה לא קורס – זה אקוסיסטם של למידה ויצירה!

הניסיון שמאחורי המילים

הקורס הזה אינו יוזמה מקרית, אלא תוצאה של ניסיון והיכרות מעמיקה עם השוק והתעשייה. כל מה שתלמדו בקורס המדהים הזה הוא תוצר של עבודת שטח אמיתית ושנים של ניסיון בעולמות הפרסום, הטלוויזיה, המוזיקה והבידור. מאחורי LetsAI עומדים אנשים עם ניסיון של עשורים בתעשיית הטלוויזיה, המוזיקה והפרסום. הפקנו קליפים ופרסומות לאמנים ויוצרים מובילים בתעשייה, וכמובן אנחנו מספקים שירותי AI לחברות הגדולות בארץ ובעולם! ההקפדה היא לא רק על איכות התוכן, אלא על חיבור ישיר לשוק ולצרכים האמיתיים של הלקוחות, מה שמבטיח שבוגרי הקורס יוצאים עם סט כלים פרקטי ויכולת להתחרות על פרויקטים רציניים כבר מהיום הראשון.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

מתי בפעם האחרונה למדת משהו שבאמת שינה את הקריירה שלך?

בזמן שחלק מהיוצרים עדיין מחכים לאישור תקציב או מחפשים צוותים, אחרים כבר יוצרים סרטוני AI שמכניסים אלפי שקלים לפרויקט, ולעיתים גם עשרות אלפים. שוק התוכן הוויזואלי החדש דורש לא רק כישרון, אלא הבנה טכנולוגית ויכולת להפיק תוצרים בקצב שהעולם דורש. הקורס של LetsAI לא מבטיח לכם הצלחה – אבל הוא נותן את כל הכלים להגיע אליה. מה שתעשו עם זה, תלוי רק בכם. זו ההזדמנות שלכם להפוך את הידע ליוזמה, את היצירתיות לעסק, ואת ה-AI לקריירה חדשה.

אבל אל תקשיבו לנו – הקשיבו להם! מוזמנים להעיף מבט על הביקורות של בוגרי הקורסים שלנו:

משתתפים משתפים

הפוסט עתיד הפרסומות והקליפים נמצא ב-AI הופיע ראשון בLet's AI בינה מלאכותית

זיהוי הזדמנויות: איך AI קוראת את השוק לפני כולם

בעידן שבו לכל שחקן יש גישה לנתונים, הערך האמיתי עובר לפרשנות וליכולת לנבא. כאן בדיוק נכנסת AI לתמונה. כלים מבוססי בינה מלאכותית יודעים לסרוק במהירות עצומה מאגרי מידע ציבוריים, תוכניות בניין עיר (תב”עות), דוחות נדל”ן, מסמכים פיננסיים וכתבות חדשותיות – ולהפיק מהם תובנות בזמן אמת.

המערכות הללו מזהות מגמות מתהוות בשווקים לפני שהן זוכות לתשומת לב ציבורית, מאתרות נכסים בעלי פוטנציאל צמיחה גבוה, ומתריעות מפני סיכונים פוטנציאליים. בזכות האפשרות להתאים את המודלים לפרופיל ההשקעה האישי, ניתן לבנות “יועץ נדל”ן חכם” שפועל לפי סגנון ההשקעה של המשתמש, תוך ניתוח רמת סיכון, צפי תשואה, והעדפות אזוריות.

מחקרי עומק ורוחב עם בינה מלאכותית – כשה-AI עובד בשבילך!

מודלי שפה מתקדמים לא רק מגיבים לשאלות – הם חוקרים בעצמם. בעזרת כלים שיודעים לבצע מחקרי עומק עמו Deep Research, בינה מלאכותית יודעת ליזום חיפושים באינטרנט, לקרוא עשרות מקורות מידע, לשאול את השאלות הרלוונטיות, לאסוף תשובות ולאגד את המידע למסמך מחקר של ממש. תהליך כזה עשוי להימשך 20–30 דקות, אך התוצר הסופי – דוח מפורט של אלפי מילים – מהווה בסיס משכנע לקבלת החלטות בשוק נדל”ן מסוים או סביב עסקה ספציפית.

למשל – שימו לב מה קרה כשביקשנו מ-Deep Research של ChatGPT לנתח את שוק הנדל”ן בת”א. פה תמצאו מידע נוסף על דרך הפעולה שלו במקרה הזה, ועל התובנות שהוא הציף.

קיצור תהליכים – זמן הוא כסף, ובינה מלאכותית חוסכת את שניהם

חסכון בזמן ומשאבים שווה כסף בכיס

החיסכון בזמן שמציעים כלים מבוססי AI הוא דרמטי. בעוד שאדם יידרש לשעות רבות כדי לקרוא, לנתח ולהצליב נתונים מתוך דוחות, קבצי PDF או גיליונות אקסל, ה-AI עושה זאת בדקות ספורות.

מה שאתה לא יודע יכול להזיק לך

הבעיה היא שלא כל אדם מחזיק בידע ובהיכרות עם הכלים הללו. לפעמים פיסת מידע קטנה יכולה להיות ההבדל בין פלט מדהים ומדויק, לגיבוב של שטויות רהוטות להפליא (שהאדם המצוי עלול לקבל כאמת לאמיתה). לדוגמה – לא כולם יודעים, אבל קלוד (Claude) מעדיף אינפוטים של קבצי PDF בעת משימות של ניתוח נתונים, והוא פחות מדייק כשמעלים אליו קובץ Excel. הוא יכול ממש להמציא נתונים – הזיות של המכונה. לכן טיפ פרקטי במיוחד הוא להמיר מראש אקסלים לפורמט זה כדי לקבל תוצאות טובות ומהירות יותר.

עיבוד מיידי של מידע מורכב

היכולת לסכם מסמך משפטי ארוך, לנתח מגמות מתוך דו”ח פיננסי או רגולטורי, או להצליב נתונים על עסקאות עבר, הופכת באמצעות AI לפעולה פשוטה. מה שפעם דרש אנשי מקצוע רבים ותהליך ידני ממושך, מבוצע כיום בלחיצת כפתור אחת.

בינה מלאכותית משנה את חוקי המשחק גם עבור משקיעים מתחילים

אחד מהשינויים המהותיים שמביאה הבינה המלאכותית הוא חיזוק היכולת של המשקיע הלא מקצועי. אין הכוונה להחליף יועצים ומומחים, אלא לאפשר גם למשקיע המתחיל להבין יותר, לשאול שאלות טובות יותר, ולדרוש מידע מדויק.

לכל אדם יש את הזכות לקבל גישה לידע ולמידע

באמצעות כלים כמו ChatGPT ניתן להעלות מסמכים מורכבים – החל מתלושי שכר ועד חוזי שכירות – ולקבל תובנות ברורות ושפה פשוטה. כמובן שיש להקפיד על שמירה על פרטיות ואבטחת מידע, אך ברגע שהמידע מועבר בבטחה, AI יכולה להפוך את הבלתי מובן – למובן מאליו.

דוגמאות מהשטח

• תמחור נכס: במקום להסתמך על תחושת בטן או הערכות מתווכים, משקיעים יכולים להכניס נתונים ולקבל הערכת שווי מדויקת של נכס למכירה או להשכרה.

• התייעצות משפטית: בראיון שי סיפר על משקיעה ששאלה על בטוחות שראוי לדרוש מהשוכר, ואז קיבלה מ-ChatGPT רשימה של כל הבטוחות הנהוגות בשוק, עם הסברים, תוך שנייה. 

דמוקרטיזציה של מידע: ידע פיננסי בגובה העיניים

כמו בתחומים רבים אחרים, גם בנדל”ן הידע נתפס לעיתים קרובות כזכות של המעטים. בינה מלאכותית שוברת את המחסום הזה. כלים כמו פרפלקסיטי (Perplexity) ו-ChatGPT מאפשרים לכל אדם לבצע מחקרים, לנתח דוחות ולקבל ייעוץ ממוקד גם ללא רקע מוקדם. ברוח זו, החזון של קהילות כמו “ידע שווה כסף”, LetsAI או “קליקת הנדל”ן” נפגשים! המטרה של כולנו היא להנגיש מידע פיננסי לציבור הרחב, ופה הטכנולוגיה, ה-AI וגישה לשיטות עבודה ומיומנויות הכרחיות, עוזרות למשקיעים רבים ליישם זאת הלכה למעשה. כל משתמש יכול לבקש ניתוח של דוח שכר, של מסמך בנקאי או של תב”ע מורכבת, ולקבל הסבר ברור, בגובה העיניים.

בדיקות רקע מתקדמות, מבלי לשכור חוקר פרטי

בעסקאות גדולות, מידע הוא לא רק נכס – הוא ביטחון. כלי AI מאפשרים לבצע בדיקות רקע (Due Diligence) על שותפים פוטנציאליים, יזמים וחברות, ולחשוף מידע שבעבר נדרש לשם כך חוקר פרטי. בראיון הראנו מספר מקרים שכאלה:

• גילוי תביעות: שותף שהיה קרוב לסגור עסקה גילה, בזכות בדיקת רקע ב-AI, כי עומדות תביעות על שותפו לעתיד – מהלך שחסך לו הפסדים אפשריים.

• בדיקת יזם בפינוי-בינוי: בעבר, בדיקה כזו הייתה דורשת קשרים או חוקר פרטי. כיום, בדיקה מעמיקה של היזם – היסטוריה משפטית, פרויקטים קודמים, חוות דעת – זמינה בלחיצת כפתור.

הצטרפו לערוץ הטלגרם שלנו – המקום בו אנחנו מעדכנים בתדירות הכי גבוהה, ובו אפשר לראות גם תכנים לפני שהצטרפתם.

AI כזרז לחשיבה עצמאית

מעבר לפונקציונליות, AI משמשת כטריגר לחשיבה ביקורתית. היא לא בהכרח תחליף את היועץ, אלא תגרום לך להבין אילו שאלות לשאול אותו. בעולם שבו הבעיה היא לא חוסר מידע – אלא עודף מידע – הבינה המלאכותית פועלת כמסננת חכמה, שמוציאה את העיקר מהטפל, ועוזרת למשתמש להתמקד במה שחשוב באמת.

הבינה המלאכותית לא הופכת אתכם למומחים לנדל”ן, אבל היא בהחלט הופכת אתכם לחכמים יותר, מדויקים יותר ובטוחים יותר בכל צעד שאתם עושים. מצד שני, הקורס שלנו לשילוב AI בהשקעות נדל”ן עושה את שני הדברים הללו בדיוק! מצד אחד המומחים של LetsAI נותנים  לכם כלים פרקטיים והדרכה מעמיקה לשילוב AI בעולם הנדל”ן, ומצד שני – המומחים של “ידע שווה כסף” ו”קליקת הנדל”ן” נותנים את המעטפת המקצועית והניסיון מעולמות ההשקעות, הפיננסים והנדל”ן. בסופו של יום אתם מרוויחים – שתי ציפורים במכה! גם שליטה בכלי ה-AI שמשנים את העולם, וגם קורס מקצועי להשקעות בנדל”ן ומחקרי שוק עם AI, בתחום הפיננסים והנדל”ן.

בעידן שבו כל מידע קיים אבל מעט מאוד אנשים יודעים מה לחפש, הכלים האלו משנים את התמונה. לא רק שהשוק נגיש יותר – הוא גם נהיר וברור יותר. בעולם שבו כל שאלה יכולה להיענות וכל מסמך יכול להיות מובן, כוחו של המשקיע טמון לא רק במה שהוא יודע – אלא במה שהוא מבין. ו-AI? היא הגשר בין השניים.

דיסקליימר: אין לראות באמור לעיל משום המלצה לביצוע פעולות ו/או ייעוץ השקעות ו/או שיווק השקעות ו/או ייעוץ מכל סוג שהוא. המידע המוצג הינו לידיעה בלבד ואינו מהווה תחליף לייעוץ המתחשב בנתונים ובצרכים המיוחדים של כל אדם. כל העושה במידע הנ”ל שימוש כלשהו – עושה זאת על דעתו בלבד ועל אחריותו הבלעדית.

הפוסט שי בדיחי מתארח ב”בינה אחרת” לשיחה על נדל”ן, פיננסים ו-AI הופיע ראשון בLet's AI בינה מלאכותית

מה חדש באמת ולמה זה משנה?

טכנולוגיית LoRA (Low-Rank Adaptation) לאימון דמויות כבר קיימת בפלטפורמות כמו Stable Diffusion או Astria. אבל עד עכשיו, זה היה חסר ב־Leonardo – אחת הפלטפורמות הנוחות והפופולריות ליצירה ויזואלית.

לפרטים על קורס יצירת פרסומות, קליפים וסרטים עם AI, לחצו פה.

 

הבשורה?

Leonardo סוף סוף שילבה את האפשרות לאמן LoRA בשילוב עם המודל המתקדם Flux, בתוך ממשק פשוט שלא דורש קונפיגורציות או קפיצות בין כלים. וזה משנה הכול.

רגע, מה זה בעצם LoRA?

זו שיטה חכמה ללמד את המודל לזהות דמות מסוימת מבלי לאמן אותו מחדש מההתחלה. במילים פשוטות: “תכיר, זו הדמות שלי – תזכור אותה ותשתמש בה שוב ושוב, כמו שהיא.”

אז מה זה נותן לי באמת?

תחשבו על קומיקס שבו הדמות הראשית חייבת להיראות בדיוק אותו דבר בכל פאנל, על פרזנטור בקמפיין שיווקי שלא “משתנה” בין תמונות או על סטוריבורד שבו כל דמות חייבת להישאר עקבית מתחילת הסרטון ועד סופו. בלי עקביות – הכול נראה חובבני. ועכשיו, עם LoRA ו־Flux, זה סוף סוף פשוט ונגיש – גם בתוך Leonardo.

בואו נראה, צעד אחר צעד, איך בונים מודל דמות עקבי משלכם.

איך יוצרים דמות עקבית עם Flux? 

אם עדיין אין לכם חשבון ב־Leonardo, זה הזמן. פשוט כנסו לאתר, ותוכלו להירשם בכמה שניות – עם חשבון גוגל או מייל וסיסמה. זה חינמי, ובלי זה אי אפשר להתקדם.

שלבי אימון לורה בלאונרדו

שלב 1: גישה לחלק המודלים והאימון

בממשק הראשי/דף הבית – נכנסים ל“Models & Training” בסרגל השמאלי תחת Advanced – זו נקודת ההתחלה שלנו.

שלב 2: בחירת סוג המודל

לוחצים על האפשרות “Character” – זו האופציה שתאפשר לנו ליצור דמות עקבית.

שלב 3: העלאת מאגר תמונות איכותי

דאטה-סט זה אולי השלב הכי חשוב בתהליך. כדי שהמודל ילמד את הדמות כמו שצריך, מומלץ להעלות בין 20 ל־30 תמונות איכותיות ומגוונות של אותה דמות – מזוויות שונות, בתאורות משתנות, במיקומים מגוונים ועם הבעות פנים שונות. המפתח כאן הוא גיוון. ככל שהתמונות משקפות יותר מצבים, כך ה-AI ידע לזהות את הדמות שלכם ולהציג אותה באופן עקבי – מכל זווית ולכל צורך.

שלב 4: מתן שם ותיאור למודל

בוחרים שם משמעותי למודל שלכם ומוסיפים תיאור שיעזור לכם לזהות אותו בקלות בעתיד.

שלב 5: בחירת סוג האימון – כאן מתחיל הקסם

זה השלב שבו נבחר את סוג האימון, וכאן בדיוק נכנסת האופציה החדשה של Leonardo: Element. אל תבחרו ב־Finetuned Model – זו השיטה הישנה, שעדיין מבוססת על מודלים מיושנים כמו SD1.5 ו־SD2.1. במקום זה, לכו על Element – האפשרות שמאפשרת לכם לבנות LoRA מותאמת אישית עם מודלים מתקדמים כמו Flux.

ברשימת המודלים שתראו לאחר הבחירה יש כמה אפשרויות טובות, אבל ברוב המקרים Flux Dev יהיה הבחירה הכי מדויקת ויציבה לאימון דמות.

לסיום, ודאו שבחרתם בסוג האלמנט Character – זה מה שיגדיר שמדובר בדמות.

טיפ למי שרוצה להתנסות:

באותה שיטה בדיוק, אפשר גם לאמן מודל על סגנון (Style) או על חפצים (Object) – זה כלי נהדר ליצירת אסתטיקה עקבית או לאובייקטים חוזרים בין סצנות.

שלב 6: תהליך האימון

קחו נשימה עמוקה – תהליך האימון ייקח בין מספר דקות לחצי שעה. זה הזמן לכוס קפה!

שימוש במודל ויצירת דמויות

כדי לעקוב אחרי תהליך ההתקדמות ולהתחיל לעבוד עם המודל החדש בסיומו – עקבו אחרי הצעדים הבאים:

מעקב אחר התקדמות האימון ושימוש במודל

שלב 1: מעקב אחרי תהליך 

ניתן לעקוב אחרי ההתקדמות של המודל שיצרתם במסך המודלים.

שלב 2: שימוש במודל החדש

עם סיום האימון, המודל החדש שלכם מוכן לפעולה! עכשיו אפשר ליצור תמונות עקביות של הדמות שלכם.

שלב 3: יצירת תמונות עם המודל החדש

פשוט לוחצים על View ואז על Generate with this Element – וקדימה ליצירה!

טיפ – עריכת מודל LoRA קיימת: נכון לעכשיו, Leonardo אינה תומכת בעריכת מודלים קיימים. כדי לעדכן מודל, יש ליצור מודל חדש עם הנתונים הרצויים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

דוגמאות לתוצאות אחרי אימון LoRA

איך זה נראה באמת כשמאמנים דמות ב־Leonardo? הנה שתי דוגמאות לפרומפטים ותוצרים שנוצרו אחרי אימון מוצלח של מודל דמות עקבי עם Flux:

פרומפט לדוגמא הראשונה

A man with a face covered in frost, wearing a Viking-like outfit with fur, and blond hair. The image appears to be a painting depicting a winter landscape. The man’s features are striking, with piercing blue eyes and weather-beaten skin, conveying strength and resilience. The details in the painting are exquisite, showcasing intricate patterns in the fur and delicate frost on his beard. Overall, the image is a masterpiece in capturing the rugged beauty of a man in a cold, harsh environment.

והתוצאה?

פרומפט לדוגמא השנייה

A spectacular and photorealistic image – a close-up of the face of a man in an American WWII uniform with a helmet. Behind him – the invasion of Normandy.

והתוצאה?

כמה עולה לבנות מודל דמות ב־Leonardo?

ב־Leonardo, כל משתמש יכול לאמן מודל דמות (LoRA), אבל מה שתוכלו לעשות בפועל תלוי בסוג המנוי שלכם. אם אתם משתמשים בחינם – תוכלו לאמן מודל אחד בלבד, וכל היצירות שלכם יהיו ציבוריות. זה פתרון טוב להתחלה או לניסוי, אבל עם מגבלות ברורות. אם אתם מנויים בתשלום – תקבלו הרבה יותר חופש: תוכלו לשמור כמה מודלים שתרצו (בהתאם לתוכנית), ליהנות מזמני עיבוד מהירים יותר, לבחור במודלים מתקדמים כמו Flux, וגם לשמור על פרטיות מלאה – גם למודלים, גם לתמונות.

העלויות עצמן מתבססות על טוקנים (הקרדיטים של Leonardo):

• מודל בגודל 512px יעלה לכם כ־750 טוקנים.

• מודל בגודל 768px יעלה כ־1,500 טוקנים.

כמות הטוקנים שתקבלו בכל חודש משתנה לפי התוכנית – אז אם אתם מתכננים לאמן כמה מודלים או לייצר הרבה תוכן, שווה לבדוק איזו תוכנית משתלמת לכם באמת. אז אם אתם רק בודקים את הפיצ’ר – התחילו עם המסלול החינמי. אם אתם יוצרים דמות לפרויקט מסחרי או מתכננים יותר ממודל אחד – כדאי לשקול שדרוג.

וידאו באיכות HD (720p) 

עוד בונוס קטן אבל משמעותי למנויים בתשלום הוא השדרוג של מחולל הווידאו של לאונרדו, שתומך עכשיו ביצירת סרטונים באיכות 720p. זה אולי לא יהפוך אתכם לאולפן הוליוודי – אבל בהשוואה ל־480p שהייתה זמינה עד כה, מדובר בשדרוג מורגש בהחלט. מודל הוידאו של לאונרדו – Motion 2.0 – מאפשר עכשיו לשלוט בתנועת המצלמה עם יכולות בקרת מצלמה מתקדמות – מה שמוביל לתוצאה חלקה יותר, דינמית יותר, ונוחה במיוחד לשימוש ברשתות חברתיות, סטוריבורדים, פרזנטציות או חומרים שיווקיים.

נכון, זה עדיין לא 1080p או 4K כמו בכלים מתקדמים כמו Runway או Kling – אבל למי שכבר משלם מנוי ב־Leonardo, זו אלטרנטיבה חמודה, קלה לתפעול ומספיקה בהחלט לפרויקטים יומיומיים, ניסויים ויצירת תוכן קליל.

Motion 2.0 update: 720p video is now live!

Generate sharper, smoother outputs — perfect for storyboards, short content, or promos.
Motion Control works seamlessly with 720p for more refined results.

Bonus: 480p got faster, token cost dropped, and upscaling is on the way pic.twitter.com/eneLm7aQ0c

— Leonardo.Ai (@LeonardoAi_) May 6, 2025

אז מה עכשיו?

פשוט מאוד – אספו 20-30 תמונות טובות שלכם, כנסו ללאונרדו, ובתוך חצי שעה יהיה לכם מודל אישי ומדויק. ואם תשקיעו עוד כמה דקות – תהיה לכם סדרת תמונות עקבית, מרשימה, ומוכנה לשימוש בכל פרויקט. מה שפעם דרש ידע מתקדם או מעבר בין כלים מסובכים, זמין עכשיו בכמה פעולות פשוטות, ישירות בתוך Leonardo.

הפוסט סוף סוף אפשר לבנות מודלים וליצור דמות עקבית עם Flux ישירות ב־Leonardo הופיע ראשון בLet's AI בינה מלאכותית