המרוץ – NEXTAI

Mistral AI הודיעה על השקת Timestral, משפחת מודלי יסוד לחיזוי סדרות זמן. לפי פרסום החברה, המודלים נועדו לחזות ערכים עתידיים על בסיס רצפים של נתונים מספריים שנאספו לאורך זמן, ולא לשמש לשיחה עם משתמשים כמו מודלי שפה רגילים.

המשפחה מוצעת בארבעה גדלים, בין כ-5 מיליון ל-209 מיליון פרמטרים. לפי כרטיס המודל באתר Hugging Face, שם מופיעות ארבע הגרסאות, אורך ההקשר המרבי הוא 32,768 צעדי זמן. Mistral מציינת גם שהמודלים תומכים בתחזיות הסתברותיות, כלומר תחזית של טווח אפשרויות ולא רק ערך יחיד, וביכולת לעבוד עם סדרות מרובות משתנים במקביל. לפי החברה, אפשר להריץ אותם ביעילות על מעבדים רגילים, בלי תלות בכרטיסי גרפיקה.

החברה מדווחת שהמודל הגדול, בגודל 209 מיליון פרמטרים, הגיע למקום הראשון בשלושה מדדי השוואה לחיזוי סדרות זמן: GIFT-Eval, TIME ו-fev-bench. זו טענה של Mistral עצמה. הכתבה הזו לא בדקה את הטענה ולא אימתה אותה באופן עצמאי, ולכן כדאי לקרוא אותה כטענת החברה ולא כעובדה מאומתת.

השוואה מפורטת למודלים של Google ו-Amazon, שפועלים גם הם בתחום חיזוי סדרות הזמן, לא נבדקה במסגרת הכתבה, ולכן אין כאן הערכה יחסית אליהם.

הנקודה החשובה לקורא היא ההבחנה בין סוגי המודלים. Timestral אינו צ'אטבוט. הוא כלי לחיזוי כמותי, ותחום השימוש שלו שונה לגמרי ממודלי השפה שהחברה מוכרת בהם.

מקורות:
הודעת Mistral AI על Timestral
כרטיס המודל Timestral-123M ב-Hugging Face

צוות Google Quantum AI הודיע כי הדגים על מעבד הקוונטים Willow טכניקה בשם magic state cultivation. לפי גוגל, ההדגמה בוצעה על חומרה אמיתית ולא רק בסימולציה, וזה ההבדל המרכזי בין הודעה תיאורטית לבין התקדמות הנדסית.

הבעיה שהטכניקה באה לפתור ידועה בתחום. לפי גוגל, הכנת מצבי magic היא צוואר בקבוק מרכזי בדרך לחישוב קוונטי אוניברסלי, כלומר מחשב שיכול להריץ כל סוג של אלגוריתם וגם להתמודד עם שגיאות. מצב magic אינו ניתן לשימוש חוזר, ולכן הוא משאב נדיר. לפי הערכות שמצטטת גוגל, עד 95% מהקיבולת של מחשב קוונטי עלולים להידרש להכנתם, וזה משאיר מעט מקום לחישוב עצמו.

מה גוגל טוענת: הטכניקה עובדת במעבד Willow, והשגיאות ירדו בכ-40 פעמים לעומת מצבים שלא עברו cultivation. לפי גוגל, התוצאה פורסמה היום בכתב העת Science, והיא הגיעה גם לנאמנות לוגית של 99.99% במצבי T. זו טענה של גוגל, והפירוט המלא של מה נמדד ובאילו תנאים נמצא במאמר המלא.

מה התברר בדרך: לפי גוגל, בשלבי הבדיקה הראשונים נתונים נראו סותרים את חוקי הפיזיקה. אחרי חודשים של בירורים התברר שהמקור היה הנחה שגויה בשיטת המדידה, ורעש מציוד מעבדה ושינויי טמפרטורה פגע בתקפות המדידה. הצוות הוסיף בקרה לצמצום הרעש ופיתח שיטת מדידה חדשה שמשתמשת בעצם הטכניקה כדי למדוד את עצמה.

מה עוד חסר: לפי גוגל, גם הדגמה שמראה התחלה של צורך בחישוב קוונטי עמיד לשגיאות היא רק צעד. החברה מציינת שנדרשת הדגמה בהיקף גדול יותר לפני שאפשר לדבר על שימוש מעשי, ושנותרו אתגרים טכניים רבים. בנוסף, החברה הראתה שאפשר לעבור בין שני סוגי קודי תיקון שגיאות, color codes ו-surface codes, והעבירה מצב טהור מקוד בעל מרחק 3 לקוד בעל מרחק 5.

למה זה חשוב: בניית מחשבים קוונטיים שמתמודדים עם שגיאות דורשת עלות וזמן עצומים, ושיפור בצוואר הבקבוק הזה מקצר את הדרך, אבל לא סוגר אותה. ההודעה של גוגל היא התקדמות בשיטה ולא מחשב קוונטי מוכן לשימוש. בין הדגמה במעבדה לבין מכונה שמריצה עבודה מועילה נדרשות עוד שנים של הנדסה.

מקורות:

מקור ראשי: בלוג גוגל, magic state cultivation על Willow

המאמר המצוטט: Science, doi:10.1126/science.aee7961

המעבדה הגדולה לפיזיקה של חלקיקים בעולם ו-Mistral AI, אחת מחברות מודלי השפה המובילות באירופה, רוצות לבנות יחד מודל בינה מלאכותית שיהפוך לבסיס לחקר פיזיקת החלקיקים. לפי ההודעה הרשמית של CERN מיום חמישי, 15 באוקטובר 2026, שני הארגונים חתמו על מכתב כוונות לפיתוח מה שהם מכנים "מודל פיזיקה גדול" (Large Physics Model). לפי ההודעה, מדובר במודל היסוד הראשון שנבנה במיוחד לפיזיקה של מתקני התנגשות.

הצהרת כוונות בלי לוח זמנים

חשוב להבין מה נאמר ומה לא. מכתב הכוונות מתאר כיוון, לא מוצר. בהודעה לא צוין לוח זמנים לפיתוח, לא נמסר תקציב, ולא נקבעו שלבים או תאריכי יעד. כל מה שנכתב על היכולות העתידיות של המודל הוא תיאור של מה שהשותפים מתכוונים לבנות, לא תוצאה שנמדדה.

מה המודל אמור לעשות

לפי התיאור ב-CERN, המודל יאומן על מיליארדי התנגשויות פרוטון-פרוטון מסומלצות במאיץ ההדרנים הגדול (LHC), המאיץ הגדול והחזק בעולם של המעבדה. היעד הוא מודל אחד שיתמוך במשימות רבות: שחזור התנגשויות, זיהוי חלקיקים, איתור אותות לא צפויים והערכת תכנוני גלאים עתידיים.

היום, שחזור האירועים מסתמך על שרשרת של אלגוריתמים מתמחים, שכל אחד מהם הופך אותות מהגלאים לחלקיקים ולעצמים שמשתמשים בהם לניתוח פיזיקלי. למידת מכונה כבר משחקת בתהליך הזה תפקיד חשוב, אבל כל שלב נבנה בנפרד. מודל יסוד מיועד ללמוד על כל השרשרת יחד, ולתמוך במספר משימות במודל אחד.

למה זה חשוב גם מחוץ לפיזיקה

רוב הדיון הציבורי על בינה מלאכותית נסוב על צ'אטבוטים ועוזרים דיגיטליים. הפרויקט הזה מזיז את הדיון לכיוון אחר: מודלי יסוד ככלי מחקר בסיסי, שמיועד לעבוד על נתונים מדעיים ענקיים. ל-CERN יש כ-אקסבייט (exabyte) אחד של נתונים ניסיוניים מה-LHC עד היום, ומספר ההתנגשויות צפוי לגדול פי עשרה עם שדרוג ה-HL-LHC, שאמור להתחיל לפעול בסביבות 2030. אם הגישה תצליח, הטכנולוגיה שפותחה למודלי שפה עשויה לשמש גם מדענים בתחומים אחרים, אבל כרגע זו עדיין כוונה ולא הוכחה.

אנריקה פורקארי, מנהלת מערכות המידע הראשית של CERN, אמרה שפיזיקת החלקיקים מספקת סביבה ייחודית לפיתוח ולבחינה של בינה מלאכותית ברמת קפדנות גבוהה, ושהשותפות נועדה לקדם יכולות שיוכלו לשרת את קהילת הפיזיקה כולה ולהיות משותפות. יוהאנס ברנדשטטר, סגן נשיא AI להנדסה ב-Mistral, אמר שהשותפים רוצים לפתח יכולות שעשויות להוביל לגילויים מדעיים חדשים.

מה עדיין לא ידוע

ההודעה לא מסבירה איך המודל ייבנה מבחינה טכנית, מי ישא בעלות, מתי תהיה גרסה ראשונה לשימוש, ואם התוצאות יוכחו מול השיטות הקיימות. אלה שאלות שיכולות להיענות רק בהודעות עתידיות או במחקרים שיפורסמו בהמשך. עד אז, הפרויקט הוא מכתב כוונות בין מעבדה לחברה, לא תוכנית עבודה.

מקורות:
CERN, הודעה רשמית: https://home.cern/cern-and-mistral-join-forces-to-accelerate-ai-for-science

ב-13 באוקטובר פרסמה Anthropic פוסט בשם "Redesigning source control" (שינוי ניהול קוד המקור) על Scion. לפי נתון שמצטט סיימון ווילסון (Simon Willison), מספר המיזוגים עלה מכ-2,500 ביום במאי לליותר מ-30,000 בספטמבר.

ב-14 באוקטובר פרסם הבלוגר sunshowers האשמה ראשונה: לטענתו, Scion הועתקה מ-Mononoke.

בפוסט המשך מ-15 באוקטובר טוען sunshowers שההעתקה הייתה מכוונת, שהייתה חפיפה בכוח אדם, ושהחברה הוסיפה ייחוס בפוסט שלה. לטענתו, קיבל אישור פרטי לכך אחרי הפוסט הראשון. אלה טענות של הבלוגר בלבד, ולא אומתו.

הדמיון, לדבריו, אינו רק ברעיון של נתונים נגזרים (derived data). הוא נוגע למודל הנתונים כולו ולכמה מהמבנים שנבנו סביבו, וכולל את מבנה ה-changeset ואת דרך החשיבה על אינדקסים כמו blame. sunshowers מציין שהממשק בצד השרת לשאילתות ולשינויים בניהול גרסאות מוכר ממערכות קודמות, ולכן לא טוען לחידוש בו.

יש להבחין בין שני דברים. הייחוס הציבורי של Anthropic, כפי שמצטט ווילסון בעדכון שלו, מציין יצירות קודמות של Piper ו-Sapling. זו לא אותה טענה כמו ההאשמה של sunshowers, שמופנית כלפי Mononoke. הייחוס וההודאה שהבלוגר מתאר לא אומתו בדף של Anthropic: הכותב לא פתח את הפוסט המקורי ישירות, והוא מצוטט אצל ווילסון.

על הסיפור יש דיונים ב-Hacker News, אבל הם לא מהווים אימות לטענות.

מקורות:

פוסט ההמשך של sunshowers: https://sunshowers.io/posts/anthropic-mononoke-2/
ההאשמה המקורית של sunshowers: https://sunshowers.io/posts/anthropic-mononoke/
פוסט Anthropic (מצוטט אצל ווילסון, לא נפתח ישירות): https://www.anthropic.com/engineering/redesigning-source-control
ווילסון: https://simonwillison.net/2026/Oct/13/redesigning-source-control-at-anthropic/
דיונים (לא מקור לאימות): https://news.ycombinator.com/item?id=50094694 ו-https://news.ycombinator.com/item?id=50106738

מחקר חדש של מעבדת Citizen Lab מתאר כיצד חברת Discover-Tech הפכה מודעות ממוקדות לכלי להפצת תוכנת ריגול. לפי הדוח, מדובר בהתקפה מסוג ללא לחיצה (zero-click), כלומר התקפה שאינה דורשת מהקורבן ללחוץ על קישור או על מודעה כדי להידבק. המחקר פורסם ב-15 באוקטובר 2026.

מה מתארים החוקרים

לפי הדוח, המודעות הזדוניות נרכשו על ידי Discover-Tech, שמתארת את עצמה כחברת פרסום לגיטימית. החוקרים מתארים אותה כחברה ישראלית ששימשה מתווכת לכמה שותפים של תוכנות ריגול מסחריות. הדוח מקשר אותה לתוכנת הריגול של Candiru, שלפי הדוח פועלת גם תחת השם Integrity Labs, וכן לגורמים נוספים כמו Intelos ו-Bindecy.

לפי הדוח, המנגנון מכונה AdFection. הוא מאפשר לזהות מכשיר, לחשוף אותו ולהדביק אותו ברגע שהמודעה מוצגת. בין המכשירים שנפגעו היו מכשירים של ארגון החדשות Al Jazeera. החוקרים כותבים שזו הפעם הראשונה שבה מתועדת הדבקה כזו באופן פומבי.

בהיקף הפעילות, החוקרים ניתחו כארבעה מיליארד רשומות הצעות מחיר שנחשפו באתר של החברה. לפי הדוח, המודעות הופיעו בין מרץ ליוני 2026 בכ-70 אלף אפליקציות ובכ-120 אלף אתרים, ומיליוני מכשירים הופנו לשרתי Candiru.

אישורים מהתעשייה

לפי הדוח, Discover-Tech הופיעה ברשימות של ספקים "מוסמכים" ו"מאושרים" שמתחזקות Google וגוף הפרסום IAB Europe. המודעות שלה הוצגו דרך רשתות גדולות, ביניהן Google, Yandex ו-Beeswax. החוקרים מציינים גם שהחברה ניצלה מסגרות הסכמה של תקנת הגנת המידע האירופית (GDPR) כדי לפנות למשתמשים באיחוד האירופי.

לפי הדוח, לאחר שהממצאים הועברו אליהן, Google, IAB Europe, Beeswax, Vungle (Liftoff) ו-Eskimi נקטו צעדים לניתוק הגישה של Discover-Tech למערכת הפרסום הדיגיטלית.

מה מוסיף דיווח Confiant

חברת האבטחה Confiant, שעוסקת באבטחת מערכות פרסום, פרסמה ניתוח עצמאי על אותה שרשרת. לפי Confiant, המודעה הראשונה מהמערך שנצפתה על ידה הופיעה ב-12 באפריל 2026. התאריך מובא כפי שנמסר על ידי Confiant ולא נבדק מחדש במסגרת הכתבה הזו.

מה עדיין לא ברור

הדוח מתאר מנגנון טכני מפורט, אך נשארות שאלות. אין בו הערכה מאומתת של מספר הקורבנות בפועל. החוקרים כותבים גם שגורם נוסף, שהם כינו DARK CARTOGRAPHER, משתמש בתשתית של Discover-Tech כדי לקשר מזהי פרסום של מכשירים למספרי טלפון דרך מפעילי סלולר, והממצאים עליו יפורסמו בדוח נפרד.

למה זה חשוב לקורא

הסיפור מראה שמערכות פרסום, שנועדו להציג מודעות לגולשים, יכולות לשמש גם ערוץ לחדירה למכשירים. לפי הדוח, מערכות הפרסום לא הצליחו לזהות ולמנוע את הפגיעה, ולכן האחריות אינה נופלת רק על הגולש אלא גם על השחקנים בשרשרת הפרסום. החוקרים קוראים לרגולטורים לבדוק אם Discover-Tech ו-Candiru הפרו חוקים החלים עליהן.

מקורות:

Citizen Lab, מחקר 195: https://citizenlab.ca/research/how-discover-tech-turned-targeted-ads-into-a-pipeline-for-spyware/

Confiant, ניתוח עצמאי: https://blog.confiant.com/p/adint-weaponized-ad-tech-for-zero-click-spyware-and-mass-identity-vacuuming

המעבדה Institute of Foundation Models (IFM) והחברה Inception42 הודיעו על השקת Jais 3, דור חדש של מודלי AI שנבנו בעיקר לשפה הערבית. לפי הודעת השקה רשמית מיום 15 באוקטובר 2026, המשפחה כוללת שישה מודלים פתוחים בגדלים שונים, מאוד קטנים ועד דגל גדול במיוחד, והמטרה המוצהרת היא לתת למפתחים ולעסקים בחירה של מודל ערבי, שאפשר להריץ ולהתאים בעצמם.

טווח הגדלים הוא הנקודה המרכזית בהצגה. המפתחים מדברים על מודל בגודל 900 מיליון פרמטרים, שקטן מספיק כדי לרוץ על טלפון, ועד דגל בגודל 375 מיליארד פרמטרים. בין שני הקצוות יש מודלים בגדלים ביניים, כך שהבחירה תלויה במשאבים שיש לכל ארגון ובמקום שבו המודל ירוץ. הגודל הקטן מאפשר הרצה מקומית, והגדול מיועד למשימות מורכבות יותר.

לפי המפתחים, לכל המודלים במשפחה יש חלון הקשר של 512 אלף טוקנים. חלון הקשר קובע כמה טקסט המודל יכול לקרוא בבת אחת, וזה חשוב במיוחד למסמכים ארוכים, חוזים וקוד. עם זאת, מדובר בנתון שהחברות מסרו, ועדיין אין בדיקה עצמאית שמאשרת איך המודל מתפקד לאורך הקשר כזה.

בצד הדיבור מציגים המפתחים את Jais Speech, מודל שנועד לזיהוי דיבור בערבית, כולל ניבים שונים. ההבטחה היא שהמודל יתמודד טוב יותר עם הדיאלקטים היומיומיים, שבהם מודלים כלליים לעיתים מתקשים. גם כאן מדובר בטענה של המפתחים, ללא הערכה חיצונית שפורסמה עד כה.

בהודעה מופיעה קפיצה בציון הממוצע בערבית למודל בגודל 7 מיליארד פרמטרים: מ-56.4 במודל הבסיס K2 Horizon ל-79.6 ב-Jais 3. הנתון מבוסס על חבילת 24 מבחנים בערבית שה-IFM וה-Inception42 מציגים כחבילה שלהם בלבד. לא פורסמו עדיין בדיקות עצמאיות שמשחזרות את התוצאות, ולכן כדאי לקרוא אותו כטענה של המפתחים, לא כהשוואה מאומתת מול מודלים אחרים.

המודלים זמינים להורדה בפלטפורמת Hugging Face, באוסף שנקרא Jais 3 שמפרסם IFM. מי שמתכנן להשתמש בהם כדאי שיבדוק את תנאי הרישיון בדף האוסף ואת ההנחיות הטכניות לפני שילוב במוצר.

מקורות:
הודעה רשמית של IFM: https://ifm.ai/jais3/press-release/
גרסת PRNewswire: https://prnewswire.com/news-releases/institute-of-foundation-models-and-inception42-launch-jais-3-the-worlds-leading-arabic-native-ai-for-speech-writing-and-agents-302909754.html
אוסף במודל Hugging Face: https://huggingface.co/collections/IFM/jais-3

עדכון 15.10.2026, 21:05 (שעון ישראל)

עדכון: מה Apple מוסיפה לסיפור

Apple פרסמה נתוני הרצה של Muse Spark Open על חומרה שלה. הפרסום הרשמי הוא מחקר על הפצת ההסקה על פני כמה מחשבים בספריית MLX של Apple. לפי הפוסט, על אשכול של ארבעה Mac Studio עם שבבי M5 Ultra המודל מייצר יותר מ-36 טוקנים בשנייה בשלב יצירת הטוקנים, בהקשר של 8,192 טוקנים.

הציוץ המוטמע למטה הוא של מארק צוקרברג, מנכ"ל Meta. הוא כתב שמשקלי המודל משתחררים היום, ושהמודל "רץ טוב" על Mac Studio חדשים, בזכות עבודה משותפת עם Apple. זו טענה של Meta על השחרור. הנתונים הטכניים נמצאים בפוסט של Apple.

מה שהפוסט של Apple מאשר: הרצה של המודל על Mac Studio עם שבבי M5 Ultra, בתצורת אשכול של ארבעה מחשבים, והזכרה של פורמט הכיווץ NVFP4. על מחשב בודד עם 512GB זיכרון המודל אינו נכנס, ולכן נדרש חיבור בין כמה מחשבים. מה שלא נכלל בפוסט הרשמי ולכן לא נכתב כאן: פרטי חומרה ורישיון שפורסמו בדיווחים משניים. אלה יתווספו רק אחרי שייבדקו במקור.

המשמעות לקורא: עד עכשיו הרצה של מודל בגודל כזה דרשה בדרך כלל תשתית ענן. נתוני Apple מראים שהרצה מקומית על חומרה צרכנית-מתקדמת אפשרית, אם כי באשכול של כמה מחשבים ולא במכשיר בודד. הנתונים הם של Apple עצמה, ולא של צד בלתי תלוי, ולכן כדאי לקרוא אותם כטענה של החברה עד שייבדקו בנפרד.

מקורות: הפוסט הרשמי של Apple על הפצת הסקה ב-MLX (https://machinelearning.apple.com/research/mlx-distributed-inference); הציוץ המוטמע ב-X (https://x.com/finkd/status/2110778025629347999).

מטא הודיעה על שחרור משקולות פתוחים של Muse Spark Open, מודל שפה בגודל 816 מיליארד פרמטרים, מתוכם כ-42 מיליארד פעילים בכל שלב עיבוד, עם הקשר של מיליון טוקנים. לפי מטא, המודל מיועד בעיקר להרצה מקומית על מחשב Mac Studio עם שבב M5 Ultra ובעזרת מסגרת העבודה MLX של Apple.

הפוסט של מארק צוקרברג ב-X הוא המקור המרכזי לשחרור. בפוסט עצמו נכתב שהמשקולות משתחררות היום, וששיתוף הפעולה עם ג'ון טרנוס ו-Apple מאפשר להריץ את המודל היטב על Mac Studio חדשים. הפרטים הטכניים שלהלן, כמו גודל המודל, מספר הפרמטרים הפעילים, אורך ההקשר ותמיכת החומרה, מיוחסים למטא ולא נבדקו באופן עצמאי.

פתוח לא אומר הכי חזק

ההבחנה החשובה בהכרזה היא בין שני מודלים. Muse Spark Open הוא המודל שמטא משחררת לציבור כמשקולות פתוחים, וכך כל מי שיש לו חומרה מתאימה יכול להריץ אותו אצלו. Muse Wonder, לפי מטא, הוא המודל החזק יותר של החברה, והוא נשאר סגור ולא משתחרר.

השוואות הביצועים בין המודלים, ובינם לבין מודלים אחרים, הן של מטא עצמה ולא של גורם עצמאי. לכן כדאי לקרוא אותן כטענות של החברה, לא כמדידה מאומתת.

למה זה מעניין את הקורא

שחרור של מודל כה גדול להרצה על חומרה שמשתמש פרטי או ארגון קטן יכולים להרשות לעצמם הוא צעד שונה ממודלים שרצים רק בענן. מטא ממקדת את ההכרזה בהרצה מקומית, ובכך מציעה חלופה לשימוש דרך שירותי ענן.

מה שעדיין לא ברור מהחומר שנבדק הוא אילו רישיונות חלים על השימוש המסחרי במשקולות, ומה הביצועים בפועל על חומרה של Mac Studio. אלה שאלות לבדיקה בשלב הבא.

מקורות:

הפוסט הרשמי של מארק צוקרברג ב-X: https://x.com/finkd/status/2110778025629347999

ServiceNow מציגה מנגנון חדש שהיא קוראת לו AI Passport. לפי הודעת החברה, מדובר באישור חתום שמלווה סוכן AI או שרת MCP (Model Context Protocol) בזמן ריצה. המטרה: שהארגון ידע מי הסוכן, במה הוא מורשה לעסוק, ומה אפשר לעשות כדי לעצור אותו. ההשקה מגיעה יחד עם הרחבה של Super Intelligence Control Tower, מערכת הניהול הקיימת של החברה לסוכנים.

ממודל בטוח לסוכן שאפשר לעצור

בשיח על בטיחות AI מדברים הרבה על מה שהמודל אומר. Passport מעביר את הדיון למה שהסוכן עושה בזמן שהוא פועל. לפי ההודעה, לכל סוכן יש אישור חתום שאפשר להשהות או לבטל, והפעולות שלו נרשמות ביומן ביקורת. הרעיון הוא שליטה תפעולית, ולא רק הנחה שהמודל יתנהג יפה.

לפי ההודעה, כשסוכן נשאר בתחום האישור שלו הוא יכול לפעול בחופשיות. כשהוא סוטה, אפשר להפעיל תגובות מדורגות: להפנות אותו מחדש, להגביל אותו או לחבר אותו מחדש עם הקשר מתאים. ובמקרה הקיצוני יש מתג עצירה שפועל במהירות מכונה. ההודעה מוסיפה שהיומן מתעד את הפעולות ומאפשר לשייך כל פעולה לגורם שאישר אותה.

מה נטען, ומה לא נבדק

ההודעה מציגה את Passport כמי שמחבר בין אישור טכני, הקשר עסקי ויכולת עצירה. האישור מונפק לכל סוכן על ידי Super Intelligence Control Tower, ומתבסס על נתוני CMDB, מדיניות GRC ואישורי תהליכי עבודה בארגון. ההודעה מדגישה שבסוכנים של צד שלישי זה יוצר רישום הרשאות שאפשר לאמת, במקום להסתמך על מה שהסוכן עצמו טוען על הרשאותיו.

ב-NVIDIA מוזכרת כשותפה לתכנון ולהשקה. לפי ההודעה, החברות בונות יישום אכיפה מוכן לייצור עם NVIDIA Open Agent Safety Platform, הכולל את סביבת הריצה OpenShell ואת מסגרת האבטחה Sentry. ההודעה כוללת גם ציטוט של לקוח אחד, LTM, שמדווח על פריסה של 1,500 סוכנים בארגונו. זו עדות של הלקוח עצמו, לא בדיקה עצמאית.

חשוב להבחין: אלו טענות של החברה. לא נבדקו בצד שלישי, ולא פורסמו בדיקות עצמאיות של הביצועים, האבטחה או היציבות של המערכת. לפי ההודעה, AI Passport יהיה זמין ברבעון הרביעי של 2026, ולכן עדיין אין שימוש ציבורי שאפשר למדוד.

למה זה חשוב לקורא בישראל

ארגונים ישראלים שמטמיעים סוכנים בתהליכים פנימיים, בפיננסים, באבטחת מידע ובשירות לקוחות, צריכים להחליט מי מאשר סוכן, מי רואה את היומן ומי יכול לכבות אותו. Passport הוא דוגמה לכלי שמנסה לתת תשובה ארגונית לשאלה הזו. עד שיהיו בדיקות עצמאיות ונתוני שימוש אמיתיים, כדאי לקרוא אותו כהצעה של ספק אחד, ולא כתקן שוק.

מקורות:

הודעה לעיתונות של ServiceNow: https://newsroom.servicenow.com/press-releases/details/2026/ServiceNow-advances-its-operational-harness-for-enterprise-AI-with-AI-Passport-and-expanded-governance-capabilities/

NVIDIA הכריזה על Nemotron 3.5 Super VL, מודל רב-מודאלי פתוח במשקלים גלויים בגודל 120 מיליארד פרמטרים. המודל נועד לסוכני AI שצריכים לנמק על טקסט ותמונה יחד, למשל כשסוכן צריך לקרוא מסמך, לבדוק מקורות ולפעול לפי נוהלי חברה. הבלוג הטכני של החברה מאריך את הרשימה לקידוד, מחקר ברשת, ניתוח מסמכים, אבטחת סייבר וניתוח וידאו.

מה ידוע על המודל

לפי NVIDIA, מדובר בארכיטקטורת מומחים מעורבים (MoE) עם 120 מיליארד פרמטרים בסך הכול, מתוכם כ-12 מיליארד פעילים בכל אסימון. החברה טוענת שכך המודל שומר על קיבולת גבוהה ועל יעילות בהסקה. הבלוג מוסיף שעל GPU יחיד המודל מספק עד פי 5 תפוקה למשימות סוכניות, לעומת מודלים פתוחים אחרים בגודל דומה. זו טענה של היצרנית, ועדיין אין מדידה עצמאית שמאשרת אותה.

בתרשים שמלווה את הבלוג מוצג מעל 600 אסימוני פלט בשנייה במשימות סוכניות של Artificial Analysis, בנקודת קצה של Baseten. גם זה נתון של החברה ולא של גורם בלתי תלוי.

משקלים, כימות ו-LiLiCorr

המשקלים מפורסמים ב-Hugging Face בשתי גרסאות שמופיעות בתיק: NVFP4, גרסה מכומתת שנועדה להפחית את צריכת הזיכרון, ו-NVFP4-LiLiCorr. לפי כרטיס המודל, הגרסה המכומתת עברה זיקוק מודע לכימות מהגרסה BF16.

פוסט הפורום הרשמי של NVIDIA מתאר את LiLiCorr כמודל עזר לפענוח ספקולטיבי (speculative decoding), כלומר מודל קטן שמציע אסימונים מראש כדי להאיץ את היצירה. לפי אותו פוסט, גרסת NVFP4 בגודל כ-75 ג'יגה-בייט נכנסת למחשב DGX Spark יחיד.

הכימות לא בלי מחיר. בכרטיס המודל, הציון של הגרסה המכומתת נמוך מהגרסה המלאה במדדים מסוימים: WebVoyager ירד מ-77.72 ל-66.31, DeepSWE מ-24.65 ל-18.2, ו-MMLU-ProX מ-76.91 ל-73.76. במדדים אחרים ההפרש קטן מאוד, ולעיתים הגרסה המכומתת אף מציגה ציון גבוה מעט יותר.

הרצה על DGX Spark

פוסט הפורום של NVIDIA מציין תצורת vLLM ייעודית ל-DGX Spark, כלומר הגדרה מוכנה להרצת המודל על המחשב הזה, וזה אחד משני נתיבי ההפעלה המרכזיים שהחברה מציגה. כרטיס המודל כולל הוראות הפעלה של vLLM בשרת תואם OpenAI. לא הרצנו את ההגדרה, ולכן מדובר בטענה של החברה.

מה השותפים מדווחים

הבלוג מציין כמה ניסויים של חברות שאימנו את המודל מחדש על הנתונים שלהן. לפי NVIDIA:

Scale AI אימנה את המודל לעיבוד חשבוניות ספקים אוטומטי אצל Skydance, חברת מדיה ובידור, והחברה טוענת לירידה של פי 40 בעלות ההסקה ופי 5 בזמן התגובה.

Ramp, פלטפורמה לניהול פיננסי, משתמשת במודל להמרת תמונות קבלות למבנה נתונים מסודר. החברה מצפה לתפוקה גבוהה עד 50% יותר וזמן תגובה נמוך פי 10.

AI21 ו-Alice אימנו את המודל לניתוח איומי סייבר ופגיעויות, ודיווחו על שיפור של 41% בדיוק.

אלה הערכות של החברות עצמן, לא מדידה עצמאית. הבלוג מציין גם את Perplexity כמי שסיפקה נתונים לשלב האימון הביניים. הרשימה המלאה של השותפים, כולל CrowdStrike ו-Atlassian, מופיעה בדיווחים המשניים בלבד, ולא אומתה בטקסט הבלוג שנבדק.

מודלי הקצה של Bolt

לפי הדיווחים של Investing.com ו-Wccftech, NVIDIA הכריזה גם על שני מודלים קטנים לקצה במשפחת Nemotron 3.5 Bolt: מודל בגודל 24 ג'יגה-בייט בתצורה 74B-A9B שזמין כבר, ומודל E4B בגודל 4 ג'יגה-בייט שצפוי ב-23 באוקטובר. הפרטים האלה לא נמצאו בבלוג או בפוסט הרשמי שנבדקו, ולכן הם מוצגים כטענות שהופיעו בתקשורת המשנית בלבד.

מה עדיין לא נבדק

אין עדיין מדדי ביצועים עצמאיים למודל. כל המספרים בכתבה, כולל אלה מכרטיס המודל, נמסרו על ידי NVIDIA. ההשוואה למודלים אחרים תלויה בבדיקות שטרם פורסמו בצורה עצמאית. גם תצורת ה-DGX Spark וטענות התפוקה עדיין מחכות לבדיקה של מפתחים.

מה לומדים מזה

NVIDIA מציגה מודל פתוח שמיועד לעבודה סוכנית מקצועית ולא לשיחה כללית, ומודדת את ההצלחה בתפוקה, בזמן תגובה ובדיוק במשימות של לקוחות. השאלה שתכריע היא אם הנתונים האלה יחזיקו בבדיקות עצמאיות ובהרצות של מפתחים על חומרה כמו DGX Spark.

מקורות:

הבלוג הטכני של NVIDIA למפתחים

פוסט הפורום הרשמי של NVIDIA על השקת המודל

פוסט הפורום של NVIDIA על הבלוג

כרטיס המודל NVFP4 ב-Hugging Face

כרטיס מודל LiLiCorr ב-Hugging Face

דוח טכני של NVIDIA על Nemotron 3.5 Super ו-Lightning

Investing.com: דיווח על מודלי Nemotron 3.5 Super VL ו-Bolt

Wccftech: דיווח על Nemotron 3.5 Super VL ומודלי Bolt

קלאודפלייר ו-OpenAI פרסמו עדכון על הניסוי המשותף שלהן לגילוי דפי אינטרנט. לפי הפוסט הרשמי של קלאודפלייר בבלוג שלה, הקבוצה המשתתפת בניסוי מייצגת כ-1% מהרשת של החברה, ו-OpenAI הוסיפה לאינדקס שלה מאות מיליוני דפים חדשים.

זה עדכון לניסוי שהוכרז בחודש יולי, ולא לעסקה חדשה. ההודעה המקורית מ-8 ביולי מופיעה כאן. באותה הודעה עדיין לא פורסמו נתוני היקף, ולכן המספרים בעדכון הם החדשות המרכזיות.

הרעיון מעניין במיוחד. מפעילי אתרים רבים חוסמים סורקי בינה מלאכותית, ואילו קלאודפלייר ו-OpenAI מנסות להשתמש בסיגנלים מהרשת כדי לעזור למנוע החיפוש של ChatGPT לגלות תוכן רלוונטי. לפי הפוסט, OpenAI מעריכה ומדרגת את הדפים בעצמה, ו-ChatGPT Search מקשר בחזרה למקורות. לכל מי שמנהל אתר השאלה המעשית היא האם כללי הסריקה שלו מאפשרים לסורקים האלה לגלות את התוכן, ומה המשמעות של חסימה מלאה.

הפוסט עצמו מדגיש שסיגנל על דף אינו הרשאה לגשת אליו, ושהמחקר משתמש במטא-דאטה על הרשת לצורכי חיפוש וגילוי, ולא בשיתוף של תוכן הדפים לאימון מודלים. זו טענה של החברות ולא נבדקה מול גורם עצמאי.

לאתרי חדשות וכותבים בישראל השאלה נעשית ממשית. הבחירה אילו סורקים לאפשר ואיך להגדיר את הכללים משפיעה על מי שימצא את התוכן דרך מוצרי חיפוש וצ'אט. זו קריאה שלנו של המצב, לא טענה מהמקורות.

מה לא ידוע מהפוסט: התנאים המדויקים של הניסוי, אילו דפים נכללו, והאם האתרים שבחרו לחסום נכללים בו. המספרים מיוחסים לקלאודפלייר ולא נבדקו מול מקור עצמאי. הדיווח של The Next Web מופיע כמקור משני בלבד, ולא שימש לעובדות בכתבה.

מקורות: