אילוסטרציה באמצעות בינה מלאכותית
אילוסטרציה באמצעות בינה מלאכותית

מיליון טוקנים למשימות ארוכות: גוגל חושפת את ג'ימיני 4 - ומה מראים מבחני הביצועים?

המודל החדש מסוגל לעבוד ברצף על משימות ארוכות: לכתוב ולתקן תוכנה, לנתח מסמכים, לבצע מחקר פיננסי ומשפטי ולהפעיל סוכני AI לאורך זמן. במבחנים שהציגה גוגל הוא מוביל על OpenAI ואנתרופיק ברוב הקטגוריות, אבל עדיין מפסיד להן בחלק מהמשימות - והגישה אליו כרגע מוגבלת לקבוצה קטנה של גופים ומומחים.כמה יעלה השימוש בו, למי הוא יהיה זמין בשלב הראשון ומה עדיין נותר לבחון?

ענת גלעד | (2)

לתת לבינה מלאכותית לכתוב קטע קוד או לסכם מסמך זו משימה קצרה יחסית. אבל מה קורה כשמבקשים ממנה לבדוק מערכת תוכנה שלמה, לאתר תקלות, להציע תיקונים, להריץ בדיקות ולהמשיך לעבוד במשך שעות? ככל שהמשימה מתארכת, כך גדלה כמות המידע שהמודל נדרש לעבד ולייצר, ועולה גם הצורך במעקב ובהתערבות אנושית. עבור חברות שמבקשות להעביר לסוכני AI חלק גדול יותר מהעבודה, למגבלות האלה יש גם משמעות כלכלית.

בדיוק לשם מכוונת ההשקה החדשה של גוגל. החברה הציגה את ג'ימיני 4 ארגון (Gemini 4 Argon), מודל בינה מלאכותית שמיועד לביצוע משימות מורכבות וממושכות, עם מגבלת פלט של עד מיליון טוקנים, לעומת 64 אלף בדורות קודמים. מדובר בהגדלה משמעותית של כמות המידע שהמודל מסוגל להפיק ברצף עבודה אחד, לרבות שלבי החשיבה שלו. המטרה היא לאפשר לסוכנים המבוססים עליו להמשיך במשימה לאורך זמן, לעבור בין כלים ולבצע רצף פעולות ארוך יותר.

להרחבה: גוגל משיקה את ג'מיני 4 ארגון ומרחיבה את התחרות בשוק הבינה המלאכותית

גוגל כבר מציגה תוצאות ראשוניות משימוש במודל בתוך החברה, בהן ייעול תשתיות מחשוב, פוטנציאל לפינוי מאות טרה-בייט של זיכרון והשתתפות בפרויקט להעברת מאות אלפי שורות קוד לשפת תכנות אחרת. במבחני הביצועים שפרסמה הוא מוביל בחלק מהתחומים, בהם מחקר פיננסי ואוטומציה עסקית, אך מציג תוצאות נמוכות מהמתחרים במבחנים אחרים. בשלב זה הגישה אליו עדיין מוגבלת, כך שהיכולת לתרגם את הנתונים האלה לחיסכון בפועל אצל לקוחות עסקיים עוד צריכה לעמוד במבחן.

ההשקה מגיעה בתקופה שבה חברות הבינה המלאכותית מרחיבות את השימוש בסוכנים אוטונומיים. רק השבוע הציגה OpenAI את Dots, סוכן שמיועד לבצע משימות במחשב במקום המשתמש. הרעיון דומה אצל החברות השונות: המשתמש מגדיר את התוצאה הרצויה, והמערכת מתכננת את שלבי הביצוע, מפעילה כלים ומתקדמת במשימה. במקביל, ארגונים כבר מתמודדים עם ריבוי סוכני AI, ועם הצורך לתאם ביניהם, להגביל הרשאות ולפקח על הפעולות שהם מבצעים.

מבחינת גוגל, הגדלת מגבלת הפלט אמורה לתמוך בדיוק בסוג העבודה הזה. טוקן הוא יחידת המידע שבה משתמש המודל לעיבוד ולהפקת טקסט. מיליון טוקנים אינם בהכרח מיליון מילים, וגם אין פירושם שהמשתמש יקבל מסמך באורך כזה. מדובר בתקרת הפלט הזמינה לרצף העבודה, שכוללת גם את יחידות העיבוד המוקדשות לשלבי החשיבה של המודל.

התוכן והמידע של נתוני המחשבון והכלי האינטראקטיבי
עמוד 1: המרה
מיליון טוקנים: כמה זה בעברית
כמה מילים ועמודים נכנסים במיליון טוקנים, ומה הגידול לעומת המגבלה הקודמת.
יחס הטוקנים למילה משתנה לפי המודל והשפה. אלה הערכות שאפשר לעדכן.
שדות הקלט וערכי ברירת המחדל
שדהברירת מחדל
מספר טוקנים1,000,000
טוקנים למילה בעברית2.5
טוקנים למילה באנגלית1.4
מילים בעמוד400
התוצאות בברירת המחדל
תוצאהערך
מילים בעברית (התוצאה הראשית)400,000 מילים
עמודים בעברית1,000 עמודים
מילים באנגלית714,286 מילים
עמודים באנגלית1,786 עמודים
ספרים של 60,000 מילה (עברית)6.7 ספרים
איך מחשבים
מילים בעברית הן מספר הטוקנים לחלק לטוקנים למילה בעברית. מילים באנגלית מחושבות באותו אופן עם היחס לאנגלית. עמודים הם מספר המילים לחלק למילים בעמוד, וספרים הם המילים בעברית לחלק ל-60,000.
דוגמאות נוספות לפי יחס הטוקנים בעברית
טוקנים למילה בעבריתמילים בעבריתעמודים בעבריתספרים
2500,0001,2508.3
2.5 (ברירת מחדל)400,0001,0006.7
3333,3338335.6
דוגמה עם חצי מיליון טוקנים
בחצי מיליון טוקנים, ביחס של 2.5 טוקנים למילה בעברית, נכנסות 200,000 מילים, כלומר 500 עמודים, ובאנגלית כ-357,143 מילים, כלומר כ-893 עמודים. זה כ-3.3 ספרים של 60,000 מילה.
עמוד 2: מגבלה קודמת
השוואה בין מיליון הטוקנים החדשים לבין המגבלה הקודמת.
שדה הקלט וברירת המחדל
שדהברירת מחדל
מגבלת פלט קודמת (טוקנים)64,000
העמוד משתמש גם בשדות מהעמוד הראשון: מספר הטוקנים (1,000,000), הטוקנים למילה בעברית (2.5) והמילים בעמוד (400).
התוצאות בברירת המחדל
תוצאהערך
פי כמה הגידול (התוצאה הראשית)פי 15.6
עמודים בעברית במגבלה הקודמת64 עמודים
הגידול הוא מספר הטוקנים החדש לחלק למגבלה הקודמת: 1,000,000 לחלק ל-64,000 שווה 15.625. העמודים במגבלה הקודמת הם 64,000 לחלק ל-2.5 טוקנים למילה, ואז ל-400 מילים בעמוד, כלומר 64 עמודים.
הערות והסתייגויות
המגבלה (מיליון טוקנים לעומת 64 אלף) מבוססת על הכתבה. יחס הטוקנים למילה (כ-2 עד 3 בעברית) אינו נתון רשמי ותלוי בטוקנייזר של המודל, לכן הוא ניתן לעדכון. מיליון טוקנים כוללים גם שלבי חשיבה, ולא רק טקסט סופי.
קישורים
סוף התוכן מהמחשבון והכלי האינטראקטיבי
מחשבונים קשורים
השוואת המחירים והמגבלות של מנויי AI
העשירון של משק הבית והמרחק לעשירון הבא
השוואת מחיר הסל בין הסניפים באזור שלכם
לכל המחשבונים: מחשבונים וכלים

בעבודה רגילה, כמו ניסוח מייל או סיכום ישיבה, רוב המשתמשים ממילא אינם מתקרבים למגבלות האלה. אבל כאשר סוכן צריך לעבור על בסיס קוד גדול, לחקור בעיה לאורך שעות או להתמודד עם תהליך הכולל בדיקות ותיקונים חוזרים, האפשרות להפיק יותר מידע ברצף עשויה לצמצם את הצורך לעצור את העבודה ולהתחיל שלב חדש. כמובן, מגבלת פלט גדולה יותר אינה מבטיחה שהמודל ישמור על דיוק לכל אורך המשימה, או שיצליח להשלים אותה ללא שגיאות.

הידעת?מהו חלון הקשר?
חלון ההקשר הוא כמות הטקסט שמודל יכול להחזיק ולשקול בבת אחת, כולל השאלה, המסמכים שצורפו והשיחה עד אותו רגע. הוא נמדד בטוקנים, וחלון גדול מאפשר לנתח ספרים שלמים או מאגרי קוד, אבל מייקר כל פעולה.

מה כבר עושים עם המודל בתוך גוגל?

גוגל אינה מסתפקת בהצגת תוצאות ממבחני ביצועים. לפי הודעת ההשקה שלה, אלפי עובדים בחברה כבר משתמשים במודל למשימות שונות, ובהן כתיבת קוד, פתרון בעיות הנדסיות, מחקר וכתיבה.

אחת הדוגמאות שהציגה נוגעת דווקא לעלויות התפעול של מרכזי הנתונים שלה. צוות של סוכנים המבוססים על המודל ניתח נתונים ממערכות המחשוב של גוגל, זיהה אפשרויות לייעול השימוש בזיכרון והציע שינויים שאמורים לפנות יותר מ-300 טרה-בייט של זיכרון לאחר הטמעתם. פוטנציאל ההתייעלות הכולל בפרויקט מוערך על ידי החברה בהיקף של 500 טרה-בייט עד פטה-בייט אחד.

עבור מפעילת תשתיות מחשוב בהיקף של גוגל, שיפור בניצול הזיכרון עשוי להפחית את הצורך בהקצאת משאבים נוספים ולאפשר ניצול יעיל יותר של התשתית הקיימת. עם זאת, החברה לא פרסמה את החיסכון הכספי שנגזר מהפרויקט, ולכן לא ניתן לתרגם את הנתונים האלה לסכום בדולרים.

בפרויקט נוסף משתתפים סוכני הבינה המלאכותית בהעברת קוד משפות התכנות C ו-C++ לשפת Rust, שמספקת מנגנונים לצמצום שגיאות הקשורות לניהול זיכרון. בין היתר מדובר בעבודה על יותר מ-800 אלף שורות קוד ברכיב מרכזי של מערכת ההפעלה פוקסיה (Fuchsia).

הידעת?למה דווקא Rust?
Rust היא שפת תכנות שהחלה כפרויקט במוזילה, וגרסתה היציבה הראשונה יצאה ב-2015. היא מונעת כבר בשלב הכתיבה שגיאות בניהול זיכרון, ומיקרוסופט וגוגל דיווחו שכ-70% מחולשות האבטחה החמורות במוצריהן נבעו משגיאות כאלה בקוד C ו-C++.

גוגל הציגה גם מקרה שבו הסוכנים עבדו על תוכנה לפענוח וידאו, החליפו כ-32 אלף שורות קוד וביצעו סדרת בדיקות ושיפורים. לפי החברה, התוצאה שהתקבלה מהירה פי 2.7 מגרסת Rust הקודמת, תוך שמירה על פלט וידאו זהה.

אלה דוגמאות לשימוש מעשי בטכנולוגיה, אך חשוב להבחין בין ביצוע העבודה לבין הטמעת התוצאה במערכת פעילה. גוגל מדגישה כי שינויי קוד במערכות הרגישות שלה עוברים בדיקות אוטומטיות, ביקורת אנושית ואימות נוסף לפני הכנסתם לשימוש. נכון לעכשיו, התוצאות האלה גם מבוססות על דיווחי החברה עצמה.

קיראו עוד ב"BizTech"

מה מראים מבחני הביצועים, והיכן נותרו פערים?

לצד ההדגמות, גוגל פרסמה השוואות ביצועים מול מודלים של OpenAI ואנתרופיק. בטבלה המלאה נכללות 19 תוצאות בתחומי פיתוח תוכנה, עבודה עסקית, מחקר, מדעים, סייבר וניתוח מידע. ג'ימיני 4 השיג את התוצאה הגבוהה ביותר ב-13 מהן, ובמבחן נוסף חלק את המקום הראשון עם מודל של OpenAI.

הנתונים מספקים אינדיקציה ליכולותיו של המודל, אך יש להביא בחשבון שהטבלה הורכבה על ידי גוגל, ושלא כל הבדיקות בוצעו בהכרח באותן הגדרות ובאותה רמת מאמץ חישובי.

במבחן המיועד לדמות משימות פיתוח תוכנה ממושכות, ג'ימיני 4 הגיע לציון של 77.9%, לעומת 74.2% לקלוד אופוס 5.5 של אנתרופיק ו-74.1% ל-GPT-6 אסטרה של OpenAI.

בתחום המחקר הפיננסי הרב-שלבי נרשם פער גדול יותר: ג'ימיני הגיע ל-65.4%, קלוד אופוס ל-58.6% והמודל של OpenAI ל-53.5%. מבחנים מהסוג הזה בודקים יכולות כמו איסוף מידע, שילוב נתונים ממקורות שונים, ביצוע ניתוח והפקת תוצר המבוסס על כמה שלבי עבודה.

גם באוטומציה עסקית, כלומר ביצוע רצף פעולות באמצעות מערכות וכלים המשמשים ארגונים, ג'ימיני רשם ציון של 51.3%, לעומת 42.5% לקלוד אופוס ו-41.4% למודל של OpenAI.

אחת התוצאות שממחישות את ההבדלים בין המודלים מגיעה מתחום העבודה המשפטית. במבחן שמשלב מחקר וניסוח משפטי קיבל ג'ימיני ציון של 19.6%, לעומת 5.4% למודל של OpenAI ו-3.8% לקלוד אופוס. גם קלוד פייבל 5.1, שנכלל בהשוואה, הגיע ל-6.7%.

למרות הפער היחסי, הציון של ג'ימיני עצמו עדיין נמוך. התוצאה מלמדת שהמודלים מתקשים בחלק ניכר מהמשימות המשפטיות המורכבות שנכללו במבחן, וממחישה את הצורך בבקרה מקצועית גם כאשר כלי מסוים מציג שיפור ביחס לדור הקודם או למתחריו.

בתחום ניתוח המידע החזותי, גוגל מדווחת על תוצאה של 91.7% במבחן להבנת וידאו ארוך, לעומת 87.5% אצל OpenAI ו-83.7% אצל קלוד אופוס. היכולת לשלב מידע חזותי, טקסטואלי ומספרי בתוך אותה משימה עשויה להיות רלוונטית במיוחד למי שעובד עם דוחות, גרפים, מצגות ומסמכים מקצועיים.

עם זאת, במבחני פיתוח אחרים התקבלה תמונה שונה. במבחן FrontierSWE, שבודק משימות מורכבות בתחום הנדסת התוכנה, קיבל GPT-6 אסטרה ציון של 65.5%, לעומת 55% לג'ימיני ו-62.3% לקלוד אופוס.

במבחן המשלב משימות מדעיות עם הפעלת סביבת מחשב, המודל של OpenAI הגיע ל-68.1%, לעומת 63.3% לקלוד אופוס ו-57.6% לג'ימיני. במבחן נוסף, שבודק עבודה באמצעות שורת פקודה, קלוד אופוס השיג 66.4%, לעומת 58.2% ל-OpenAI ו-57.4% לגוגל.

כלומר, גם לפי ההשוואות שגוגל עצמה פרסמה, הביצועים משתנים בהתאם לאופי המשימה. היתרון שנרשם במחקר פיננסי או בעבודה עם מסמכים ארוכים אינו משתקף בהכרח במשימות תכנות מסוימות או בהפעלה ישירה של סביבת מחשב.

לצד נתוני היצרניות, גם חברת המחקר העצמאית Artificial Analysis פרסמה תוצאות ראשוניות עבור המודל. במדד הביצועים המשוקלל שלה קיבל ג'ימיני 4 ציון של 53, בדומה ל-GPT-6 אסטרה, בעוד שקלוד אופוס 5.5 הגיע ל-58. מדובר בסדרת מבחנים אחרת מזו שהציגה גוגל, ולכן אין להשוות ישירות בין הציונים בשתי הבדיקות.

הנתונים האלה מחדדים נקודה חשובה עבור לקוחות עסקיים: כאשר בוחרים מודל לביצוע עבודה מסוימת, כדאי לבחון את תוצאותיו במשימות שדומות ככל האפשר לשימוש המתוכנן. ציון גבוה במחקר או בכתיבה לא בהכרח מלמד על ביצועים דומים בתכנות, וגם תוצאות טובות בסביבת מבחן אינן מבטיחות חיסכון דומה בסביבת עבודה אמיתית.

כמה יעלה להפעיל את ג'ימיני 4?

מעבר ליכולות הטכנולוגיות, אחד המרכיבים המשמעותיים בהכרזה הוא התמחור. עבור חברה שמפעילה מאות או אלפי סוכנים ביום, ההפרש בעלות העיבוד יכול להצטבר לסכומים גדולים, במיוחד כאשר כל משימה כוללת קריאה ויצירה של כמויות מידע ניכרות.

גוגל הודיעה כי בתקופת ההשקה יעמוד המחיר על 2 דולר למיליון טוקנים של קלט ו-10 דולר למיליון טוקנים של פלט. לאחר סיום תקופת ההיכרות המחיר יוכפל ל-4 דולר ו-20 דולר, בהתאמה. החברה מציעה גם הנחה של 95% על טוקנים של קלט שכבר נשמרו בזיכרון המטמון, כך שאין צורך לשלם בכל פעם את המחיר המלא על מידע שכבר עובד.

לשם השוואה, המחיר הרגיל של GPT-6 אסטרה של OpenAI עומד על 10 דולר למיליון טוקנים של קלט ו-50 דולר למיליון טוקנים של פלט, בבקשות שאינן חורגות ממגבלת הקלט של מדרגת המחיר הרגילה. קלוד אופוס 5.5 של אנתרופיק מתומחר ב-4 דולר למיליון טוקנים של קלט ו-20 דולר למיליון טוקנים של פלט.

כלומר, בתקופת ההיכרות גוגל מציעה מחיר נמוך מזה של שני המודלים הבכירים שנכללו בהשוואה. עם המעבר למחיר המלא, התעריף שלה יהיה זהה לזה של קלוד אופוס 5.5.

חשוב גם לזכור של-OpenAI יש מודלים נוספים ברמות מחיר שונות. כך למשל, GPT-6.1 Sol מתומחר ב-2 דולר למיליון טוקנים של קלט ו-10 דולר למיליון טוקנים של פלט, בדומה למחיר ההיכרות של ג'ימיני 4. לכן ההשוואה בין מחירי הדגל אינה משקפת בהכרח את כל אפשרויות הרכישה של החברות.

מה המשמעות מבחינת העלות בפועל? נניח שחברה מפעילה משימה שצורכת 100 אלף טוקנים של קלט ו-5,000 טוקנים של פלט. לפי תעריפי ההשקה של גוגל, עלות העיבוד תהיה כ-25 סנט. בתעריף המלא היא תגיע לכ-50 סנט, בדומה למחיר של קלוד אופוס. במודל אסטרה של OpenAI, לפי מדרגת המחיר הרגילה, אותה כמות טוקנים תעלה כ-1.25 דולר.

זוהי כמובן המחשה חשבונית המבוססת על מחיר המחירון בלבד, ולא בדיקה של עלות ביצוע משימה אמיתית. בפועל, מודלים שונים עשויים לצרוך כמויות שונות של טוקנים כדי להשלים את אותה עבודה, והחיוב עשוי לכלול גם שלבי חשיבה, הפעלת כלים ושימושים נוספים.

כאן נמצאת השאלה הכלכלית החשובה יותר. מודל שגובה פחות עבור כל יחידת מידע עשוי להיות יקר יותר אם הוא נדרש לבצע מספר רב יותר של פעולות, לחזור על שלבים או לתקן שגיאות. מנגד, מערכת שמצליחה להשלים משימה מורכבת בפחות זמן ועם פחות התערבות אנושית עשויה להצדיק גם מחיר גבוה יותר ליחידת עיבוד.

עבור ארגונים, המדד הרלוונטי יהיה לכן העלות הכוללת של השלמת המשימה, ולא מחיר הטוקן בלבד.

מדוע גוגל מגבילה בינתיים את הגישה למודל?

למרות ההכרזה, ג'ימיני 4 ארגון עדיין אינו פתוח לשימוש חופשי של הציבור הרחב. גוגל מתחילה את ההפצה במסגרת תוכנית Fairwind, שבאמצעותה קבוצה מצומצמת של מומחי אבטחת מידע וגופים שנבחרו מראש מקבלת גישה מוקדמת למודל.

בהמשך מתכננת החברה להרחיב את הזמינות למפתחי תוכנה, ללקוחות עסקיים ולצרכנים, כאשר בין הראשונים שיקבלו גישה צפויים להיות לקוחות משלמים המשתמשים בממשק התכנות שלה ובעלי מינוי Google AI Ultra. נכון לעכשיו לא פורסם מועד מחייב לפתיחה הרחבה.

אחת הסיבות להפצה המדורגת קשורה ליכולות הסייבר של המודל. לפי גוגל, הוא מסוגל לאתר חולשות אבטחה, לבדוק אותן ולהציע תיקונים באופן עצמאי. יכולות כאלה עשויות לסייע לצוותי הגנה בארגונים, אך הן גם מעוררות שאלות לגבי האפשרות להשתמש באותה טכנולוגיה לצורך זיהוי חולשות וניצולן בידי גורמים עוינים.

במסגרת השימושים הראשוניים, חברת הסייבר וויז (Wiz) כבר משתמשת במודל במיזם Scan for Good, שנועד לסייע באיתור ובתיקון חשיפות אבטחה בתשתיות ציבוריות חיוניות. לפי גוגל, באחת הבדיקות זיהה המודל חולשה חמורה בתוכנה רפואית המשמשת בתי חולים ברחבי העולם, שעלולה לחשוף מידע אישי רגיש.

הידעת?מהי וויז?
וויז היא חברת אבטחת ענן ישראלית שהוקמה ב-2020 בידי אסף רפפורט, עמי לוטבק, ינון קוסטיקה ורועי רזניק. במרץ 2025 הסכימה גוגל לרכוש אותה תמורת 32 מיליארד דולר, העסקה הגדולה ביותר בתולדות גוגל ובתולדות ההייטק הישראלי.

גם בתחום הזה הציגה החברה תוצאות מבחנים. בבדיקה של יכולת תיקון חולשות אבטחה הגיע ג'ימיני לציון של 68%, זהה לציון שקיבל המודל של OpenAI, ולעומת 67% לקלוד אופוס.

לצד פיתוח היכולות האלה, גוגל הודיעה שהיא מרחיבה את אמצעי ההגנה מפני שימוש לרעה. בין היתר היא משקיעה במניעת מתקפות שבהן הוראות זדוניות מוסתרות בתוך אתרים או מסמכים שהסוכן קורא, בניסיון לגרום לו לחרוג מהמשימה שהוגדרה לו.

החברה מפתחת גם מערכות למעקב אחר רצף הפעולות של המודל, כדי לזהות מצבים שבהם הוא מנסה להשלים משימה בדרך שחורגת מכוונת המשתמש ולעצור את הביצוע במידת הצורך.

הסוגיות האלה אינן ייחודיות לגוגל. בשבועות האחרונים נחשפו מקרים שבהם סוכני AI הצליחו לצאת מסביבות בדיקה ולפעול במערכות אמיתיות. ככל שסוכן מקבל יותר עצמאות וגישה למערכות ארגוניות, עולה גם החשיבות של הגבלת הרשאות, פיקוח אנושי ותיעוד הפעולות שהוא מבצע.

עבור מי שכבר משתמש בג'ימיני, כדאי להבחין גם בין שמות המודלים. במדריך לג'ימיני הסברנו את ההבדלים בין Pro, Flash והגרסאות השונות. ארגון הוא המודל החדש שמיועד למשימות מורכבות ועתירות משאבים, בעוד שגרסאות Flash מתמקדות בעיקר במהירות ובעלות נמוכה יותר, בהתאם לאופי השימוש.

השקת ג'ימיני 4 מצטרפת למעבר הרחב של תעשיית הבינה המלאכותית לכיוון של מערכות שמסוגלות לבצע תהליכי עבודה ממושכים. היכולת להפיק מיליון טוקנים ברצף מרחיבה את האפשרויות הטכנולוגיות, אך עדיין אינה מבטיחה שמשימה תושלם בצורה מדויקת, בטוחה או משתלמת יותר.

מבחינת הלקוחות העסקיים, הנתונים שיכריעו יהיו מעשיים יותר: כמה זמן נדרש להשלמת העבודה, כמה התערבות אנושית נחוצה, מה שיעור הטעויות ומה העלות הכוללת של התהליך. על השאלות האלה אפשר יהיה להשיב בצורה מבוססת יותר ככל שג'ימיני 4 יגיע למשתמשים נוספים וייבחן בסביבות עבודה מגוונות.

הוספת תגובה
2 תגובות | לקריאת כל התגובות

תגובות לכתבה(2):

הגב לכתבה

השדות המסומנים ב-* הם שדות חובה
  • 2.
    שטויות 01/10/2026 11:20
    הגב לתגובה זו
    ביצועים יותר טובים של Anthropic.מחיר יותר טוב של DeepSeek.
  • 1.
    שחצנות 01/10/2026 10:27
    הגב לתגובה זו
    בלי לקרוא אני יודע שפספסתם חמישה דברים