לפני ארבעה ימים בדיוק, דריו אמודאי — המנכ"ל של Anthropic — עלה לרשת X והבטיח שהעבודה שלהם בביולוגיה תניב "ניצנים ראשונים" בחודשים הקרובים. כמה ימים. לא שבועות. ימים. ועכשיו? ובכן, אולי הוא צנוע מדי בציפיות.
קלוד יצא מהמעבדה — לא כמטאפורה, אלא ממש. המודל של Anthropic רץ לבד על קמפיין עיצוב חלבונים מקצה לקצה, והתוצאות עמדו בבדיקות מעבדה אמיתיות. לא סימולציה. לא הדגמה. מולקולות שעבדו.
בבמאמר נסקור:
- קלוד של Anthropic פורץ לעולם עיצוב החלבונים
- מדריך טייגר-טים של Uber — הלקח הכי יקר בתעשייה
- שיטת ה-Loop לתוצאות טובות יותר מ-ChatGPT
- Replit מוסיפה אפשרות חינמית — וזה לא תירוץ לחסוך
כשה-AI של אנטרופיק מתחיל לשחק רופא — ומנצח
מקור תמונה: Anthropic
Anthropic פרסמה מחקר שגורם לאנשי תרופות לשתות קפה חזק יותר הבוקר: קלוד הריץ קמפיין עיצוב חלבונים כמעט לבד לגמרי — שלב קריטי בגילוי תרופות — והצליח לייצר מולקולות פעילות ב-14 מתוך 15 מטרות ביולוגיות. יותר מכך: שיעור ההצלחה שלו עקף את הממוצע בתעשייה.
מה בדיוק קרה שם?
- המערכת נבדקה עם שני מודלים: Mythos Preview ו-Opus 4.8 — שניהם רצו אוטונומית עם פרומפט אחד בלבד, גישה לאינטרנט וכלים רלוונטיים.
- את עבודת המעבדה הפיזית עשו Twist Bioscience ו-Adaptyv Bio — הם יצרו את המולקולות ובדקו אותן בתנאי אמת.
- שיעורי ההצלחה של קלוד עמדו על 22–35% למולקולות שנקשרו למטרה — לעומת 10–15% שמקובלים בתעשייה.
- Opus 5 קרא קבצי מכשור גולמיים ישירות, מדד דגימה ב-96.4% טוהר תוך 19 דקות — כשלמעבדה עצמה לקח ארבעה ימים לכתוב את הדו"ח המקביל.
למה זה חשוב? עיצוב חלבונים ב-AI זה לא חדש. מה שחדש הוא שמודל כללי — לא כזה שאומן על ביולוגיה בלבד — הריץ את כל הקמפיין בעצמו ושיחק מעל הממוצע. זה הפרש מנטלי עצום. כשאמודאי דיבר על "ניצנים ראשונים", אולי הוא לא ידע שהניצן כבר בדרכו להיות פרח.
איך Uber למדה בדרך הקשה — ואיך אתם לא חייבים
זוכרים את הכותרות על Uber שפוצצה את כל תקציב ה-AI שלה ל-2026 — תוך ארבעה חודשים? ה-CTO שלהם, Praveen Neppalli Naga, הכריז על סוף "עידן ה-tokenmaxxing" והחל להגביל את השימוש. ציון לשמצה. עכשיו? אותו CTO פרסם מה הם עשו אחרי זה — וזה בדיוק הסיפור שכדאי לכם לקרוא.
התשובה של Uber היתה לא להפסיק עם AI, אלא לחדד אותו. הם המציאו משהו שהם קוראים לו Agentic Pods — צוותים של שני אנשים בדיוק: מהנדס בעל ידע ב-AI ומומחה תחומי (כספים, שיווק, תפעול). ספרינט של 10 ימים. לומדים את תהליך העבודה, בונים לצד המומחה, משחררים.
התוצאה? דו"ח פיננסי שלקח עובד מרכזי יומיים להכין — רץ עכשיו ב-10 דקות.
המסר של Nate Grahek, המחנך של Rundown AI: "הפרויקטים הראשונים שלכם ב-AI חייבים לרוויח לכם את הזכות לתנועות גדולות יותר. חברות גדולות צריכות להתחיל להתנהל כמו סטארטאפ רזה — ניצחונות מהירים ופרגמטיים, לא הימורים ארוכי טווח על לוח דרכים מנופח." נכון לשמייה.
שיטת ה-Loop: תגרמו ל-ChatGPT לעבוד בשבילכם — שוב ושוב
רוצים שזרימת העבודה שלכם עם ChatGPT תשתפר — לבד, אוטומטית, בלי שתצטרכו לזכור מה שיניתם בפעם האחרונה? שיטת ה-Loop היא הדרך לשם.
שלב אחר שלב:
- פתחו את ChatGPT Work ומצאו תהליך עבודה שעובד — אבל לא תמיד עקבי.
- הזינו פרומפט: "שפר את תהליך העבודה הזה ב-3 לופים. תן לפאנל של סוכני-משנה לבצע ביקורת יריבית על כל לופ. הגמר כאשר [הגדרת הסיום שלכם]."
- השתמשו ב-
/goalכדי להציב יעד ברור ותנו למערכת לרוץ — לרוב בין 15 דקות לשעה. - בדקו את תהליך העבודה המשופר. אם צריך עוד חידוד — בקשו מ-Codex לאגד את החלקים המעורפלים לסקריפטים ברורים.
טיפ מקצועי: הפכו את תהליך השיפור הזה למיומנות שמירה (SKILL) — הפעילו אותה בכל פעם שתהליך עבודה מתחיל להיות לא עקבי.
Replit מוציאה מצב חינמי — וה"חינמי" הזה לא מה שחשבתם
מקור תמונה: Replit
Replit השיקה מה שהם מכנים "Free Mode" — מצב חדש בתוכניות ה-20$ וה-100$ לחודש שמריץ משימות יומיומיות על GPT-5.6 Luna של OpenAI, בלי לאכול קרדיטים של המשתמש. מה הופך את זה לאפשרי? Luna הוזלה ב-80% — ו-Replit לקחה את החיסכון הזה והעבירה אותו ישירות למשתמש.
הפרטים הקריטיים:
- תוכנית ה-Core ב-20$/חודש מציעה עכשיו פי 30 שימוש — עם 30 שעות שיחה חודשיות נוספות.
- בניות כבדות יותר עדיין שורפות קרדיטים, והסוכן יכול לנתב ל-Sol של OpenAI לצעדים מורכבים יותר — ואז לחזור ל-Luna.
- נשיא Replit, Michele Catasta, קרא לזה "רדיקלי" — הטיעון שלו: הרבה משימות לא צריכות מודל פרונטייר יקר, הן צריכות מודל מהיר וזול שעושה את העבודה.
- Sam Altman הוסיף שהוא צופה "פריחה יזמית ברמת הרנסנס". כן, הוא ממש אמר את זה.
מה שבאמת שינה כאן: כולם עברו מ-tokenmaxxing לספירת טוקנים — ו-Replit מוכיחה שחוכמה ועלות יכולות ללכת יד ביד. כשמחיר נמוך מפסיק להיות שם נרדף לאינטליגנציה נמוכה, הכלכלה של עולם שלם של מוצרים מתחילה להשתנות.
כלי AI שכדאי לעקוב אחריהם
- Incogni — מסירים את הנתונים האישיים שלכם מהרשת לפני שגנבי זהות מוצאים אותם. קוד RUNDOWN לקבלת 55% הנחה.
- Student Hub — האזור הייעודי של Google ל-Gemini לסטודנטים.
- Replit Free Mode — מצב השימוש החינמי החדש מבוסס Luna ללא צריכת קרדיטים.
- GLM-5.3 — מודל פתוח של המעבדה הסינית Z AI עם יכולות קידוד, סוכנות וסייבר חזקות.
📰 עוד כותרות שחייבים לדעת
- Stripe הודיעה רשמית על רכישת OpenRouter — ולפי דיווחים, בישרה למשקיעים שה-1 בינואר 2026 הוא תחילת "הסינגולריות".
- GLM-5.3 של Z AI סימן 60 במדד האינטליגנציה של Artificial Analysis — מקום רביעי כולל, ותיקו עם Kimi K3 על כתר המודל הפתוח.
- Cerebras הציגה את CS-4, המחשב ה-AI הרביעי שלה — לפי החברה, מהיר פי 30 ממתחרים מבוססי GPU, גם על המודלים הכבדים ביותר.
- OpenAI השיקה "Private Safety Processing" — מערכת לזיהוי שימוש לרעה ב-API מבלי שהצוות יראה את התוכן, בהתאם להבטחת אי-שמירת נתונים.
