דיווח לא מאומת: Claude Opus 5.5 ו-GPT-6 Astra בדקו 138 מאמרי כלכלה ומצאו יותר מ-2,000 בעיות פוטנציאליות
לפי דיווח שמסתובב ברשת, שני מודלי AI מובילים בדקו כל אחד בנפרד 138 מאמרים בכלכלה, סימנו 2,035 בעיות פוטנציאליות וזיהו 147 ממצאים שעשויים לשנות את מסקנות המאמרים. המחקר עצמו לא פורסם בקישור ולא הצלחנו לאמת את הנתונים, אבל הטענה מעלה שאלה רצינית: מה יקרה כשבינה מלאכותית תתחיל לבדוק מחדש עשרות שנים של מחקר שכבר פורסם?
שני מודלי השפה המתקדמים ביותר של אנתרופיק ו-OpenAI בדקו כל אחד בנפרד 138 מאמרים אקדמיים בכלכלה, וסימנו יחד 2,035 בעיות פוטנציאליות. כך לפחות על פי דיווח שמופץ ברשת. לפי הדיווח, 147 מהממצאים עשויים לשנות את המסקנה המרכזית של המאמר, ומודל AI שלישי ניסה לאמת או להפריך כל אחד מהם.
חשוב לומר כבר בהתחלה: הדיווח לא מקשר למחקר עצמו. לא ידוע מי ערך את הבדיקה, אילו מאמרים נבדקו, באיזו שיטה, ומה המודל השלישי מצא בפועל. לא הצלחנו לאמת את המספרים ממקור עצמאי, ולכן צריך להתייחס אליהם כטענה שעדיין לא נבדקה, לא כממצא מבוסס.
המודלים שבמרכז הסיפור
שני המודלים שמוזכרים בדיווח הם אמיתיים, ושניהם נמצאים כיום בחזית התחום. Claude Opus 5.5 של אנתרופיק הושק ב-22 בספטמבר 2026. לפי החברה, הפעלתו זולה בכ-40% מזו של קודמו Opus 5, והמחיר שלו הוא 4 דולרים למיליון טוקנים (יחידות הטקסט שהמודל מעבד) בקלט ו-20 דולרים למיליון בפלט. אנתרופיק טוענת שהמודל עוקף את GPT-6 Astra של OpenAI כמעט בכל הקטגוריות שנמדדו, ובהן משימות ידע מקצועיות.
Astra הוא עדיין המודל החזק ביותר של OpenAI. החברה השיקה באותו יום את GPT-6 Sol ו-Luna, שני מודלים זולים יותר שנמצאים, לפי אותו דיווח, הרבה מאחורי Astra ביכולותיהם.
ככל הנראה, הבחירה דווקא בשני המודלים האלה לא מקרית. כששני מודלים מתחרים, שאומנו בחברות שונות, מגיעים בנפרד לאותה בעיה במאמר, יש לזה יותר משקל מאשר לממצא של מודל אחד. זה גם ההיגיון שמאחורי מודל שלישי שתפקידו לנסות להפריך את הממצאים: לסנן התראות שווא, שעדיין נפוצות במודלי שפה.
למה זה חשוב
בכלכלה, כמו בתחומים אחרים במדעי החברה, יש כבר שנים ויכוח על "משבר השחזור": מחקרים שפורסמו בכתבי עת מובילים, אבל חוקרים אחרים לא הצליחו לשחזר את תוצאותיהם. בדיקה ידנית של מאמר, כולל הנתונים והקוד שלו, יכולה לקחת לחוקר ימים או שבועות. לכן רק חלק קטן מהמחקר שפורסם נבדק אי פעם מחדש.
אם הטענה בדיווח נכונה, המשמעות היא שבדיקה שיטתית של ספרות אקדמית שלמה נעשית אפשרית מבחינה כלכלית. זה יכול לשנות את האופן שבו כתבי עת, ועדות מינוי ומקבלי החלטות מתייחסים למחקר קיים.
אבל יש כאן גם כמה סימני שאלה. "בעיה פוטנציאלית" יכולה להיות כל דבר, מטעות הקלדה בטבלה ועד שגיאה שמבטלת את המסקנה. גם 147 ממצאים ש"עשויים" לשנות כותרות הם עדיין השערה, לא הוכחה. השאלה המהותית, כמה מהממצאים שרדו את הניסיון להפריך אותם וכמה יחזיקו מעמד מול בדיקה אנושית, נשארת בינתיים בלי תשובה.
לכן כדאי לחכות לפרסום המחקר עצמו, לשיטה ולרשימת המאמרים, לפני שמסיקים ממנו מסקנות על מצב המחקר הכלכלי או על היכולת של AI לבקר אותו.