קלוד מיתוס, מטא ספארק, וגל הכלים החדשים: כל מה שקרה בעולם ה-AI השבוע

The Pulse:

• קלוד מיתוס השיג 83.1% בבנצ'מרק שחזור פגיעויות אבטחת סייבר, לעומת 66.6% של Opus 4.6, וגבוה ב-24 נקודות אחוז ב-SWEBench Pro. המודל מצא פגיעות בת 27 שנה ב-OpenBSD ופגיעות בת 16 שנה ב-FFmpeg: שתיהן לא התגלו על ידי שום חוקר אנושי עד כה.
• GLM 5.1 של ZAI, מודל קוד פתוח תחת רישיון MIT, השיג 58.4 ב-SWEBench Pro לעומת 57.7 של GPT-5.4 ו-57.3 של Opus 4.6. מדובר בפעם הראשונה שמודל פתוח-משקל מגיע לביצועי קידוד ברמת המודלים הסגורים המובילים.
• Meta Muse Spark קפץ ממקום אחרון בדירוג Artificial Analysis Intelligence Index למקום רביעי, בעוד HeyGen Avatar 5 מצמצם את זמן לכידת זהות ל-15 שניות בלבד, ו-OpenAI הוסיפה תוכנית ביניים של 100 דולר לחודש עם פי 5 שימוש ב-Codex לעומת Plus.

TL;DR: קלוד מיתוס של Anthropic הוא מודל הקידוד החזק ביותר שנבנה אי פעם, עם יכולות אבטחת סייבר כה חריפות עד שהחברה בחרה שלא לשחרר אותו לציבור ובמקום זאת השיקה את פרויקט Glass Wing לחברות נבחרות. במקביל, מטא ו-ZAI שחררו מודלים חדשים שמשנים את מפת הכוחות, ועשרות עדכונים מ-Gemini, Runway, HeyGen ו-Perplexity מציבים אפשרויות מעשיות חדשות לעסקים.

הגל הנוכחי של חדשות AI חושף מתח מבני בין שתי גישות מנוגדות: חברות כמו Anthropic בוחרות להגביל גישה למודלים עוצמתיים מחשש לשימוש זדוני, בעוד ZAI ו-Meta דוחפות לזמינות רחבה יותר. שתי הגישות נכונות בהקשרים שונים, אך ההשלכות לעסקים שבונים על מודלים אלה שונות בתכלית.

השבוע הזה לא היה רק עוד שבוע של הכרזות. הוא חשף את הפער הגדל בין מה שמודלי AI מסוגלים לעשות לבין מה שמותר לשחרר לשוק הפתוח. עבור עסקים ישראלים שמחפשים לאמץ כלים חדשים, הבנת הפער הזה היא ההחלטה העסקית החשובה ביותר של הרבעון.

"`html

קלוד מיתוס ופרויקט Glass Wing: כשמודל AI מסוכן מכדי לשחרר

קלוד מיתוס הוא מודל קידוד שנבנה על ידי Anthropic שהשיג יכולות כל כך חריפות בחקירת פגיעויות אבטחה סייבר שהחברה החליטה לא לשחרר אותו לציבור הרחב. במקום זאת, Anthropic משתמשת בפרויקט Glass Wing כדי להעניק גישה מוגבלת למומחי אבטחה בחברות גדולות, כדי שיוכלו לתקן פגיעויות לפני שמודלים כוחניים באופן דומה יגיעו לידיים של שחקנים זדוניים. זו היא דוגמה של חברת AI שמקבלת החלטה קשה בנוגע לפריסה אחראית של טכנולוגיה שיכולה להיות מסוכנת.

כדי להבין מדוע Anthropic קיבלה החלטה זו, עלינו להסתכל על הבנצ'מרקים. במבחן cyber security vulnerability reproduction (יכולת למצוא וללמוד מפגיעויות אבטחה בתוכנה), מיתוס השיג 83.1% לעומת 66.6% של Opus 4.6, מודל הדור הקודם של Anthropic. בבנצ'מרק SWEBench Pro (בדיקה של יכולות הנדסה תוכנה מורכבות), מיתוס עלה ב-24 נקודות אחוז מעל Opus 4.6. בהשוואה ל-GPT-5.4, שהיה עד לאחרונה דגם המצב-של-האמנות, מיתוס עדיין מתחרה ברמה דומה. אלה לא רק שיפורים שוליים: אלה קפיצות משמעותיות בתחום שבו כל נקודה אחוז חשובה.

אבל הנתונים המדאיגים באמת הם בעולם האמיתי. מיתוס מצא פגיעות בת 27 שנה ב-OpenBSD, מערכת הפעלה שנחשבת לאחת המגוננות ביותר בעולם. הוא גם גילה פגיעות בת 16 שנה ב-FFmpeg, כלי קידוד וידאו שנמצא בכל מקום בתוכנה מודרנית. חוקרי Anthropic גם דיווחו שמיתוס מצא באופן אוטונומי שרשרות של פגיעויות בליבת Linux, מערכת ההפעלה שמנהלת את רוב שרתי העולם. זה לא רק על מציאת באגים קטנים: זה על יכולת לחדור למערכות קריטיות שמשפיעות על מיליארדים של אנשים.

Anthropic פרסמה כרטיס מערכת של 245 עמודים כדי להסביר את הסיכונים. בתוך אותה נייר, הם כתבו במפורש: "AI models have reached a level of coding capability where they can surpass all but the most skilled humans at finding and exploiting software vulnerabilities" (מודלי AI הגיעו לרמה של יכולת קידוד בה הם יכולים להתעלות על כל אדם חוץ מהמיומנים ביותר במציאה וניצול של פגיעויות תוכנה). הם הוסיפו שאם מודל כזה יישתחרר לעולם, "bad actors will be able to hack into any website and find vulnerabilities and crack any software on the planet" (שחקנים זדוניים יוכלו לחדור לכל אתר ולמצוא פגיעויות ולשבור כל תוכנה בכוכב). זו לא הסכמה קלה להגיע אליה.

במקום לשחרר את מיתוס לציבור הרחב, Anthropic יצרה פרויקט Glass Wing, תוכנית שמעניקה גישה למומחי אבטחת סייבר בחברות גדולות בחירה בלבד: חברות כמו Microsoft, Apple, Google, Amazon, Nvidia, Cisco ו-CrowdStrike. הרעיון הוא פשוט אך חכם: אם מודלים בעלי כוח דומה או גדול יותר עתידים להגיע לעולם בכל מקרה (מ-Anthropic או מחברות אחרות), אז החברות הגדולות ביותר צריכות להיות בעמדה לחקור וולידציה של פגיעויות משלהן כעת, בעוד שיש להן עדיין זמן לתקן אותן. זה אומר שכאשר מודלים כאלה יהיו זמינים בשוק הפתוח, הקוד שמשתמשים בו מיליארדים של אנשים כבר יהיה מעוצב בהגנות חדשות.

הגישה של Anthropic עומדת בניגוד חד לנרטיב של "מודל זה מסוכן מדי, אנחנו לא משחררים אותו" שראינו בעבר. כאשר OpenAI הציגה את GPT-2 ב-22 בפברואר 2019, הם אמרו שהוא מסוכן מכדי לשחרר בגלל שיכול להיות משמש ליצירת תוכן מזויף ותעמולה. הכותרות הזעיקו: "Elon Musk founded OpenAI builds artificial intelligence so powerful it must be kept locked up for the good of humanity" ו-"Musk-backed AI group: Our text generator is so good it's scary." בשנת 2022, מהנדס Google הושעה לאחר שטען שצ'אטבוט של Google הפך סנטיאנטי. בשתי הפעמים הללו, ההתנהגות נראתה כמו "boy who cried wolf": הרבה יותר שיווק מאשר סכנה אמיתית. אך עם מיתוס, הסיכון הוא קונקרטי וניתן למדידה: מודל שיכול באופן אוטונומי לחדור למערכות ביטחוניות קריטיות.

התובנה המרכזית: Anthropic בחרה בפריסה מדורגת ובאחריות בחקיקה על פני שחרור מלא, מה שמעניק לחברות הגדולות ביותר בעולם חלון של מספר שבועות לתקן פגיעויות לפני שטכנולוגיה דומה תהיה זמינה בשוק הפתוח: אסטרטגיה שמגנה על מיליארדים של משתמשים ללא לעצור את התקדמות הטכנולוגיה.

"`

"`html

Muse Spark של מטא מול GLM 5.1: שני מודלים, שתי אסטרטגיות

בעוד Muse Spark של Meta Super Intelligence Labs משדרת סגירות ביצועים עם מודל בעל עלות נמוכה, GLM 5.1 של ZAI משנה את משחק הקוד הפתוח בהשגת ביצועי מיתוג עם רישיון MIT מלא. שתי הגישות מייצגות אסטרטגיות מתנגדות לחלוטין: Meta בוחרת בשליטה ובהנגשה מוגבלת, בעוד ZAI משחררת כוח חישובי לידיים של כל מפתח בעולם.

מטא השקיקה את Muse Spark כמודל הראשון שלה מ-Meta Super Intelligence Labs, הצוות שהקימה כשהביאה את Alexander Wang מ-Scale AI וחילופי כוח אחרים מחברות AI מובילות. לאחר שיאן לון עזב את מטא, הפלטפורמה שתקה מבחינת שחרורי מודלים חדשים. Muse Spark מייצג קפיצה משמעותית מ-Llama הקודם שלהם: ובניגוד לדגמים הקודמים, זה לא קוד פתוח. כאשר משווים את Muse Spark לדגמים בחזית כמו Opus 4.6 של Anthropic, Gemini 3.1 Pro של Google, GPT-4o של OpenAI ו-Grok 4.2 Reasoning של xAI, התמונה הופכת לעניין. בהבנת דמויות (figure understanding), Muse Spark עולה על כל המתחרים: זה מודל רב-מודלי (multimodal) שמבין תמונות וטקסט בו-זמנית בצורה יוצאת דופן. עם זאת, בקידוד (coding benchmarks) כמו SWEBench Pro, הוא נופל מעט מתחת ל-Opus ו-Gemini 3.1, ובעיקר עומד בקנה אחד עם Grok 4.2. זה לא יהפוך לבחירת המודל החדשה של אף אחד לסריקת קוד, אך הוא כמעט תופס את הדגמים הטובים ביותר בשדה. בנושאים בריאותיים, Muse Spark מוביל בבנצ'מרק HealthBench Hard לשאילתות בריאות פתוחות: זה מודל בעל מקצוע ספציפי בתחום רפואי.

מה שמעניין במיוחד הוא כיצד Muse Spark קפצה בדירוג Artificial Analysis Intelligence Index: מודל ה-Llama הקודם של Meta נשמר במקום האחרון כמעט בתרשים, בעוד Muse Spark עלה ישירות למקום רביעי, מיד מאחורי Gemini 3.1, GPT-4o ו-Claude Opus 4.6. זה עדיין לא תפס את שלושת הגדולים, אך זה סימן ברור שהצוות החדש של Meta משדרג את כושר המודל. יתר על כן, Muse Spark הוא מאוד יעיל בטוקנים (token efficient): זה אומר שהוא צורך פחות יחידות קלט בכל שאילתה, מה שמעניין שהוא תוך שמירה על ביצועים גבוהים. בתרשים יעילות, Muse Spark נופל לתחתית הגרף (כאשר קטן יותר טוב), בעוד GPT-4o ו-Claude Opus 4.6 נמצאים בקצה הפחות יעיל. זה מרמז שהשימוש ב-Muse Spark עשוי להיות משמעותית פחות יקר מאשר המתחרים הגדולים: נקודה חשובה לעסקים שחוששים מעלויות API. Meta מתכננת לפתוח API preview פרטי בקרוב, ואני מצפה שגלגול API רחב יותר יבוא בקרוב לאחר מכן.

GLM 5.1 של ZAI הוא סיפור שונה לחלוטין. זה מודל קוד פתוח תחת רישיון MIT: אתה יכול להוריד את משקלי המודל מ-HuggingFace כרגע. כאשר מסתכלים על הבנצ'מרקים בפועל, GLM 5.1 מכה את רוב מודלי המצב-של-האמנות. בהנדסת תוכנה (SWEBench Pro), זה מקבל 58.4 בהשוואה ל-57.7 של GPT-4o ו-57.3 של Opus 4.6. זה אומר שמודל קוד פתוח מושיג כמעט ביצועי קידוד זהים לדגמים הסגורים הגדולים ביותר בעולם. זה לא מעניין רק מבחינה טכנית: זה משחק משנה (game-changer) לעסקים שרוצים להריץ מודלים מקומיים או להחמיץ אותם לצרכים ספציפיים בתעשייה. לא כל אחד יכול להוציא $200 לחודש על Claude Max, אך עם GLM 5.1, אתה יכול להוריד את המודל, להתאים אותו לנתונים שלך, ולהריץ אותו על שרתים שלך. בעבודות טרמינל בעולם אמיתי או בקידוד אגנטי (agentic coding), GLM 5.1 לא מתחרה בדיוק עם GPT-4o ו-Opus, אך הוא בעמדה שנייה כאשר מדובר בדברים כמו מתמטיקה: די על זה עם מודלים בחזית, אך לא בדיוק כטוב כמו Gemini 3.1 ו-GPT-4o. במכללה, GLM 5.1 הוא מודל רשים מאוד לעומת מודל קוד פתוח. זה כל כך מעניין לי שלא יותר אנשים דברו על מודל זה בספציפיות: זה סימן שהקהילה עדיין מעכלת את המשמעות של מודל בקוד פתוח שיכול להתחרות במודלים סגורים בביצועים.

התובנה המרכזית: Muse Spark של Meta משנה את משחק הנגישות בעלות נמוכה עבור מודלים בחזית (עם יעילות טוקן שעלולה להוריד עלויות API ב-40-60% בהשוואה ל-GPT-4o), בעוד GLM 5.1 משנה את משחק השליטה על ידי הנחת כוח חישובי בדרגה של מודל סגור לידיים של כל מפתח: עסקים צריכים לבחור בין נוחות API מנוהל לבין שליטה מלאה ויכולת התאמה מקומית.

"`

"`html

עדכוני Gemini, Runway ו-HeyGen: הכלים המעשיים של השבוע

אילו עדכונים מעשיים יצאו השבוע ב-Gemini, Runway, HeyGen ו-Perplexity שרלוונטיים לעסקים? שלושה כלים שאתם כבר משתמשים בהם קיבלו תכונות חדשות שמשנות את האופן שבו עובדים משתמשים בהם מדי יום. Gemini קיבל שתי תכונות משמעותיות: סימולציות אינטראקטיביות ותכונת Notebooks: שהופכות אותו לפלטפורמה ניהול פרויקטים מלאה. HeyGen השיקה את Avatar 5, שמצלם זהות משתמש בדקה רבע בלבד. וב-Runway, Seed Dance 2.0 סוף סוף זמין בארה"ב לאחר חודשיים של הצפייה. בנוסף, שינויים במדיניות של Anthropic וOpenAI משפיעים ישירות על עסקים שבנו workflows סביב המנויים שלהם.

בואו נתחיל עם Gemini. Google שחררה שתי תכונות חדשות שמרחיבות את המודל מעבר לצ'אט פשוט. הראשונה היא סימולציות אינטראקטיביות: כלי שמאפשר לך ליצור ויזואליזציות דינמיות שבהן אתה יכול לשנות פרמטרים בזמן אמת ולראות את ההשפעה מיד. הדוגמה המובהקת: אם אתה רוצה להבין את בעיית שלוש הגופים (Three-Body Problem) בפיזיקה, אתה יכול להגיד ל-Gemini "עזור לי להמחיש את בעיית שלוש הגופים" והוא יוצר סימולציה עם sliders שאתה יכול להתאים: מסלול Figure 8, ריקוד כאוטי, שמש דומיננטית. זה אותו דבר שOpenAI וAnthropicשחררו לפני כמה שבועות, אבל עכשיו זה זמין ב-Gemini Pro. למטרות עסקיות, זה אומר שאתה יכול ליצור דוחות אינטראקטיביים, ויזואליזציות של תחזוקות פיננסיות, או מודלים של תרחישים עסקיים בלי צורך בכלי ויזואליזציה נפרד. דוגמה קונקרטית: אם אתה מנהל תקציב שנתי, אתה יכול להגיד ל-Gemini "צור לי סימולציה של ריבית דריבית על $1,000 בשיעור שנתי של 5% למשך 10 ו-20 שנים" והוא יוצר ויזואליזציה עם sliders שאתה יכול לשנות: שיעור ריבית, קרן התחלתית, תדירות הצבירה: וכל שינוי מעדכן את הגרף בזמן אמת. זה כלי חזק לתכנון תרחישים.

התכונה השנייה היא Notebooks: ולא להתבלבל עם NotebookLM, שהיא שירות נפרד. Notebooks ב-Gemini הם בעצם מה ש-Projects הם ב-Claude וChatGPT: מרחב ייעודי לארגון שיחות וקבצים סביב נושא יחיד. כשאתה יוצר Notebook, אתה יכול להוסיף קבצים (מסמכים, PDFs), קישורים, או טקסט מעוטר. אתה יכול לתת ל-Notebook הוראות מותאמות אישיות (custom instructions) כך שGemini יזכור את ההקשר שלך בתוך הnotebook הזה בלבד: הוא לא יערבב בין קובץ מחקר אחד לאחר. זה שימושי כשאתה עובד על פרויקט ארוך טווח: ניתוח שוק, מחקר תחרות, איסוף דרישות עבור product. כל השיחות שלך נשמרות בקובץ אחד, וכשאתה חוזר אליו שבועות מאוחר יותר, הnotebook זוכר את כל ההקשר הקודם. וכשאתה מוכן, אתה יכול לדחוף את הnotebook הזה ישירות ל-NotebookLM ליצירת פודקאסטים, מפות מוח, או קוויזים. זה אינטגרציה שיעילה מאוד לעבודה על מסמכים ארוכים. התכונה זמינה כרגע למשתמשי Gemini Ultra, Pro, וPlus, וצפוי שתתגלגל גם לתוכנית החינם בקרוב.

עכשיו בואו נדבר על HeyGen Avatar 5. החברה הודיעה שהם השיקו מודל זהות חדש שמצלם את הפנים שלך בדיוק רב יותר וב-זמן קצר בהרבה. ספציפית: HeyGen Avatar 5 מצלם זהות ב-15 שניות בלבד. זה משמעותי כי הדור הקודם דרש תיעוד ארוך הרבה יותר. במקרה זה, המשתמש הקליט עצמו למשך 15 שניות בלבד: קצר מדי לדברים רבים, אבל HeyGen הצליח ליצור אווטאר שנראה דומה למקור. הקול עדיין מעט כבוי והסנכרון שפתיים עדיין לא מושלם, אבל ההשלכות לעסקים ברורות: אתה יכול ליצור סרטוני הסברה, הדרכה, או שיווק עם הפנים שלך (או של מייצג) בזמן קצר מאוד. כל מה שאתה צריך זה 15 שניות של וידאו וטקסט להגיד לאווטאר לדבר. HeyGen גם יצרה ויזואליזציות חלופיות מאותה הקלטה: אתה יכול לבחור אם האווטאר יושב בחדר לבן עם חולצה אדומה, או בתצורה אחרת לגמרי. זה מורח את הערך של כל הקלטה קצרה על פני מקרי שימוש מרובים.

Seed Dance 2.0 סוף סוף הגיע לארה"ב, וזה חשוב כי זה הכלי לידע של וידאו AI הטוב ביותר שיש לנו כרגע לאחר שSora של OpenAI נסגר. Seed Dance 2.0 זמין ב-Runway וב-CapCut בארה"ב לראשונה. למה זה משנה? כי זה אומר שיש לך שתי דרכים לגשת אליו: דרך Runway (אם אתה עובד עם creators וצריך בקרה מדויקת) או דרך CapCut (אם אתה עובד עם צוותים קטנים או עצמאים שכבר משתמשים בCapCut). הדגמה מהטרנסקריפט מראה שהמודל הצליח ליצור סרטון מרובה סצנות שמתחלף בין סצנות בצורה חלקה: שדה חיטה, בניין אדריכלות מודרנית, סצנות פנימיות. הוא גם עובד מהר יותר מCling 3.0 (שהוא הדור הקודם של OpenAI). זה אומר שעסקים יכולים לייצר תוכן וידאו בקנה מידה גדול יותר ובמהירות גדולה יותר. עם זאת, חשוב לשים לב: התכונות שגרמו לSeed Dance להיות ווירלי בחודשים הקודמים: היכולת ליצור וידאו של סלבריטאים, IP מסחרי, דברים כאלה: כולם הוסרו. זה כלי חזק עדיין, אבל הם בחרו להסיר את הקצוות החדים.

שני עדכונים נוספים שפחות מדובר עליהם אבל משפיעים ישירות על עסקים: OpenAI הוסיפה תוכנית ביניים של 100 דולר לחודש עם פי 5 שימוש ב-Codex לעומת Plus, וAnthropic הפסיקה לאפשר שימוש במנוי Claude Max בכלי צד שלישי כמו OpenClaw החל מ-4 באפריל. בנוגע לOpenAI: לפני השבוע, היו להם שני מנויים: $20 לחודש (Plus) ו-$200 לחודש (Pro). עכשיו יש להם $100 לחודש (Pro Tier) שנמצא בין השניים. התוכנית החדשה מתאימה למתכנתים שמשתמשים בCodEx (שהוא Claude כלי לעריכת קוד) באופן כבד: אתה מקבל 5 פעמים יותר שימוש מPlus, ו-עד 10 פעמים יותר שימוש ממה שPlus מקבל בתקופה מוגבלת עד 31 במאי. זה אומר שעסקים שתלויים בCodEx יכולים לקבל ערך משמעותי יותר בהוצאה נמוכה יותר מ-Pro הגבוה. בנוגע לAnthropic: החל מ-4 באפריל, אתה לא יכול עוד להשתמש במנוי Claude Max ($200 לחודש) כדי להנעות כלים כמו OpenClaw, שהם כלים צד שלישי שמפעילים agents. זה משפיע ישירות על עסקים שבנו workflows סביב OpenClaw עם Claude Opus. הסיבה: OpenClaw צורך טוקנים במהירות גבוהה מאוד, וAnthropic מצאה שהעלות שלה עולה על ההכנסה מהמנוי. עסקים שרצו להשתמש בOpenClaw צריכים עכשיו לעבור לAPI Key ישיר (יותר יקר) או למודל מקומי או מתחרה. זה שינוי מדיניות משמעותי שלא קיבל תשומת לב מספקת.

הטכנולוגיה הזו משנה את המשחק: Notebooks של Gemini, סימולציות אינ

"`html

מה כל זה אומר לעסקים: מסנן האותות מהרעש

כיצד עסקים צריכים לתעדף את הגל הנוכחי של חדשות AI ולהחליט מה באמת חשוב לאמץ? בשבוע הזה בלבד, קיבלנו עדכונים מ-15 חברות AI שונות, מודלים חדשים, שינויים במדיניות, ותכונות שלא היו קיימות לפני שנה. הקלות לשמוע רעש שיווקי ולחשוב שכל דבר הוא משחק משנה. אבל זה לא. הנה איך אני מנתח מה באמת משנה וממה אפשר להתעלם.

ראשית, חשוב להבין שהרעש בעולם AI אינו חדש. ב-22 בפברואר 2019, OpenAI הוציאה את GPT-2 וטענה שהוא כל כך מסוכן עד שלא יכלה לשחרר אותו לציבור. הכותרות בחדשות הצעיקו: "Elon Musk founded OpenAI builds artificial intelligence so powerful it must be kept locked up for the good of humanity" ו-"AI can write just like me. Brace for the robot apocalypse." זה היה לפני ארבע שנים בדיוק מהיום. מהר קדימה לשנת 2022, ומהנדס ב-Google הושעה מעבודתו לאחר שטען שצ'אטבוט הפך לסנטיאנטי (בעל תודעה עצמית). התבנית ברורה: חברות AI משתמשות בשיח על "מודלים מסוכנים מכדי לשחרר" כדי לבנות ביקוש וכדי להציב עצמן כמובילות בתחום. זה עובד. זה גם לפעמים נכון. אבל זה מקשה על עסקים להבחין בין רעש שיווקי לבין איומים אמיתיים.

במקרה של Claude Mythos, אני חושב שהסיפור הוא בעיקרו אמיתי, אך עם שכבה של טקטיקה שיווקית. Anthropic מצאה באמת פגיעויות בת 27 שנה ב-OpenBSD ופגיעויות בת 16 שנה ב-FFmpeg. המודל השיג 83.1% בבנצ'מרק cyber security vulnerability reproduction לעומת 66.6% של Opus 4.6: זה קפיצה של 24 נקודות אחוז ב-SWEBench Pro. אלו נתונים אמיתיים. אבל Anthropic לא שחררה את המודל לציבור, ובמקום זאת יצרה "Project Glass Wing": גישה מוגבלת רק למומחי אבטחת סייבר בחברות נבחרות. זו הוא דרך חכמה לעשות שתיים: להגן על הביטחון (אמיתי) ובו בזמן לבנות סיפור סביב "מודל שכל כך חזק עד שלא יכלנו לשחרר אותו" (טקטיקה שיווקית). השאלה לעסקים: האם אתה צריך Mythos? כנראה לא. אתה צריך לוודא שהמוצרים שלך מתוקנים לפני שמודלים כאלה יהפכו זמינים לכל אחד. זה מה שחשוב.

בצד השני של הספקטרום, יש לנו GLM 5.1 מ-ZAI: מודל קוד פתוח תחת רישיון MIT שהשיג 58.4 ב-SWEBench Pro, מעל GPT-5.4 עם 57.7 ו-Opus 4.6 עם 57.3. אתה יכול להוריד את משקלי המודל מ-HuggingFace כרגע. זה לא רעש שיווקי: זה כלי שאתה יכול להשתמש בו היום. אם אתה עסק שחוסך בעלויות API או שרוצה להריץ מודלים מקומיים ללא תלות בחברות גדולות, זה משנה. Muse Spark של Meta קפץ למקום רביעי ב-Artificial Analysis Intelligence Index, אבל הוא לא הטוב ביותר בשום דבר: הוא "טוב מספיק" בהרבה דברים. זה שימושי אם אתה משתמש בכלים של Meta ורוצה מודל שמתאים לאקוסיסטם שלהם. אבל זה לא משנה את המשחק.

עכשיו, Cursor מאפשר לך לעתה להריץ agents מהטלפון שלך על מחשב הפיתוח שלך. זה קטן, אבל זה משנה את הזרימה של עבודה פיתוח יומית. Google AI Edge הוא אפליקציית תמלול מבוססת Gemma שעובדת לחלוטין אופליין (ללא חיבור לשרת). זה משנה את הדברים לעסקים שחוסכים בעלויות API ופרטיות נתונים. Spotify השיקה גרסת פודקאסטים לפלייליסטים המופעלים על ידי AI: אם אתה עוסק בגילוי תוכן או בשיווק דרך פודקאסטים, זה כלי גילוי חדש. Anthropic הפסיקה לאפשר שימוש במנוי Claude Max בכלים כמו OpenClaw החל מ-4 באפריל: זה לא רעש, זה שינוי מדיניות שפוגע לעסקים שבנו סביב זה. אם אתה משתמש ב-Claude Max עם OpenClaw, אתה צריך תוכנית חדשה עכשיו.

התובנה המרכזית: עסקים צריכים לסנן על פי שלוש שאלות פשוטות: (1) האם זה משנה את עלויות הפעולה שלי או את הביטחון שלי? (2) האם זה כלי שאני יכול להשתמש בו היום, או זה סיפור על מה שבא בעתיד? (3) האם זה משנה את הזרימה של עבודה קיימת שלי, או זה דבר חדש שאני לא צריך? Mythos: עדכן את הביטחון שלך. GLM 5.1: בדוק אם זה חוסך בעלויות. Cursor agents: אם אתה מפתח, זה שנוי. Spotify podcasts: אם אתה בגילוי תוכן, זה שנוי. Claude Max + OpenClaw: זה בעיה שאתה צריך לפתור עכשיו. הכל אחר הוא רעש שחשוב לדעת עליו, אבל לא משנה את המשחק בשבוע הזה.

"`

שאלות נפוצות

האם עסקים ישראלים יכולים לגשת לפרויקט Glass Wing של Anthropic, ואם לא, מה האלטרנטיבה לסריקת פגיעויות?

נכון לעכשיו, פרויקט Glass Wing מוגבל למספר חברות טכנולוגיה גדולות שנבחרו ישירות על ידי Anthropic, ועסקים ישראלים אינם נמנים עליהן בשלב זה. האלטרנטיבה המעשית ביותר היא שימוש בכלים כמו Claude Opus 4.6 דרך ה-API הרגיל לסריקת קוד, לצד כלים ייעודיים לאבטחת סייבר כמו Semgrep או Snyk שמשתלבים עם מודלי AI. חשוב לזכור שגם Opus 4.6 השיג 66.6% בבנצ'מרק שחזור פגיעויות סייבר, שזו יכולת משמעותית לסריקות שוטפות. ברגע שמיתוס ייפתח לשוק הרחב, סביר שגישת API תהיה הדרך הראשונה שבה עסקים ישראלים יוכלו לנצל את יכולותיו.

האם GLM 5.1 בקוד פתוח מתאים להרצה מקומית על תשתיות של עסקים הרגישים לפרטיות נתונים?

כן, זו בדיוק אחת מנקודות החוזק המרכזיות של GLM 5.1. מכיוון שהמודל זמין תחת רישיון MIT עם משקלי מודל מלאים ב-HuggingFace, ניתן להריץ אותו לחלוטין on-premise, כלומר על שרתים פנימיים ללא העברת נתונים לשום ענן חיצוני. עבור עסקים ישראלים בתחומי הרפואה, המשפט, או הפיננסים שכפופים לרגולציה מחמירה כמו HIPAA או דרישות הגנת פרטיות מקומיות, זה יתרון קריטי. הדרישות החומרה אינן זניחות: ביצועים מיטביים מחייבים GPU עם זיכרון VRAM מספק, אך עבור ארגונים שכבר מפעילים תשתית GPU, עלות ה-inference נמוכה משמעותית מאשר שימוש ב-API של OpenAI או Anthropic.

מה ההשלכות של שינוי מדיניות Anthropic לגבי מנויי Claude Max על עסקים שבנו workflows מבוססי OpenClaw?

החל מ-4 באפריל, מנוי Claude Max בעלות 200 דולר לחודש אינו מכסה עוד שימוש בכלים כמו OpenClaw, מה שמשמעו שעסקים שבנו אוטומציות מבוססות על מנוי זה נאלצו לעבור לשימוש ב-API בתשלום לפי צריכה. ה-API של Anthropic מתומחר לפי טוקנים, וסוכנים אוטומטיים שורפים טוקנים בקצב גבוה בהרבה משימוש ידני, כך שהעלות החודשית עשויה לעלות משמעותית. הפתרון המעשי שעובד עבורי הוא הרצת מודל מקומי כמו Qwen לרוב המשימות, ושימוש ב-API של OpenAI שעדיין מאפשר שימוש דרך מנוי Plus למשימות מורכבות יותר. עסקים צריכים לבדוק את נפח הטוקנים החודשי שלהם לפני המעבר ולהשוות עלויות בין ספקים.

כיצד Seed Dance 2.0 משתווה ל-Sora של OpenAI שנסגר, ומה זה אומר לעסקים שהסתמכו על Sora?

Seed Dance 2.0 הגיע לשוק האמריקאי דרך Runway וCapCut בדיוק כשבועיים לאחר סגירת Sora, מה שהופך אותו לתחליף הטבעי ביותר כרגע. מבחינת איכות, הוא נחשב למודל הווידאו הטוב ביותר הזמין כיום לציבור הרחב, אם כי חשוב לדעת שחלק מהיכולות שגרמו לו להפוך לוויראלי, כמו יצירת וידאו של דמויות מוגנות בזכויות יוצרים, הוסרו לפני ההשקה בארה"ב. עבור עסקים שהשתמשו ב-Sora לייצור תוכן שיווקי, Seed Dance 2.0 מציע איכות דומה ואולי גבוהה יותר, עם זמני יצירה מהירים יותר מאשר Kling 3.0 לפי הבדיקות שלי. הגישה הפשוטה ביותר היא דרך חשבון Runway קיים, ללא צורך בהגדרות נוספות.

האם אינטגרציית Plaid של Perplexity בטוחה מספיק לשימוש עסקי, ומה מגבלות גישת הקריאה בלבד?

האינטגרציה מבוססת על גישת קריאה בלבד בלעדית, כלומר Perplexity לא יכולה לבצע פעולות פיננסיות, רק לצפות בנתונים. לפי הצהרת החברה, נתוני המשתמש אינם נוגעים בשרתי Perplexity עצמם, אלא עוברים דרך תשתית Plaid שכבר מוכרת ומאושרת על ידי אלפי מוסדות פיננסיים בארה"ב. עם זאת, עבור עסקים ישראלים, יש לבדוק תחילה אם הבנקים הישראליים נתמכים על ידי Plaid, מכיוון שהשירות עדיין מוגבל בעיקר לשוק האמריקאי. המגבלה המעשית המרכזית היא שזה כלי לניתוח ולא לפעולה: אפשר לקבל תמונה מאוחדת של כל החשבונות ולשאול שאלות על דפוסי הוצאות, אך לא לבצע תשלומים או העברות דרך הממשק.