שיתוף | מה חדש בבינה מלאכותית - מתעדכן
-
Liquid AI • LFM3
חברת Liquid AI משחררת את LFM3, הדור השלישי של מודלי השפה שלה, הכולל הפעם סדרה של שישה מודלים קטנים בתחומי הטקסט, הראייה, האודיו וקבלת ההחלטות.
הסדרה מבוססת על ארכיטקטורה חדשה ומשופרת, וכוללת מודלים בגודל של כ-2B פרמטרים בלבד, המיועדים להרצה מקומית מהירה בטלפונים, במחשבים ובמכשירי קצה, לצד אפשרויות התאמה ואימון למשימות ייעודיות.
המודלים החדשים:
- LFM3-1.7B: מודל טקסט עם חלון הקשר של 256K טוקנים, המיועד במיוחד להפעלת סוכנים, שימוש בכלים ומשימות אוטומציה.
- LFM3-VL-2B: מודל ראייה ושפה להבנת תמונות, וידאו, מסמכים ויחסים מרחביים, עם יכולות Reasoning.
- LFM3-Audio-2B: מודל אודיו התומך בזיהוי דיבור, יצירת קול, תרגום והבנת הקלטות ב-18 שפות, כולל שיחות קוליות בזמן אמת והפעלת כלים.
- LFM3-Omni-2B: מודל מולטימודלי משולב המסוגל לעבד טקסט, תמונות, וידאו ואודיו יחד, ולייצר תשובות בטקסט או בדיבור. זהו מודל ה-Omni הראשון של החברה.
- d1-2B: מודל ייעודי לקבלת החלטות על בסיס טקסט, תמונות ווידאו, המסוגל להחזיר סיווגים, הסתברויות, נתונים מובנים ואיתור עצמים, ללא יצירת טוקנים.
- d1-Omni-2B: גרסה של מודל ההחלטות התומכת גם באודיו, ומאפשרת לנתח בקשות קוליות ולקבל החלטות במהירות גבוהה במיוחד.
עיקרי החידושים:
- ארכיטקטורת Tri-Hybrid: שילוב חדש של Convolution, Sliding Window Attention ו-Global Attention. מתוך 24 שכבות המודל, 13 הן שכבות Convolution, חמש שכבות SWA ושש שכבות Attention מלאות. המבנה נועד לשפר את הביצועים תוך שמירה על צריכת זיכרון נמוכה.
- יכולות גבוהות יותר במודל קטן יותר: גרסת הטקסט החדשה מציגה ביצועים טובים יותר מ-LFM2.5-2.6B, למרות שהיא כוללת כ-35% פחות פרמטרים.
- אימון נרחב: מודל הבסיס אומן על 22 טריליון טוקנים, כולל קוד, מתמטיקה, מידע מדעי ומשימות סוכניות. בהמשך בוצעו שלבי אימון נוספים שכללו RL והעברת יכולות ממודלים מומחים.
- אופטימיזציה להרצה מקומית: מודל הטקסט דורש כ-1GB בלבד בכימות 4 ביט. החברה ביצעה אופטימיזציות למגוון מכשירים, כולל טלפונים, מחשבים ניידים, מעבדי CPU ומאיצי NPU.
- מקודדי ראייה ואודיו חדשים: מודל הראייה כולל מקודד תמונה עצמאי חדש שדורש פחות כוח חישוב, ומודל האודיו מבוסס על מקודד ו-Codec חדשים שפיתחה החברה.
- התאמה אישית: כל ששת המודלים מבוססים על אותה ליבת LFM3-1.7B, והחברה מאפשרת לבצע Fine-tuning למודלים באמצעות GPU יחיד.
מדדים:
על פי הבדיקות שפרסמה Liquid AI, המודלים החדשים מציגים שיפורים משמעותיים בהשוואה לדור הקודם ולמודלים מתחרים.- LFM3-1.7B: מציג יתרון על Qwen3.5-9B בחלק ממדדי הסוכנים, בהם AutomationBench ו-WebArena-Verified, למרות הפער הגדול בגודל. בבדיקות הרצה מקומית, מהירות יצירת הטוקנים גבוהה פי 1.8 עד 2.8 מהמודלים שנבדקו מולו.
- LFM3-VL-2B: משיג ממוצע 71.4 ב-62 מבחני ראייה, לעומת 57.6 לדור הקודם. לדברי החברה, הוא משתווה בביצועיו ל-Gemma 4 12B, למרות שהוא קטן ממנו ביותר מפי שישה.
- d1-2B: משיג ציון 85.2 ב-Decision Bench לעומת 83.6 בדור הקודם, וציון 75.5 ב-ImajevBench לעומת 64.
- LFM3-Audio-2B: מציג שיפור באיכות הדיבור ובהבנת אודיו לעומת LFM2.5-Audio, עם תמיכה מורחבת ב-18 שפות.
במבחני מהירות שערכה החברה, מודל הטקסט גם הציג צריכת זיכרון נמוכה במיוחד: חלון הקשר של 128K דורש כ-1.6GB של KV Cache, לעומת 4.3GB ב-Qwen3.5-4B.
זמינות:
כל ששת המודלים שוחררו במשקלים פתוחים תחת רישיון LFM Open License 1.0, עם אפשרות להתאמה אישית ולהרצה מקומית.כבר ביום ההשקה זמינות גרסאות GGUF רשמיות למודלי הטקסט, הראייה, האודיו וה-Omni, לצד תמיכה ב-llama.cpp, ב-MLX וב-vLLM. לחלק מהמודלים קיימות גם גרסאות ONNX ופורמטים נוספים.
קישורים:
- הודעת השחרור הרשמית והמדדים:
https://www.liquid.ai/blog/lfm3 - סקירה טכנית נוספת ב-Hugging Face:
https://huggingface.co/blog/LiquidAI/lfm3
כרטיסי המודלים והורדות:
-
LFM3-VL-2B:
https://huggingface.co/LiquidAI/LFM3-VL-2B-GGUF -
LFM3-Audio-2B:
https://huggingface.co/LiquidAI/LFM3-Audio-2B-GGUF -
LFM3-Omni-2B:
https://huggingface.co/LiquidAI/LFM3-Omni-2B-GGUF -
d1-Omni-2B:
https://huggingface.co/LiquidAI/d1-Omni-2B -
התנסות במודלים:
https://playground.liquid.ai
-
Artifical Analysis עדכנו את המדד שלהם לגרסה 5, מן הסתם בשל כך ש-Kimi K3.1 Pro הסיני דגדג את קלוד 5.5 אופוס בגרסה הקודמת של המדד, ועל הדרך כדי לדחוף עוד כמה מודלים סיניים אחורה.
על הדרך, GPT 6 Astra קיבל פער קצת יותר מחמיא מול קלוד 5.5 אופוס, לעומת Meta Wonder Full שנדחק אחורה משמעותית.
זה רק מזכיר לנו, בקריצה לענייני דיומא, שאסור להסתמך על סקרים, גם אם הם מעוצבים מאוד מאוד יפה...אלא אם כן אתה סוקר בחסד עליון כמו פילבר...
זה לא סותר את העובדה שהמדד הזה יישאר פופולרי בקרב הציבור, בשל פשטותו.
קישורים:
-
בלוג ההכרזה על המדד החדש:
https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5 -
תיעוד המדד החדש:
https://artificialanalysis.ai/methodology/intelligence-benchmarking
-
-
SparkLLM • Spark-X2.6 4B, 1.7B
צוות SparkLLM הסיני משחרר את Spark-X2.6, דור חדש של מודלי שפה קטנים המיועדים להרצה מקומית, בשני גדלים - 4B ו-1.7B.
המודלים מציגים שיפור משמעותי ביכולות תכנות, חשיבה והפעלת סוכנים לעומת דור X2.5, כאשר לפי בדיקות המפתחים, גרסת 4B מתחרה בחלק מהמדדים גם במודלים גדולים בהרבה, עד 9B פרמטרים, וגם גרסת 1.7B לא רחוקה ממנה בהרבה.
עיקרי החידושים:
- שלוש רמות חשיבה: תמיכה מובנית ב-Reasoning בשלוש רמות - ללא חשיבה, חשיבה נמוכה וחשיבה גבוהה. ניתן לבחור את הרמה בהתאם למורכבות המשימה, למהירות ולצריכת המשאבים (למיטב ידיעתי אלו המודלים הקטנים ביותר שניתן להתנסות בהם ברמת חשיבה מובנית).
- יכולות סוכן ותכנות: שיפור משמעותי בהפעלת כלים, תכנון מרובה שלבים, עבודה עם קוד וביצוע משימות עצמאיות. המפתחים שמו דגש מיוחד על סוכנים הפועלים ישירות במכשירי קצה.
- חלון הקשר של מיליון טוקנים: תמיכה בהקשרים ארוכים במיוחד, תוך שימוש בארכיטקטורת Attention היברידית המשלבת Sliding Window ו-Full Attention, לצמצום צריכת הזיכרון.
- ארכיטקטורה יעילה: שני המודלים שומרים על הארכיטקטורה של דור X2.5, כאשר השיפורים הושגו בעיקר באמצעות Post-training מתקדם, ללא הגדלת מספר הפרמטרים.
- שיפור בביצועים וביעילות: לפי המפתחים, גרסת 4B מציגה יכולות גבוהות יותר מ-Qwen3.5-4B בחלק ממבחני הסוכנים, תוך יעילות הרצה דומה או טובה יותר.
מדדים:
השיפור בולט במיוחד בגרסת 1.7B, בהשוואה לדור הקודם:- SWE-bench Verified: עלייה מ-28.3 ל-59.8.
- SWE Multilingual: עלייה מ-23.3 ל-57.3.
- τ²-bench: עלייה מ-65.3 ל-85.3.
גם גרסת 4B מציגה שיפור ניכר במדדי תכנות, סוכנים, מתמטיקה, הבנת הקשר ארוך ומעקב אחר הוראות, ולפי המפתחים היא מובילה בין מודלים רבים בגודלה.
- גרסת ה-4B:
- גרסת ה-1.7B:
זמינות:
שני המודלים שוחררו במשקלים פתוחים תחת רישיון Apache 2.0, המאפשר גם שימוש מסחרי.קיימות גרסאות GGUF רשמיות, עם תמיכה ב-llama.cpp, ב-Ollama וב-LM Studio, לצד אפשרויות הרצה באמצעות Transformers, vLLM, SGLang ו-MLX.
גרסת 4B דורשת כ-2.6GB בכימות Q4_K_M, בעוד גרסת 1.7B מתאימה גם למכשירים בעלי זיכרון מוגבל במיוחד. שימוש בחלון הקשר ארוך מחייב זיכרון נוסף.
קישורים:
- מאגר הפרויקט הרשמי, הסברים ומדדים:
https://github.com/XHToken/Spark-X2.6 - Spark-X2.6-4B - גרסת GGUF רשמית:
https://huggingface.co/XHToken/Spark-X2.6-4B-GGUF - Spark-X2.6-1.7B - גרסת GGUF רשמית:
https://huggingface.co/XHToken/Spark-X2.6-1.7B-GGUF - גרסאות GGUF נוספות של 4B, כולל כימותים חסכוניים יותר:
https://huggingface.co/bartowski/Spark-X2.6-4B-GGUF
-
תכירו את טאב, הסוכן האישי שלכם שיכול לעשות עבורכם כמעט הכל. הוא יכול להתקשר לעסקים, לבנות לכם תוכנות, סתם לברר לכם מה שתצטרכו בשיחה קולית פשוטה, וכמעט בכל דבר שתחשבו עליו.
החלק המעניין ביותר - שהוא חינמי לחלוטין! (לעת עתה, זה נראה שהם מנסים להגיע לקהל יעד גדול ככל האפשר, ואז לעבור לתוכניות מנויים).
יש רשימת המתנה להצטרפות, וכדי להתקדם צריך להזמין חברים (אין לי מושג כמה זמן זה לוקח בלי).
שימו לב שכדי לפתוח אתם חייבים ווטסאפ או SMS! אחר כך אפשר להתכתב איתו גם במייל.
לקישור ההזמנה שלי לחצו כאן
שימוש מועיל!
עריכה: העירו לי שאסור לפרסם קישורים שיש למפרסם רווח מהם, ולכן רציתי להבהיר שכל אחד שמצורף לטאב נכנס לרשימת המתנה, וכדי להתקדם בה צריך לצרף חברים, אפשר אולי לפתוח שרשור יעודי לקישורי הזמנה, וכל אחד יפרסם את הקישור שלו עד שהוא יצורף גם כן.
תודה ל- @לאצי על ההערה. -
Google • Gemini 4 Carbon
גוגל מכריזה רשמית על Gemini 4 Carbon, מודל הדגל החדש והחזק ביותר שלה, כשבועיים בלבד לאחר השקת Gemini 4 Argon.
המודל מציג שיפורים משמעותיים בתכנות, חשיבה, הפעלת סוכנים ואבטחת סייבר, וכבר תופס את המקום הראשון בדירוג Artificial Analysis, לפני מודלי הדגל של אנת'רופיק ו-OpenAI.
עיקרי החידושים:
- יכולות סוכן ותכנות: שיפור בביצוע משימות הנמשכות שעות ואף ימים, כולל איתור ותיקון באגים מורכבים, עבודה עם בסיסי קוד גדולים ופיתוח תוכנה באופן עצמאי.
- אבטחת סייבר: יכולות מתקדמות באיתור חולשות, בדיקת אפשרות ניצולן ותיקונן. לפי גוגל, המודל מציג יותר מפי 2 הצלחה ביצירת קוד מאובטח לעומת Argon.
- פיתוח ממשקים: שיפור של 89 נקודות Elo במדד WebDev Arena, הממקם את Carbon במקום הרביעי עם 1,769 נקודות.
- אמינות ודיוק: הפחתה של כ-50% בטענות שאינן מבוססות לעומת Argon, לצד שיפור במעקב אחר הוראות ובהשלמת משימות בלי לחרוג מהבקשה המקורית.
- עמידות בפני Prompt Injection: בבדיקת Gray Swan השיג המודל שיעור הצלחה של 0% לתקיפות שנבדקו, לעומת 0.7% ב-Argon.
מדדים:
המודל הגיע לציון 59 במדד Artificial Analysis Intelligence Index v5, ובכך עקף את Claude Opus 5.5 עם 58 נקודות ואת GPT-6 Astra עם 57 נקודות.במדדי הסייבר שפרסמה גוגל הוא מציג תוצאות מובילות:
- SEC-bench Pro: ציון 88.2% באיתור חולשות אבטחה.
- ExploitGym: ציון 54.8% בבדיקת ניצול חולשות.
- CWE-bench: ציון 71% בתיקון חולשות.
זמינות ומחירים:
בשל יכולות הסייבר המתקדמות, גוגל משחררת את המודל בהדרגה. החל מהשבוע הוא יהיה זמין לקבוצה מצומצמת של מומחי הגנת סייבר, ובהמשך לשותפים נבחרים.גישה ציבורית דרך ה-API, מוצרי גוגל ויישומי Gemini עדיין אינה זמינה, וטרם פורסם מועד השקה מדויק.
התמחור המתוכנן ל-API הוא 2 דולר למיליון טוקני קלט ו-10 דולר למיליון טוקני פלט, עם הנחה של 95% על קלט ממטמון. לאחר תקופת ההשקה המחירים יעלו ל-4 ו-20 דולר בהתאמה.
קישור להכרזה הרשמית ולמדדים:
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/מפתח אפליקציות אנדרואיד ויישומי ומודלי AI
-
גוגל שוברת את הכלים: הוכרז Genie 4 – מודל עולם שמייצר מציאות וירטואלית בזמן אמת!
תמונות בספויילר
המרוץ ל-AGI ולמודלי עולם (World Models) עולה שלב, וגוגל (DeepMind) הרגע החליקה הילוך שמזכיר סרטי מדע בדיוני.
הכירו את Genie 4 – כבר לא סתם מחולל וידאו פסיבי, אלא מערכת AI שמייצרת סביבה תלת-ממדית אינטראקטיבית לחלוטין בזמן אמת, כולל חוקי פיזיקה, סאונד היקפי ואינטראקציה מלאה!
מה הופך את זה לפורץ דרך?- אינטראקטיביות מלאה: מזיזים את הדמות עם המקלדת, ומשנים את הסביבה בלייב באמצעות פרומפטים טקסטואליים. המודל מרנדר את השינויים תוך כדי תנועה!
- פיזיקה וסאונד אורגני: המערכת לא רק "מציירת", היא מחשבת התנגשויות, אווירודינמיקה, ויוצרת אודיו תואם (רחש גלים, דיאלוגים מדוברים ורעשי רקע).
- ארכיטקטורת על: המודל רץ בשילוב מודלי השפה המובילים של גוגל (Gemini 4 Argon / Gemini 3.8 Flash), כשמודל השפה מתפקד כ"במאי" שמפקח על הלוגיקה, ומודל העולם מתרגם את הפקודות ל-Pixels & Audio.
- אימון רובוטיקה מתקדם: המודל מסוגל להחזיק סימולציה רציפה של כ-2 דקות (פי 2 מהדור הקודם) – בדיוק מה שצריך כדי לאמן רובוטים פיזיים בסביבה וירטואלית מבוקרת לפני שהם נוגעים בעולם האמיתי.
במקביל להכרזה של גוגל, השוק כותש: הסטארטאפ הישראלי Decart (עם מודל העולם Oasis) נמצא במגעים מתקדמים לרכישה ע"י אמזון בסכום עתק של 7 מיליארד דולר!
בעוד גוגל מתמקדת באיכות פוטו-ריאליסטית כבדה, הישראלים מציעים יעילות חישובית ושיהוי (Latency) אפסי. המלחמה על שליטה במודלי מרחב רחוקה מלהסתיים.
סרטונים להמחשה:
https://mitmachim.top/assets/uploads/files/1793301975543-af94fa33-19ed-45b0-b256-02e38fdfe16d-wm_genie4_demo_island_piano_duet_ui_with_disclaimer_16x9_final.webm
למנוטפרנים:
ef2a8e35-6b1a-41cd-b906-8b80c127ae8d-סרטונים.zip
זמינות:
בשלב הזה המודל מוגדר כקוריוז מחקרי (עדיין יש זליגות ויזואליות בסימולציות ארוכות), ויפתח בשבועות הקרובים למפתחים ולמנויי Google AI Ultra.|| מקור - https://www.ynet.co.il/digital/technews/article/hyiksllafx#!/replace
https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ ||סרטונים.zip
-
ג׳ולס של גוגל - הולך למות.
לא נראה לי שמישהו פה השתמש בו חוץ ממני, וגם אני לא ממש מצטער...
גאה להיות חלק:
otzaria.org -
פוסט זה נמחק!
-
פוסט זה נמחק!
פוסט זה נמחק! -
כותרת: GitHub Copilot Universe 2026 – מעבר מעוזר קוד לסוכנים אוטונומיים בענן
בכנס Universe 2026 הציגה GitHub שורה של עדכונים משמעותיים עבור GitHub Copilot. השינוי המרכזי מסמן מעבר מעוזר קוד המגיב לפרומפטים בודדים ב-IDE, למערכת סוכנים אוטונומיים הפועלים ברקע, לאורך זמן ובמספר ממשקים במקביל.
להלן סקירה מתומצתת של העדכונים העיקריים:- הרצת סשנים בענן (Connected Cloud Experience):
- סשן העבודה מורץ ב-Sandbox בענן של GitHub ואינו תלוי במשאבי המחשב המקומי.
- ניתוח קוד ומשימות יכול להתחיל ב-VS Code ולהמשיך ב-GitHub Mobile, ב-CLI, ב-Slack או ב-github.com תוך שמירת ההקשר.
- רכיב Agent Host ב-VS Code מנתק את הרצת הסוכנים מחלון העורך, כך שהם ממשיכים לפעול ברקע גם לאחר סגירת הפרויקט או סגירת ה-IDE.
- אפשרות להריץ מספר מודלים במקביל על אותה משימה להשוואת תוצאות בזמן אמת (Public Preview).
- אוטומציה ופתרון בעיות ב-PR (Agent Merge):
- Watch and Fix: מנגנון בתוך ה-Pull Request המנטר ניסיונות מיזוג, מתקן אוטומטית שגיאות CI וקונפליקטים, ומבצע Merge ברגע שהדרישות מתקיימות.
- טריגרים מורחבים: חיבור אירועים ממערכות חיצוניות (Jira, Sentry, PagerDuty) לצד 24 טריגרים פנימיים ב-GitHub (כגון התראות אבטחה).
- אופטימיזציה מחזורית: מערכת אוטומטית המנתחת הערות מפתחים ותיקונים ידניים אחת לשבוע ומציעה שיפורים לפרומפטים ולטריגרים.
- ניהול הקשר וזיכרון ארגוני (GitHub Intelligence):
- Copilot Memory: שמירת העדפות קידוד וקונבנציות כתיבה ברמת ה-Repository לאורך זמן.
- Dreaming: ניתוח הערות חוזרות ב-Code Review והמרתן להנחיות קבועות המוגשות כ-PR ליישור קו ארגוני.
- Cross-Repository Search: חיפוש סמנטי חוצה מיקרו-סרביסים וריפוזיטורים באמצעות פקודת
/research. - ניתוב מודלים דינמי (Copilot Fusion):
- החלפת בחירת מודל ספציפי בבחירת "רמת חשיבה" (Standard, High, Max). המערכת מחליטה באופן אוטומטי אילו מודלים להפעיל (מבית Anthropic או OpenAI), כולל שילוב של מודלים מהירים/זולים לטיוטות ומודלים מתקדמים לביקורת.
- שינוי במודל התמחור והרישוי:
- עבור לקוחות Enterprise Cloud, מודל ה-Seats מוחלף במודל צריכה (AI Credits). הגישה נפתחת לכלל עובדי הארגון, והחיוב מבוצע לפי שימוש בפועל.
- עבור משתמשים פרטיים ורישיונות רגילים, הגישה נשארת במסלול קבוע ($10 למשתמש חודשי).
שלום! נראה שהשיחה הזו מעניינת אותך, אבל עדיין אין לך חשבון.
נמאס לכם לגלול בין אותם הפוסטים בכל ביקור? כשנרשמים לחשבון, תמיד תחזרו בדיוק למקום שבו הייתם קודם, ותוכלו לבחור לקבל התראות על תגובות חדשות (בין אם במייל, ובין אם בהתראת פוש). תוכלו גם לשמור סימניות ולפרגן ב-upvote לפוסטים כדי להביע הערכה לחברי קהילה אחרים.
בעזרת התרומה שלך, הפוסט הזה יכול להיות אפילו טוב יותר 💗
הרשמה התחברות { const baseUrl = "https://www.google.co.il/search?q=site:mitmachim.top"; const m = location.pathname.match(/^\/(topic|category)\/(\d+)/); const type = m ? m[1] : null; const id = m ? m[2] : null; let searchInput; function search(path = "") { const query = searchInput.value.trim(); if (query) { window.open(`${baseUrl}${path}%20${encodeURIComponent(query)}`, "_blank"); } } let buttons = {}; buttons.searchAll = { id: "bb-search-all", label: `חיפוש ${type ? "בכל הפורום" : ""}`, className: type ? "btn-secondary" : "btn-primary", callback: () => search(), }; if (type === "topic") { buttons.searchTopic = { label: "חיפוש בנושא זה", className: "btn-primary", callback: () => search(`/topic/${id}`), }; } else if (type === "category") { buttons.searchCategory = { label: "חיפוש בקטגוריה זו", className: "btn-primary", callback: () => search(`/category/${id}`), }; } buttons.cancel = { label: "ביטול", className: "btn-default", "data-bs-dismiss": "modal" }; const dialog = bootbox.dialog({ title: '<div style="text-align:center;"><img src="/assets/uploads/files/1625950269825-mt-google.png" width="400" alt="חיפוש בגוגל"></div>', message: '<input id="bb-inp" class="bootbox-input bootbox-input-text form-control" placeholder="הקלידו כדי לחפש בגוגל" autocomplete="off"/>', buttons, backdrop: true, show: true, onEscape: true }); dialog.on("shown.bs.modal", function () { searchInput = document.getElementById("bb-inp"); if (searchInput) { searchInput.focus(); searchInput.addEventListener("keydown", function (e) { if (e.key === "Enter") { e.preventDefault(); const query = this.value.trim(); if (query) { search(); dialog.modal("hide"); } } else if (e.key === "Escape") { e.preventDefault(); dialog.modal("hide"); } }); } const searchAllButton = document.getElementById("bb-search-all"); if (searchAllButton) { searchAllButton.title = "לחצו על אנטר כדי לחפש"; } }); })(); void 0;){kind=link}