חיפוש בחדשות

גוגל קלאוד (Google Cloud) פרסמה סקירה מקיפה של עדכוני תשתיות ותזמור AI לחודשים מאי עד אוגוסט 2026. בין החידושים: שכבת אחסון חדשה ל-Filestore המבוססת על מערכת Colossus לתמיכה בקבוצות סוכני AI, סביבות gVisor בתוך אשכולות Ray מבוזרים על גבי GKE, מופעי Cloud Run ייעודיים לסוכנים בעלות של 5.70 דולר ל-30 יום, והפיכת ליבת פרוטוקול MCP לחסרת מצב (stateless). כמו כן הוצגו זמינות כללית ל-Managed Lustre ולמכונות C4N, כלי אבטחה בקוד פתוח בשם k8s-aibom, שדרוגי ביצועים ב-GKE Inference Gateway, ותוצאות סקר שבו 83% מהארגונים ציינו צורך בשדרוג תשתיות עבור יישומי Agentic AI.

מתחם הסטארט-אפים הפריזאי Station F (סטיישן אף) מרחיב את תוכנית ההאצה הייעודית F/ai (אף/איי) לקראת המחזור השני שלה בספטמבר 2026. התוכנית, שנועדה לסייע לסטארט-אפים להגיע להכנסות של מיליון אירו בתוך שישה חודשים, גייסה שותפות חדשות ומשמעותיות כמו ElevenLabs, HubSpot ו-Rippling לצד השותפות הקיימות כגון OpenAI ו-Anthropic. הסטארט-אפים במחזור הראשון גייסו יחד כ-34 מיליון דולר בשלב הפרה-סיד, כאשר 80% מהם הוקמו על ידי יזמים סדרתיים. המהלך מדגיש את צמיחתה של סצנת ה-AI באירופה כאלטרנטיבה מוחשית לשוק האמריקאי.

חוקרי Google Research הציגו בוועידת AISTATS 2026 מסגרת עבודה מהפכנית בשם Regularized f-Divergence Kernel Tests, המיועדת לבצע אימות מחיקת מידע ממודלי בינה מלאכותית. השיטה החדשה מתגברת על כשלי הבדיקות הדו-מדגמיות המסורתיות (כמו MMD), ומאפשרת למבקרים חיצוניים לזהות דליפות מידע מקומיות ברמת דיוק חסרת תקדים. באמצעות שימוש במדדי שונות מתקדמים כמו Hockey-stick divergence ורגולריזציה של ליבות, המערכת מזהה הפרות פרטיות תוך שימוש בכמה אלפי דגימות בלבד בהשוואה למיליוני דגימות שנדרשו בעבר בשיטות כמו DP-Auditorium. פיתוח זה מעניק לעסקים הפועלים תחת רגולציות פרטיות מחמירות כלי מתמטי מוכח להבטחת עמידה בדרישות החוק.

**ספקולטיב דיקודינג עם Hidden State הוא גישה שממחזרת חישוב שנכשל במקום לזרוק אותו, ובכך עשויה להאיץ מודלי שפה גדולים עד פי 3.3 לפי מאמר חדש ב-arXiv.** עבור עסקים ישראליים, המשמעות אינה רק טכנית: אם מנועי inference יהפכו יעילים יותר, אפשר יהיה לקצר זמני תגובה ב-WhatsApp, להפעיל יותר שיחות על אותה תשתית, ולחבר AI בצורה כלכלית יותר ל-Zoho CRM ול-N8N. חשוב לזכור שמדובר כרגע במחקר ולא במוצר מסחרי זמין, אבל הכיוון ברור: התחרות ב-AI תעבור יותר ויותר דרך עלות וזמן תגובה, לא רק דרך איכות המודל.

**RB-VLA הוא מודל ראייה-שפה-פעולה שמחזיק מצב אמוני מתמשך במקום להסתמך רק על התמונה האחרונה או על שאילתות חוזרות למודל ראייה-שפה.** לפי המאמר ב-arXiv, הגישה שיפרה הצלחה ב-52.5% במשימות pick-and-place, ב-37.5% במשימות stacking, והפחיתה השהיה עד פי 5. עבור עסקים בישראל, זהו סימן חשוב: גם מחוץ לרובוטיקה, מערכות AI שעובדות לאורך תהליך שלם חייבות שכבת state ברורה. מי שמחבר WhatsApp, CRM, N8N וסוכן AI צריך לנהל סטטוס, טריגרים והיסטוריית החלטות — לא רק להגיב לפרומפט האחרון.

הערכת Proxy State-Based מאפשרת בדיקת סוכני LLM אינטראקטיביים ללא מסדי נתונים יקרים, עם דירוג יציב והסכמה של 90%+. לעסקים ישראלים, זה חוסך עלויות ומאיץ הטמעת AI בוואטסאפ ו-CRM.

ענקיות AI כמו OpenAI ו-Google משתפות פעולה ראשונה מסוגה במאיץ F/ai בפריז. 20 סטארטאפים אירופאים מקבלים קרדיטים במיליון דולר ומסחור מהיר. הזדמנות לעסקים ישראליים ללמוד ולהתממשק. גלו כיצד ליישם AI בעסק שלכם.