חיפוש בחדשות

חברת Rippling השיקה השבוע מוצר חדש בשם AI Spend Console שנועד לסייע לארגונים לעקוב אחר הוצאות הבינה המלאכותית של עובדיהם ולרסן אותן. פיתוח המוצר החל לאחר שסמנכ"ל הכספים של Rippling גילה כי החברה בנתיב לשריפת מיליוני דולרים – כ-40% מתקציב השכר של מחלקת המחקר והפיתוח – על אסימוני בינה מלאכותית. ניתוח דפוסי השימוש הראה כי 10% עד 15% מהעובדים היו אחראים ל-60% מההוצאה, כאשר עובדים נטו להשתמש בדגמי החזית היקרים ביותר לכל משימה. באמצעות המוצר החדש ושער הניתוב שפיתחה, שהעביר שאילתות לדגמים חסכוניים יותר כמו GLM 5.2 של Z.ai, הצליחה Rippling להפחית את עלויות ה-AI ל-15% מתקציב כוח האדם של המחלקה, תוך שמירה על נפח שימוש גבוה ויציב של כ-600 מיליארד אסימונים.

דוח חדש של עמותת SaferAI חושף כי מודל הבינה המלאכותית בעל המשקולות הפתוחות GLM-5.2, שפותח על ידי החברה הסינית Z.ai, מצמצם משמעותית את פער היכולות מול מודלי הקצה המובילים בעולם כמו GPT-5.5 ו-Claude Opus 4.7 בתחומי הסייבר והביולוגיה הדו-שימושית. עם זאת, הדוח מצביע על פער בטיחותי מתרחב: בעוד שהדגמים הסגורים מסרבים בעקביות לבקשות מזיקות, המודל הסיני הפתוח לא סירב לאף משימת סייבר התקפית או משימה ביולוגית שהוצגה בפניו במהלך הבדיקות. הממצאים מעוררים מחדש את הדיון הציבורי סביב ניהול הסיכונים הכרוכים בשחרור מודלים פתוחים, שכן מנגנוני ההגנה ברמת ה-API ניתנים להסרה או לעקיפה בקלות ברגע שמשקולות המודל מורצות באופן מקומי על ידי המשתמשים.

מאמר זה מבוסס על דיווח של מגזין WIRED העוסק באתגר הגובר שמציבות מעבדות בינה מלאכותית סיניות בפני חברות הטכנולוגיה הגדולות בארה"ב. עם השקתם של דגמים מתקדמים בקוד פתוח, כמו Kimi K3 של חברת Moonshot AI ו-GLM 5.2 של Z.ai, חברות בסין מציעות חלופות נגישות ויציבות לדגמים החסומים של OpenAI ו-Anthropic. בעוד שארצות הברית מטילה הגבלות ייצוא ומעכבת השקות בשל חששות בטיחות, דגמי הקוד הפתוח הסיניים מאומצים על ידי חוקרים וסטארט-אפים במערב למשימות מורכבות כמו פיתוח אתרים וניתוח אירועי סייבר, ומציבים סימן שאלה סביב הצורך במימון אינסופי לפיתוח דגמים סגורים.

Z.ai משיקה GLM-4.6V – מודלי VLM פתוחים עם שיחת פונקציות ויזואלית, ביצועים מובילים ורישוי חופשי. קראו על היכולות והמחירים.