SciEvalKit: ערכת בנצ'מרקינג חדשה ל-AI מדעי

**ספקולטיב דיקודינג במובייל הוא דרך להאיץ הרצת מודלי שפה גדולים על מכשירי קצה באמצעות מודל קטן שמכין טיוטה ומודל גדול שמאמת אותה.** במחקר AHASD שפורסם ב-arXiv החוקרים מדווחים על עד פי 4.2 בתפוקה ופי 5.6 ביעילות אנרגטית לעומת בסיס GPU בלבד, עם תקורת חומרה של פחות מ-3% משטח ה-DRAM. עבור עסקים בישראל, המשמעות היא אפשרות עתידית להעביר חלק ממשימות ה-AI למובייל — למשל סיכום שיחות, סיווג פניות והשלמת טפסים — תוך שילוב עם Zoho CRM, ‏WhatsApp Business API ו-N8N. זה עדיין לא מוצר מדף, אבל הכיוון חשוב מאוד לכל ארגון שבונה תהליכי AI מהירים, חסכוניים ורגישים לפרטיות.

**Auto-ARGUE הוא כלי להערכת דוחות RAG עם ציטוטים, שנועד לבדוק אם מסמך שנוצר בידי מודל שפה אכן נשען על מקורות נכונים וניתנים לאימות.** לפי התקציר ב-arXiv, החוקרים בחנו אותו על משימות TREC 2024 ומצאו מתאם טוב ברמת המערכת מול שיפוט אנושי. עבור עסקים בישראל, המשמעות ברורה: אם אתם מייצרים סיכומי לידים, תקצירי תיקים, דוחות שירות או מסמכי הנהלה באמצעות מודלי שפה, אתם צריכים שכבת בקרה ולא רק שכבת יצירה. השילוב בין AI Agents,‏ WhatsApp Business API,‏ Zoho CRM ו-N8N יכול לספק תהליך עבודה חזק, אבל בלי מדידת איכות לדוחות עצמם, הסיכון לטעויות עסקיות נשאר גבוה.

**Likelihood Displacement הוא מצב שבו אימון מודל שפה להעדפות פוגע גם בתשובה הטובה, לא רק בגרועה.** המחקר החדש ב-arXiv מציע מסגרת בשם disentanglement band ושכבת Reward Calibration שמטרתן לשמור על התשובה המועדפת תוך דיכוי התשובה שנדחתה. עבור עסקים בישראל, המשמעות פרקטית מאוד: אם אתם מפעילים סוכן ב-WhatsApp, מחברים אותו ל-Zoho CRM ומנהלים תהליכים דרך N8N, כוונון שגוי עלול לפגוע בשירות, במכירות ובאיכות מיון הלידים. לכן המדד הנכון אינו רק "האם המודל פחות טועה", אלא גם "האם הוא ממשיך לענות היטב במקרים הטובים".

**גרין פרומפטינג הוא שיטה לניסוח פרומפטים שמפחיתה עלות הרצה של מודלי שפה דרך שינוי המשמעות של המשימה, לא רק קיצור הטקסט.** לפי מחקר arXiv חדש, אורך הפרומפט פחות משמעותי מהסמנטיקה שלו, ומילים מסוימות עשויות להעלות או להוריד צריכת אנרגיה. עבור עסקים בישראל, המשמעות מעשית: אם אתם מחברים LLM ל-WhatsApp, ל-Zoho CRM או לזרימות N8N, ניסוח מדויק יותר יכול לשפר זמן תגובה ולצמצם עלויות API וחישוב. המסקנה המרכזית היא שלא כל תהליך צריך תשובה פתוחה; לעיתים סיווג קצר ומובנה ייתן תוצאה עסקית טובה יותר במחיר נמוך יותר.

הסטארטאפ Pool גייס מעל 2 מיליון דולר כדי להשיק אפליקציה חדשה המבוססת על בינה מלאכותית, שמטרתה לעשות סדר בבלגן הדיגיטלי של צילומי המסך בטלפון שלכם. במקום לשכוח צילומי מסך של מוצרים, מתכונים או כרטיסים לאירועים, האפליקציה מארגנת אותם בקטגוריות חכמות, מאתרת את הקישור המקורי של התמונה ומאפשרת לבצע פעולות ישירות מתוכה. השילוב של טכנולוגיית AI לניתוח מידע לא מובנה מציג הזדמנויות חדשות לעסקים ולחנויות מקוונות, ומאפשר להפוך כל צילום מסך פשוט לנקודת רכישה ואינטראקציה ישירה.

חברת גוגל (Google) השיקה את DiffusionGemma, מודל קוד פתוח ניסיוני מבוסס טכנולוגיית דיפוזיית טקסט המציע מהירות יצירת טקסט הגבוהה פי 4 בהשוואה למודלים אוטו-רגרסיביים מסורתיים. המודל, המבוסס על סדרת Gemma 4, משלב ארכיטקטורת Mixture of Experts (MoE) עם 26 מיליארד פרמטרים (מתוכם 3.8 מיליארד פעילים בהסקה) ומעבד פסקאות שלמות במקביל במקום מילה אחר מילה. תכונה זו פותרת את צווארי הבקבוק של חומרת קצה ומאפשרת ביצועים של מעל 1,000 אסימונים בשנייה על כרטיסי מסך ארגוניים. עבור עסקים בישראל, פריצת דרך זו מאפשרת הרצת יישומי בינה מלאכותית מקומיים ומאובטחים לחלוטין התואמים את חוק הגנת הפרטיות, ללא תלות בענן ציבורי.

חברת Anthropic השיקה רשמית את Claude Fable 5, הגרסה הציבורית הראשונה של מודל העל שלה Mythos. המודל החדש, המצטיין בכתיבת קוד ובמשימות אנליטיות מורכבות, מציע ביצועים חסרי תקדים שהשיגו 90% במבחני הביצועים של חברת Hex. יחד עם זאת, ההשקה מלווה במנגנוני בטיחות הדוקים החוסמים שימוש בתחומי סייבר וביולוגיה רגישים, ומעבירים את הטיפול ל-Opus 4.8. בנוסף, החברה מציגה מדיניות אבטחה חדשה ומחייבת של שמירת נתונים למשך 30 יום לכלל הלקוחות, ותמחור העומד על 10 דולרים למיליון טוקני קלט ו-50 דולרים למיליון טוקני פלט.

גוגל דיפמיינד (Google DeepMind) השיקה את Gemma 4 12B, מודל בינה מלאכותית פתוח ומולטי-מודאלי המיועד להרצה מקומית על מחשבים ניידים עם זיכרון של 16GB בלבד. המודל החדש מציג ארכיטקטורה חדשנית נטולת מקודדים (Encoder-free), המאפשרת עיבוד ישיר ומהיר של קלט חזותי וקולי בתוך מודל השפה ללא תוספת השהיה או זיכרון. עם ביצועים המתקרבים למודלים הגדולים בהרבה ומעל 150 מיליון הורדות למשפחת המודלים כולה, גוגל מנגישה יכולות עיבוד מתקדמות וסוכני AI אוטונומיים לחומרה מקומית יומיומית, ברישיון קוד פתוח חופשי (Apache 2.0).