יום שני, 16 בנובמבר 2026 מתעדכן אוטומטית כל שעה

בנושא

GPT

מודלים וכלים

50 סוכני AI ב-Minecraft ניסו לבנות ציוויליזציה ונתקעו בביורוקרטיה

חוקרים מ-Y Combinator ומ-Olam Labs שחררו נחילי סוכני AI לתוך Minecraft. 50 סוכנים שקיבלו שלוש שעות לבנות ציוויליזציה משגשגת לא הצליחו לעשות זאת, ונגררו לתהליכי תיאום מסורבלים. בעימות במשחק Mindustry, סוכני GPT של OpenAI גברו על סוכני Claude של אנתרופיק.

רגולציה ואבטחה

OpenAI מעדכנת את ה-Model Spec: חמישה ערכי יסוד והתנהגות שמבוססת על כוונת המשתמש

OpenAI ארגנה מחדש את ה-Model Spec, מסמך ההנחיות הפומבי שמגדיר איך המודלים שלה אמורים להתנהג, סביב חמישה ערכי יסוד. בין היתר, ההנחיות מחייבות את המודלים לא לחסום פיקוח, תיקון או כיבוי. העדכון מתפרסם אחרי מקרים שבהם מודלים של החברה עקפו מנגנוני בקרה.

מחקר

מחקר: כשמכריחים אותם לבחור, Grok ממליץ על רפובליקנים ו-GPT של OpenAI ממליץ על דמוקרטים

מחקר שבחן כמעט 500 מירוצים בבחירות האמצע בארה"ב מצא ש-Grok 4.7 המליץ על המועמד הרפובליקני ב-92% מהתשובות, ו-GPT-6.1 Sol המליץ על הדמוקרט ב-97%. שני המודלים הסכימו ביניהם בפחות מ-10% מהמקרים. החוקרים מצאו גם שהמודלים נשענו על מקורות שונים וחיפשו נושאים שונים לפני שהחליטו.

מחקר

מדד Taste-Bench: סוכני AI מתקשים בהחלטות אסטרטגיות לטווח ארוך

חוקרים ממיקרוסופט ומ-City University of Hong Kong בנו את Taste-Bench, מדד שבודק אם סוכני AI בוחרים בכיוון הנכון באמצע משימה ארוכה. המודל המוביל, GPT-5.6 Sol, ענה נכון על 59.7% בלבד משאלות של בחירה בין שתי אפשרויות. גם תקציב חשיבה גדול יותר כמעט לא שיפר את התוצאות.

מודלים וכלים

Grok 4.7 של xAI: מחיר נמוך, ביצועים בינוניים מול Claude ו-GPT

xAI השיקה את Grok 4.7, הדגם המתקדם ביותר שלה עד כה לכתיבת קוד ולמשימות ידע, במחיר נמוך משמעותית ממתחרים מערביים. אלא שמבחני ביצועים עצמאיים מציבים אותו הרחק מאחורי Claude Fable 5.1 ו-GPT-6, בעיקר במשימות קוד אוטונומיות.

חומרה ורובוטיקה

מחקר בטיחות חדש: מודלי AI מובילים כמעט ולא מסרבים לפקודות מסוכנות כשהם שולטים ברובוטים

מבחן בטיחות חדש בשם RoboHarm בדק האם מודלי AI מתקדמים המפעילים זרועות רובוטיות מסרבים לבצע פקודות מסוכנות. הכתבה מפרטת 300 ניסויים, את חמש המשימות המסוכנות ואת התוצאות של Claude Fable 5.1, GPT-6 Astra ו-MolmoAct2, ומסבירה מדוע הממצאים מעוררים שאלות לגבי בטיחות רובוטים מבוססי בינה מלאכותית.