מוצר חדש

NousCoder-14B: מודל קידוד AI פתוח מאתגר את Claude Code

Nous Research מאמנת מודל מתקדם ב-4 ימים בלבד על 48 שבבי Nvidia B200 ומשחררת קוד פתוח מלא – תוצאות מרשימות בתכנות תחרותי

4 דקות קריאה
NousCoder-14B: מודל קידוד AI פתוח מאתגר את Claude Code
מבוסס על כתבה שלVentureBeat ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. הושג 67.87% דיוק ב-LiveCodeBench v6, שיפור של 7% על הבסיס.

  2. אימון ב-4 ימים על 48 GPU Nvidia B200 עם 24,000 בעיות.

  3. שקיפות מלאה: קוד, סביבה ומסגרת Atropos זמינים לשכפול.

  4. אתגר: מחסור בנתוני תכנות תחרותי איכותיים.

  5. עתיד: self-play וריבוי תורים לשיפור נוסף.

בעולם שבו כלכלת ה-AI נקבעת לפי מהירות ויעילות, Nous Research, הסטארט-אפ לפיתוח AI פתוח שגייס 65 מיליון דולר מפרדיגם, השיקה את NousCoder-14B – מודל קידוד שמתחרה במערכות סגורות גדולות. המודל הוכשר ב-4 ימים בלבד על 48 כרטיסי מסך Nvidia B200, והשיג 67.87% דיוק ב-LiveCodeBench v6, שיפור של 7.08% על הבסיס Qwen3-14B של עליבאבא. ההשקה מגיעה בדיוק כש-Anthropic's Claude Code זוכה לבאז עצום.

NousCoder-14B הוא חלק ממגמה מהירה של כלי קידוד מבוססי AI, אך בולט בשקיפותו המוחלטת. החברה פרסמה לא רק את משקלי המודל, אלא גם את סביבת הלמידה המחוזקת המלאה, חבילת הבדיקות ומסגרת האימון Atropos. כך, כל חוקר עם כוח חישוב מספיק יכול לשחזר או להרחיב את העבודה. ג'ו לי, חוקר ב-Nous Research ותכנת תחרותי לשעבר, אימן את המודל על 24,000 בעיות תכנות תחרותי, והשווה את ההתקדמות שלו למסעו האישי ב-Codeforces – קפיצה שדורשת ממנו שנתיים, מהמודל 4 ימים בלבד.

תהליך האימון משלב למידה מחוזקת עם תגמולים ניתנים לאימות: המודל מייצר קוד, מבצע אותו מול מקרי בדיקה ומקבל אות פשוט – נכון או שגוי. Nous Research השתמשה בפלטפורמת Modal לעדכון מקבילי של קוד מבודד, עם מגבלות זמן (15 שניות) וזיכרון (4GB). טכניקת DAPO (Dynamic Sampling Policy Optimization) שיפרה את הביצועים על ידי דילוג על דוגמאות לא מאתגרות, ו'הרחבת הקשר איטרטיבית' הגדילה את חלון ההקשר מ-32,000 ל-80,000 טוקנים, מה שהוביל לתוצאה הטובה ביותר.

השקת NousCoder-14B מדגישה את התחרות העזה בין מודלים פתוחים לסגורים. בעוד Claude Code מרשים בהדגמות פיתוח תוכנה מקצה לקצה, NousCoder מתמקד בבעיות ניתנות לאימות, מה שמאפשר שקיפות ושכפול. בישראל, שבה תעשיית ההייטק צורכת כלי קידוד מתקדמים, זה רלוונטי במיוחד לחברות כמו וויקס או צ'ק פוינט שמחפשות חלופות זולות למודלים יקרים. השקעה של 65 מיליון דולר מפרדיגם מאפשרת ל-Nous Research להתחרות בענקיות כמו Anthropic.

הדיווח הטכני חושף אתגר מרכזי: מחסור בנתוני אימון איכותיים. 24,000 הבעיות מכסות חלק משמעותי מכל בעיות התכנות התחרותי הזמינות, ולי מציין שהתחום גולש לגבולות הנתונים. זה מעלה חששות תעשייתיים על סופיות הנתונים, בניגוד לכוח חישוב שגדל בקלות. פתרונות עתידיים כוללים יצירת נתונים סינתטיים ואלגוריתמים יעילים יותר, כמו self-play – אימון המודל לייצר בעיות משלו.

העתיד כולל למידה מחוזקת רב-תורית, שתשלב משוב ביניים כמו שגיאות קומפילציה, ושליטה באורך התגובות. לי מציע גם יצירת בעיות על ידי המודל עצמו, מה שיאפשר אימון עצמי. עבור מנהלי טכנולוגיה ישראלים, זה אומר שכלי קידוד פתוחים יכולים להאיץ פיתוח תוכנה, להפחית תלות בענקיות ולהוזיל עלויות – אבל דורש השקעה בכוח חישוב.

NousCoder-14B זמין כעת ב-Hugging Face תחת רישיון Apache 2.0, עם כל הכלים לשכפול. מה שלקח לג'ו לי שנתיים נעשה ב-96 שעות – בקרוב, מכונות ילמדו לכתוב בעיות בעצמן. השאלה: האם AI יהפוך למורה טוב יותר מקודדים אנושיים?

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של VentureBeat. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־VentureBeat

כל הכתבות מ־VentureBeat
פער ההערכה של סוכני AI: פריסה לייצור למרות כשלים מול לקוחות
מחקר
4 דקות
מ־VentureBeat

פער ההערכה של סוכני AI: פריסה לייצור למרות כשלים מול לקוחות

מחקר חדש של VentureBeat Pulse Research חושף כי קיים פער עמוק בין האוטונומיה המוענקת לסוכני AI לבין האמון במערכות הבדיקה שלהם. מחצית מהארגונים שנשאלו כבר השיקו סוכן שעבר את ההערכות הפנימיות אך כשל בפני לקוח בסביבת הייצור, ורק 5% סומכים באופן מלא על הערכות אוטומטיות כיום. למרות זאת, 66% מהארגונים מאפשרים או פועלים לאפשר פריסה אוטומטית לחלוטין ללא מעורבות אנושית. השוק מבוזר מאוד ורבים מתכננים להחליף פלטפורמות בשנה הקרובה.

קרא עוד
אורקסטרציה של סוכני בינה מלאכותית בארגונים: פער בין שאיפות למציאות
מחקר
5 דקות
מ־VentureBeat

אורקסטרציה של סוכני בינה מלאכותית בארגונים: פער בין שאיפות למציאות

סקר חדש של VentureBeat Pulse Research מיוני 2026 חושף פער עמוק בארגונים בין השאיפות לניהול סוכני בינה מלאכותית (AI) לבין המציאות בשטח. לפי הסקר, שנערך בקרב 101 ארגונים, קיים תהליך התגבשות סביב פלטפורמות של ספקי מודלים, ובראשן Claude של Anthropic (המובילה עם 40% מההטמעות), בעוד הבחירה מונעת מ'כוח המשיכה' של מודל הבסיס. עם זאת, בעוד ארגונים מגדירים הצלחה לפי ביצוע אמין של תהליכים מרובי-שלבים, 71% מהם מדווחים בכנות כי רבע או פחות מהסוכנים המוטמעים שלהם בפועל הם אכן מרובי-שלבים, ומרביתם הם רק מעטפות צ'אטבוט פשוטות. בנוסף, 27% מהארגונים חסרים בקרה פיננסית בזמן אמת על עלויות צריכת האסימונים של הסוכנים.

קרא עוד
Listen Labs גייסה 69 מיליון דולר אחרי קמפיין שילוט ויראלי
חדשות
4 דקות
מ־VentureBeat

Listen Labs גייסה 69 מיליון דולר אחרי קמפיין שילוט ויראלי

אלפרד וולפורס מ-Listen Labs השתמש בלוח מודעות ויראלי כדי לגייס כישרונות, וכעת החברה גייסה 69 מיליון דולר. הפלטפורמה מבצעת ראיונות לקוחות AI מהירים ומדויקים, פותרת בעיות הונאה ומשמשת מיקרוסופט ועוד. קראו עכשיו על השינוי במחקר שוק!

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
מודל הרובוטיקה Gemini Robotics ER 2 זמין ב-Google Cloud
מוצר חדש
4 דקות
מ־Google Cloud AI

מודל הרובוטיקה Gemini Robotics ER 2 זמין ב-Google Cloud

חברת גוגל הודיעה על השקת Gemini Robotics Embodied Reasoning 2 (או ER 2) בתצוגה מקדימה ציבורית בפלטפורמת Gemini ב-Google Cloud. המודל, שפותח על ידי Google DeepMind, משמש כשכבת בינה וכמוח ברמה גבוהה עבור רובוטים במגוון תצורות — מזרועות נייחות ועד רובוטים דמויי אדם. המערכת משלבת הבנת וידאו מרחבית וזמנית, תכנון ארוך טווח ומנגנוני בטיחות מובנים, ומאפשרת לרובוטים להבין משימות, לתקן שגיאות בזמן אמת ולתזמר ממשקי בקרה באמצעות פקודות בשפה טבעית. בנוסף, המודל מאפשר שיתוף פעולה בין רובוטים שונים ומסוגל לקרוא מכשירי מדידה מגוונים. השילוב ב-Google Cloud מאפשר לארגונים לפתח, לדמות ולפרוס סוכנים פיזיים בקנה מידה רחב באמצעות תשתיות הענן של גוגל.

קרא עוד
הכרזת n8n 3.0 בטא: שינויי תשתית, אבטחה ודוח הגירה לקראת דצמבר
מוצר חדש
4 דקות
מ־n8n

הכרזת n8n 3.0 בטא: שינויי תשתית, אבטחה ודוח הגירה לקראת דצמבר

חברת n8n הודיעה על שחרור גרסת n8n 3.0.0 בטא, לקראת השקת הגרסה היציבה בתחילת דצמבר. העדכון מתמקד בשיפורי תשתית, אמינות ואבטחה, וכולל שינויים שוברים כמו הסרת מצב נתונים בינאריים בזיכרון, הרצת הפעלות ידניות על שרתי עיבוד במצב תור, קיצור ברירת המחדל של הפסקת הזמן בצומת הקוד לדקה אחת, והגבלת התקנה עצמית ל-Docker בלבד. משתמשים מגרסה 2.39 ואילך יכולים לבדוק את התאמת המערכת באמצעות דוח הגירה מובנה.

קרא עוד
Claude Opus 5.5 ו-Claude Sonnet 5.5 זמינים כעת ב-Google Antigravity
מוצר חדש
4 דקות
מ־Google Cloud AI

Claude Opus 5.5 ו-Claude Sonnet 5.5 זמינים כעת ב-Google Antigravity

לפי הודעת Google Cloud, המודלים Claude Opus 5.5 ו-Claude Sonnet 5.5 זמינים כעת בסביבת הפיתוח Google Antigravity עבור לקוחות Google Cloud. המודל Claude Opus 5.5 נבנה עבור משימות מורכבות, בעוד Claude Sonnet 5.5 משמש כמודל משלים מהיר ובעלות נמוכה יותר. לאחר הפעלה על ידי מנהל מערכת, מפתחים יכולים לבחור במודלים אלו ישירות מתוך בורר המודלים, לצד מודלי Gemini כגון Gemini 3.8 Flash ו-Gemini 4 Argon. התמיכה חלה על Antigravity 2.0, ממשק Antigravity CLI וההרחבות לסביבות הפיתוח עבור VS Code, JetBrains IntelliJ ו-Visual Studio. זמינות המודלים ברתמת הסוכנים מאפשרת יישום תבניות עבודה רב-מודליות, כולל אימות צולב בין מודלים ושימוש בתתי-סוכנים מבוססי Flash.

קרא עוד
סוכן Gemini עבור סטארטאפים: גוגל חושפת סוכני צוות בענן
מוצר חדש
4 דקות
מ־Google Cloud AI

סוכן Gemini עבור סטארטאפים: גוגל חושפת סוכני צוות בענן

בפרסום של Google for Startups הציגה גוגל את סוכן Gemini (Gemini agent) ואת מודל החזית Gemini 4 Argon. הסוכן תוכנן לפעול הן כעוזר אישי והן כחבר צוות קבוע בעל חשבון Workspace משלו. הוא מציע פעולה מאוחדת לטיפול בידע, קוד וניתוח נתונים, זיכרון רציף על פני ארבעה ממדים ויכולת להפעיל סוכני משנה. בנוסף, המערכת מאפשרת ניתוב גמיש למודלים חיצוניים כמו Claude או Gemma, חיבור למערכות כמו Git ו-BigQuery, אבטחה הכוללת זהות קריפטוגרפית והגבלת הוצאות בזמן אמת ב-Cloud Billing Console. היכולות החדשות טרם נפתחו לציבור הרחב.

קרא עוד