יוצאים מחלון הצ'אט: אסטרה ופייבל כבר מפעילים את המחשב בעצמם

בשנים האחרונות התרגלנו לדבר עם הבינה המלאכותית. מבקשים ממנה לכתוב, לסכם, לחשב, לחפש או לעזור בקוד, והיא מחזירה תשובה. הדור החדש מתחיל לשנות את מערכת היחסים הזאת: המודל מקבל משימה ויוצא לבצע אותה. הוא יכול לעבוד בדפדפן, לפתוח תוכנות, להשתמש בטרמינל, לעבור בין מסמכים וכלים ולהתקדם לאורך תהליך עבודה שלם. המשתמש כבר לא חייב להנחות אותו בכל פעולה בדרך.

אסטרה של OpenAI ופייבל 5.1 של אנתרופיק, שנכנסו בתחילת ספטמבר, ממחישים עד כמה מהר המעבר הזה מתרחש. היכולות שלהם כבר נמדדות גם לפי מה שהם מצליחים לעשות על מחשב ובמשך כמה שלבים ברצף. במקביל נפתחת תחרות נוספת, כלכלית מאוד: כמה עולה להפעיל עובד דיגיטלי כזה, והאם צריך לשלם על המודל החזק ביותר כשמודל זול בהרבה מסוגל לבצע חלק גדול מאותה עבודה.

GPT-6 אסטרה של OpenAI יצא ב-3 בספטמבר. קלוד פייבל 5.1 של אנתרופיק הושק יומיים קודם, ב-1 בספטמבר. שניהם מכוונים במידה רבה לאותו יעד: להפוך את מודל הבינה המלאכותית מכלי שעונה למשתמש לכלי שמסוגל לבצע עבורו עבודה.

המבחן החדש: מה המודל מסוגל לעשות

המספרים שמפרסמת OpenAI מראים עד כמה השתנה גם אופי התחרות. אסטרה קיבל 98% במבחן FrontierMath Tier 4, שבוחן בעיות מתמטיות ברמה גבוהה, 99.9% במבחן ARC-AGI-3 ו-100% ב-ExploitBench, שבוחן יכולות בתחום הסייבר. החברה מדווחת גם על ביצועים גבוהים במבחנים שנועדו למדוד שימוש במחשב ובדפדפן ועבודה מקצועית רב-שלבית. הנתונים המלאים מופיעים בהודעת ההשקה של OpenAI.

הנתונים האלה חשובים לא רק בגלל הציון. במשך שנים המדדים הבולטים של מודלי שפה בדקו בעיקר ידע, מתמטיקה, תכנות והיגיון. עכשיו חלק הולך וגדל מהמבחנים בודק משהו אחר: האם המודל מסוגל לפעול בתוך סביבת עבודה אמיתית, להשתמש בכלים ולהשלים רצף של פעולות.

פייבל 5.1 מתקדם באותו כיוון. אנתרופיק מגדירה אותו כמודל למשימות חשיבה מורכבות ולעבודה עצמאית ארוכת טווח. הוא מיועד בין היתר לתכנות שנמשך לאורך זמן, מחקר רב-שלבי ועבודה עם מסמכים, גיליונות ומצגות. גם כאן חלון ההקשר מגיע למיליון יחידות טקסט והפלט המרבי ל-128 אלף.

המשמעות היא שההשוואה בין המודלים מתחילה להיראות פחות כמו מבחן ידע ויותר כמו השוואה בין עובדים דיגיטליים. מודל יכול להיות מעט פחות טוב במבחן מתמטי מסוים ועדיין להיות שימושי יותר לארגון אם הוא יודע לקחת משימה מורכבת, להשתמש בכמה מערכות ולסיים אותה עם פחות התערבות אנושית.

כמה עולה לתת לבינה המלאכותית לעבוד?

כאן נכנס המשתנה השני שמתחיל להיות חשוב כמעט כמו הביצועים: המחיר.

לפי המחירון של OpenAI, אסטרה עולה 10 דולר לכל מיליון יחידות טקסט שנכנסות למודל ו-50 דולר לכל מיליון יחידות שיוצאות ממנו. פייבל 5.1 מתומחר בדיוק באותה רמה - 10 דולר לקלט ו-50 דולר לפלט.

• ה-ChatGPT הסיני מכוון להכנסות בקצב של 2 מיליארד ד'
• ביקוש של פי 6,109: המשקיעים מסתערים על חברה מפסידה בשווי 9 מיליארד דולר

אלה מחירים גבוהים יחסית למודלים שמיועדים לעבודה בהיקפים גדולים, אבל צריך להסתכל עליהם מול סוג העבודה שהם אמורים לבצע. אם מודל רק מסכם מסמך, מחיר של עשרות דולרים למיליון יחידות פלט יכול להיראות יקר. אם הוא מבצע עבודה של שעות - מחקר, כתיבת קוד, בדיקות, עבודה בדפדפן ויצירת תוצר סופי - החישוב משתנה.

וזה בדיוק המקום שבו התחרות הופכת מעניינת יותר.

גרוק 4.6 של xAI מתומחר ב-2 דולרים לכל מיליון יחידות קלט ו-6 דולרים לפלט, כל עוד ההקשר אינו ארוך במיוחד. כלומר, מחיר הקלט שלו הוא חמישית מזה של אסטרה ופייבל ומחיר הפלט נמוך ביותר מפי שמונה. בהקשרים של 200 אלף יחידות ומעלה המחיר עולה ל-4 דולרים לקלט ו-12 דולר לפלט, לפי המחירון הרשמי של xAI.

הפער הזה הופך משמעותי במיוחד כשמדובר בחברות שמריצות מיליוני או מיליארדי יחידות טקסט בחודש. ההחלטה איזה מודל להפעיל כבר אינה רק שאלה של מי נמצא במקום הראשון בטבלת הביצועים. שיפור של כמה נקודות במבחן מסוים יכול להיות פחות חשוב אם האלטרנטיבה עולה חמישית מהמחיר.

ואז הגיעו הסינים

אבל גם 2 דולרים לקלט מתחילים להיראות יקרים כשמסתכלים על חלק מהמודלים הסיניים. חברות כמו דיפסיק ועליבאבא ממשיכות לדחוף את המחירים כלפי מטה במקביל לשיפור ביכולות החשיבה, התכנות והשימוש בכלים. המשמעות היא שבחלק מהמקרים ארגונים יכולים לבחור מודל שמחירו עשרות סנטים בלבד למיליון יחידות קלט, במקום כמה דולרים או 10 דולר אצל דגמי הקצה האמריקאיים.

זה לא אומר שהמודלים זהים. מודל זול יותר יכול להיות פחות אמין במשימות מורכבות, להזדקק ליותר ניסיונות או להתקשות במשימות ארוכות שבהן המודל היקר מצליח להגיע לתוצאה בניסיון הראשון. אבל ככל שהפער ביכולות מצטמצם, המחיר הופך לשיקול שקשה יותר להתעלם ממנו.

• אמודיי רוצה להאט את מרוץ ה-AI - אלטמן, מאסק והסביס מצטרפים
• אנתרופיק עצרה ניסיונות להשתמש ב-AI למחקר שעלול לסייע בפיתוח נשק ביולוגי

ארגון שמריץ אלפי משימות ביום לא בהכרח צריך את המודל החזק ביותר לכל אחת מהן. משימות פשוטות יכולות לעבור למודל זול, משימות בינוניות למודל ביניים ורק העבודה המורכבת ביותר למודל שעולה 10 דולר למיליון יחידות קלט. כך נבנית בהדרגה שכבת תמחור חדשה של עבודה דיגיטלית.

לא כל משימה צריכה את המודל הכי חזק

זו אולי הנקודה הכלכלית החשובה ביותר בגל הנוכחי. במשך תקופה ארוכה חברות הבינה המלאכותית התחרו בעיקר על השאלה מי מחזיקה במודל החזק ביותר. עכשיו מתחילה להיווצר תחרות אחרת: כמה עולה להשיג תוצאה מסוימת.

אם אסטרה מצליח לבצע משימה בניסיון אחד ומודל זול דורש חמישה ניסיונות, ההפרש במחיר מצטמצם. אם המודל הזול מגיע לאותה תוצאה בניסיון הראשון, קשה יותר להצדיק פער של עשרות מונים בעלות. וכאשר מדובר בחברה שמפעילה סוכני בינה מלאכותית לאורך כל יום העבודה, ההבדל יכול להצטבר לסכומים משמעותיים.

גם OpenAI עצמה כבר פועלת לפי ההיגיון הזה. לצד אסטרה היא מציעה את GPT-5.6 סול ב-4 דולרים לקלט ו-20 דולר לפלט ואת GPT-5.6 טרה ב-2 דולרים ו-12 דולרים. החברה מציגה את טרה במפורש כמודל שנועד לאזן בין יכולת לעלות. בהשוואת המודלים של OpenAI אפשר לראות עד כמה רחב כבר טווח המחירים גם בתוך משפחת המודלים של אותה חברה.

כלומר, גם בתוך אותה חברה כבר אין תשובה אחת לשאלה באיזה מודל משתמשים. הבחירה תלויה בשאלה כמה קשה המשימה, כמה זמן היא נמשכת וכמה כדאי לשלם כדי לפתור אותה.

גם מודלים זקוקים לגבולות?

ככל שהמודלים מקבלים יותר יכולת לפעול במחשב, עולה גם שאלה פחות נוחה: כמה סמכות נותנים להם.

OpenAI הגדירה את אסטרה כמודל הראשון שלה שהגיע לרמה קריטית בתחום יכולות הסייבר. לפי סקירת הבטיחות שפרסמה החברה, כאשר הוא מקבל את הכלים והגישה המתאימים, המודל מסוגל לאתר חולשות אבטחה שלא היו ידועות ולפתח דרכים חדשות לנצל אותן במערכות מוגנות, בלי שאדם ינחה אותו בכל שלב. בעקבות זאת החברה אומרת כי חיזקה את מנגנוני ההגנה והניטור סביב המודל.

זו אותה תכונה שהופכת את הדור החדש לשימושי יותר וגם מגדילה את הסיכון. מודל שיכול רק להציע קוד מוגבל למה שהמשתמש עושה איתו אחר כך. מודל שיכול לפתוח טרמינל, להריץ את הקוד, להתחבר לשירותים ולהמשיך לפעולה הבאה כבר נמצא במקום אחר לגמרי.

המעבר הזה משנה גם את שוק העבודה סביב הבינה המלאכותית. בשלב הראשון הכלים האלה חסכו דקות: ניסוח מייל, סיכום מסמך או כתיבת כמה שורות קוד. בשלב הבא הם מתחילים להתחרות על שעות עבודה שלמות. לא מפני שהם מחליפים עובד בלחיצת כפתור, אלא מפני שהם מסוגלים לקבל חלק גדול יותר מתהליך העבודה במקום רק לסייע בנקודה אחת בתוכו.

וזה גם מסביר מדוע מחירון המודלים הופך לנתון עסקי חשוב. כאשר הבינה המלאכותית הייתה בעיקר צ'אט, ההבדל בין עשרות סנטים ל-10 דולר למיליון יחידות טקסט עניין בעיקר מפתחים. כשהיא מתחילה לעבוד לאורך זמן, להשתמש במחשב ולבצע תהליכים שלמים, המחיר הזה מתחיל להיראות יותר כמו עלות עבודה.

בספטמבר 2026 התחרות כבר מתנהלת בשני צירים במקביל. מצד אחד אסטרה ופייבל דוחפים את גבול היכולת ומראים עד כמה רחוק מודל יכול להגיע כשהוא מקבל מחשב וכלים. מצד שני גרוק והמודלים הסיניים דוחפים את המחיר כלפי מטה. המנצח לא בהכרח יהיה המודל שמקבל את הציון הגבוה ביותר במבחן אחד, אלא זה שייתן לארגונים את היחס הטוב ביותר בין יכולת, אמינות ועלות.