בתוך שישה ימים עשתה אופן-איי-איי שני דברים.
ב-3 בספטמבר היא השיקה את GPT-6 Astra, ובעמוד ההשקה שלה עצמה מופיעה שורה שקל לפספס בין הגרפים: המודל עומד בסף ה"קריטי" ביכולות סייבר לפי מסגרת המוכנות של החברה.
ב-8 בספטמבר היא פרסמה פתרון לבעיית נאבייה-סטוקס - אחת משבע בעיות פרס המילניום, שעמדה פתוחה כתשעים שנה.
ושני הדברים אינם אותו מודל. זה, כפי שנראה, אולי הפרט החשוב ביותר בשניהם.
הכתבה מבוססת על המספרים שאופן-איי-איי פרסמה בעצמה. הם לא אומתו על ידי גורם חיצוני, וזה עצמו חלק מהעניין.
ייתכנו טעויות או אי-דיוקים. מצאתם משהו שנראה שגוי? כתבו לי ואתקן.
חלק ראשון: מה נאמר בהשקה על הסייבר
מסגרת המוכנות היא הסיווג הפנימי שאופן-איי-איי בנתה כדי לדרג את הסיכון של המודלים שלה. "קריטי" הוא הסיווג הגבוה ביותר בה. החברה מפרסמת כאן, מרצונה, שהיא חצתה את הרף שהיא עצמה הגדירה.
| המבחן | Astra | הדור הקודם |
|---|---|---|
| ExploitBench - הפיכת חולשות ידועות לניצול עובד | 100% | 78.5% |
| ExploitGym | 42.4% | 30.3% |
| SRE-Bench - הנדסה לאחור של קבצי הרצה, ניסיון אחד | 88.0% | 55.9% |
| SRE-Bench, עד ארבעה ניסיונות | 99.2% | 68.7% |
והפרט החשוב ביותר אינו בטבלה.
מכיוון שחשפו את המודל למאגר חולשות היסטוריות, אופן-איי-איי בנתה מבחן נוסף מחולשות של שלושת החודשים האחרונים בלבד. ובמהלך ההערכה הזו, לפי החברה, המודל איתר וניצל שתי חולשות אפס-יום שלא היו ידועות לאיש.
החברה מסרה שהיא מדווחת על שתיהן למתחזקי התוכנה.
ומעבר למבחנים, כתבה החברה, הערכות של מומחים חיצוניים מצאו שהמודל - כשהוא מורץ בלי מנגנוני ההגנה של הייצור - "יכול להשתמש בחולשות שלא היו ידועות כדי להשיג הרצת קוד שרירותית בדפדפנים מוקשחים, וליצור ניצולי הסלמת הרשאות למערכות הפעלה מוקשחות".
מה שהחברה כן חסמה, ומה שהיא מתכננת לפתוח
זה החלק שממתן את התמונה, וראוי להביא אותו במלואו.
בגרסה שהושקה, המודל מסרב למשימות סייבר מתקדמות - למשל בניית ניצול הדגמה לחולשה. מה שכן מותר הוא צד ההגנה: סקירת קוד מאובטחת, ותיקון חולשות.
אבל אופן-איי-איי כותבת במפורש שזה זמני. דרך תוכנית בשם OpenAI Daybreak היא מתכננת "להרחיב את הגישה ולהשיק מנגנוני הגנה פחות מגבילים בשבועות הקרובים", כדי לאפשר אימות חולשות, ניתוח נוזקות והנדסת גילוי.
זו הנקודה שבה זה נעשה עניין של שוק ולא של מעבדה.
יכולת שקיימת אבל חסומה אינה משנה כלום למאזן של אף חברה. יכולת שנפתחת בהדרגה, לפי תוכנית מוצהרת, כן.
וזה עובד לשני הכיוונים בו-זמנית: אותה יכולת שמאפשרת למגן למצוא חולשה לפני התוקף מאפשרת גם לתוקף למצוא אותה - וההבדל בין השניים הוא מי מקבל גישה ומתי. אופן-איי-איי עצמה מנסחת זאת כך, שיכולות סייבר חזיתיות מסייעות למגנים למצוא חולשות מהר יותר, אבל גם "הופכות את החולשות הללו לקלות יותר לניצול".
והצד שיזוז מוקדם יותר: העלות
בזמן שהכותרות עסקו בסייבר, בעמוד ההשקה יש שורה שנייה שתשפיע על יותר חברות ומהר יותר.
| המבחן | Astra | המתחרה | הפער בעלות |
|---|---|---|---|
| Agents' Last Exam - משימות מקצועיות | 59.3% | קלוד אופוס 5 - 55.5% | כ-65% פחות טוקני פלט |
| Terminal-Bench 4.0 | 57.9% | קלוד פייבל 5.1 - 55.8% | כ-63% פחות עלות למשימה |
| BenchCAD | 95.9% | קלוד פייבל 5.1 - 84.3% | כ-86% פחות עלות |
| Terminal-Bench Science | 64.6% | קלוד פייבל 5.1 - 52.6% | כ-31% פחות עלות |
(כל המספרים כפי שאופן-איי-איי מציגה אותם, בתצורות שהיא בחרה. אנתרופיק לא פרסמה תגובה לנתונים האלה נכון לכתיבת שורות אלה.)
התבנית עקבית: ציון גבוה יותר, בעלות נמוכה משמעותית. וזה הדבר שנכנס לדוחות של חברות אמיתיות - לא כ"יכולת" אלא כשורת הוצאה.
והחברה גם מדדה זמן, לא רק כסף: במבחן שימוש במחשב, 72.6% בכ-40 דקות למשימה מול 65.7% בכ-75 דקות לדור הקודם. ציון גבוה יותר בכמחצית מהזמן.
חלק שני: וחמישה ימים אחר כך נפלה בעיית פרס מילניום
ב-8 בספטמבר פרסמה אופן-איי-איי שמערכת פנימית שלה הפיקה פתרון לבעיית נאבייה-סטוקס.
המשוואות של נאבייה-סטוקס מתארות תנועה של נוזלים, ומשמשות בתכנון מטוסים, בחיזוי מזג אוויר ובחקר זרימת דם. השאלה הפתוחה הייתה אם זרימה חלקה יכולה להישבר - כלומר אם המשוואות יכולות לפתח סינגולריות, מצב שבו המהירויות גדלות ללא גבול בזמן סופי, גם כשהתנועה מתחילה חלקה וגם בנוכחות צמיגות שנוטה להחליק אותה.
והתשובה שהתקבלה היא כן. לפי אופן-איי-איי, המערכת הוכיחה שנוזל חלק במנוחה יכול לפתח סינגולריות בזמן סופי, כשעליו פועל כוח חלק והאנרגיה שלו נשארת סופית לאורך כל הדרך.
זו הפרכה ולא הוכחה - תשובה שלילית לשאלה אם החלקות נשמרת. בניסוח הרשמי מדובר בקביעת אמירה "C" וגם "D".
התמונה הפיזיקלית: מערבולת שמסתחררת פנימה ומתארכת בהדרגה, כמו ספגטי. האזור המרכזי מתכווץ ומאיץ - אבל בדיוק כך שהאנרגיה נשארת סופית.
המשמעות אינה שהמשוואות שגויות - אלא שיש תנאים שבהם קירוב הרצף שלהן נשבר, ומאותו רגע צריך לעקוב אחרי כל חלקיק בנפרד.
וזה לא Astra שפתר
זהו הפרט שרוב הסיקור החמיץ, והוא מהותי.
לשון החברה: "כדי לפתור את בעיית נאבייה-סטוקס השתמשנו במודל פנימי משמעותית חזק יותר מ-GPT-6 Astra."
| מה שידוע על המודל שפתר | |
|---|---|
| מתי החל האימון שלו | 28 באוגוסט 2026 |
| מצבו | לפי החברה, האימון נמשך והביצועים ממשיכים להשתפר |
| האם שוחרר | לא |
| מה תפקידו של Astra כאן | האימות בלבד - 17 שעות של פורמליזציה ב-Lean |
כלומר המודל שהוגדר בהשקה כ"החכם בעולם" הפסיק להיות החזית בתוך פחות משבוע - ולא בגלל מתחרה, אלא בגלל מודל אחר של אותה חברה שלא שוחרר.
וזה משנה את הקריאה של כל המספרים שלמעלה: הם מתארים את מה שכבר נמכר, לא את מה שכבר קיים.
איך זה עבד בפועל
| התהליך | |
|---|---|
| מתי התחיל המאמץ | 1 בספטמבר, לפי החברה בעקבות שמועות ששתי בעיות מילניום נפתרו |
| המבנה | קבוצות של סוכנים מתואמים, עם גישה לגרסה שמורה של האינטרנט ויכולת להריץ קוד |
| גודל הקבוצה שהצליחה | כ-10,000 סוכנים במקביל |
| השיטה | קבוצות שונות קיבלו ניסוחים שונים - חלקן כאלה שמובילים להוכחה, חלקן להפרכה |
| מתי הגיע הפתרון | שבת, 5 בספטמבר - כ-88 שעות אחרי הפעלת הסוכנים הראשונים |
| צריכה בכלל הבעיות | 4.9 מיליון הודעות, כ-300 מיליארד טוקני פלט |
| בנאבייה-סטוקס בלבד | 2.7 מיליון הודעות, כ-130 מיליארד טוקני פלט |
ולפני נאבייה-סטוקס נפלה בעיה אחרת. אופן-איי-איי ביקשה מהמערכת לנסות גם בעיות "קלות יותר", ואחת מהן - בעיית הרגולריות של משוואות אוילר בגרסתה חסרת הכוח - נפתרה בהפתעה על ידי כמאה סוכנים בכ-50 שעות. ההצלחה הזו היא שגרמה להם להסיט משאבים לנאבייה-סטוקס.
ולפי טקראנץ', 300 מיליארד טוקני פלט שקולים לכ-22.5 מיליון דולר של חישוב אילו היו מחויבים בתעריפי Astra הנוכחיים. (זהו חישוב של טקראנץ' ולא נתון של אופן-איי-איי. הוא מניח תעריף מסוים והוא תיאורטי - החברה הריצה על התשתית שלה ולא שילמה לעצמה מחיר מחירון.)
אבל גם כאומדן גס הוא אומר משהו: הוכחה שנחשבה מחוץ להישג יד תשעים שנה קיבלה תג מחיר, והוא בסדר גודל של תקציב מחקר שנתי של מחלקה אוניברסיטאית.
והמחלוקת שנלווית לזה
וכאן חובה לעצור, כי הידיעה אינה שלמה בלעדיה.
באותו יום פרסם טריסטן באקמסטר, פרופסור למתמטיקה ב-NYU, שלוש הוכחות - בשיתוף עם לבנט אלפוגה, מתמטיקאי שמועסק באנתרופיק (לפי הדיווח, לא במסגרת עבודתו שם). ביניהן ממצא מקדמי על נאבייה-סטוקס.
מה שבאקמסטר טוען, מתוך ההצהרה שפרסם:
- שהוא ואלפוגה גילו ש**"מידע על ההתקדמות שלנו הועבר לאופן-איי-איי"**.
- שכשפנו לחברה נאמר להם שכבר הושגה הוכחה מלאה - וכששאלו מתי המחקר התחיל וכמה מעורבות אנושית הייתה בו, התשובות נעשו מתחמקות.
- "בסופו של דבר הוסכם ש[הפרומט הראשון] נשלח בימים האחרונים, אחרי שמידע על עבודתנו הגיע לאופן-איי-איי."
- ועל הכיוון: "המסלול לבעיית קליי דרך כוח חלק, אפשרויות c ו-d בניסוח של פפרמן, הוא המסלול שלואיס ודייגו פתחו והוא זה שלבנט ואני בחרנו לתקוף בשקט. כמעט אף אחד שאני מכיר לא עבד עליו. זה לא הכיוון שמגיעים אליו בכמה ימים על ידי מסירת ניסוח הבעיה למודל."
וטענה חמורה יותר: לדבריו, המתמטיקאי סבסטיאן בובק מאופן-איי-איי ביקש ממנו להסיר את הקרדיט של אלפוגה כחלק מפשרה מוצעת, וכשדחף לפרסם את המחלוקת השיב בובק: "למה שתהרוס את הקריירה שלך?"
בובק פרסם תגובה שחולקת על חלקים מהתיאור, אך התנצל במפורש על המשפט הזה - לדבריו זו הייתה בחירת מילים גרועה ביותר, ההפך ממה שניסה להביע, והוא חזר בו ממנה במקום.
ואופן-איי-איי אינה מכחישה את לוח הזמנים - היא מאשרת אותו. בפרסום שלה כתוב שהמאמץ החל ב-1 בספטמבר "בעקבות שמועות". ולגבי הגישה לעבודה עצמה, לשונה:
"אנחנו (החוקרים והסוכנים) לא ראינו שום חלק מעבודתם בשום דרך עד שפרסמו אותה בפומבי - ובפרט, לא ניגשנו לנתוני משתמש ספציפיים כדי לפתור את הבעיה הזו. אף שזה בלתי סביר, איננו יכולים לשלול שנתונים מפורקי-זהות שנגזרו מהשימוש שלהם במוצרים שלנו סייעו לשפר את המודלים שלנו."
החברה מדגישה שההוכחות שונות מהותית, ושהתוצאה של באקמסטר ואלפוגה נוגעת לאוילר עם כוח בעוד תוצאת הסוכנים באוילר הייתה לגרסה חסרת הכוח. היא מכירה בקדימות של עבודתם ומברכת עליה.
ופרט אחרון: באקמסטר ואלפוגה השתמשו בעצמם בעיקר ב-Codex של אופן-איי-איי. החברה שומרת לעצמה את הזכות לאמן מודלים על אינטראקציות ב-Codex, ולמשתמשים יש אפשרות לבטל את ההסכמה.
ואופן-איי-איי הודיעה שאינה מתכוונת לתבוע את פרס המילניום.
ומה עם מניות הסייבר
זו השאלה המתבקשת, ולכן בדקתי אותה - והתשובה היא שאי אפשר לראות את האירוע במחירים.
הרולאאוט התחיל ב-3 בספטמבר. באותו יום עלתה קראודסטרייק 5.68% ופאלו אלטו 1.06%. אבל אי אפשר לייחס את זה להשקה: קראודסטרייק עוד עיכלה דוח רבעוני שפרסמה שבוע קודם, ופאלו אלטו הייתה יום אחרי צניחה של 9.28% בעקבות הדוח שלה.
כלומר שני הנתונים האלה רועשים מדי מכדי ללמוד מהם משהו - וזו התשובה, לא היעדר תשובה.
הזווית שלי
דעה אישית של אילן אברמוב - לא ייעוץ ולא המלצה
מה שאני לוקח מהשבוע הזה הוא לא הסייבר ולא המתמטיקה, שאינני מסוגל לשפוט - אלא שלושה דברים שכן ניתן לראות.
הראשון: המודל שנמכר לציבור אינו החזית. ההשקה של Astra כללה את המילים "החכם בעולם". חמישה ימים אחר כך פרסמה אותה חברה שהתוצאה החשובה שלה הופקה על ידי מודל אחר, חזק יותר, שהאימון שלו התחיל ב-28 באוגוסט ועדיין נמשך. מי שמנסה להעריך את קצב ההתקדמות מהמוצרים שבשוק מסתכל על תמונה מאוחרת בהגדרה - וזה נכון גם לכל מספר בכתבה הזו.
השני: מה שנקנה כאן הוא חישוב, לא תובנה. עשרת אלפים סוכנים, 88 שעות, 300 מיליארד טוקנים. זו לא גאונות שהופיעה - זו חסימה שנפרצה בכוח. ואם בעיות שנחשבו בלתי פתירות נפתרות בהצפת חישוב, היתרון עובר למי שיש לו יותר חישוב ולא בהכרח למי שיש לו הרעיון.
וזה בדיוק מה שבאקמסטר טוען שקרה לו. אינני יודע להכריע במחלוקת ולא מתיימר - שני הצדדים פרסמו גרסאות, בובק התנצל על משפט אחד, ואופן-איי-איי אישרה את לוח הזמנים אך דחתה את המסקנה. אבל הטענה עצמה מתארת מבנה שאפשרי, ושתי החברות מודות שאי אפשר לשלול לגמרי נתיב עקיף.
והשלישי, שנוגע לכל הכתבה: חברה מסחרית שמתכוננת להנפקה פרסמה מרצונה שהמוצר שלה חוצה את סף הסיכון הגבוה ביותר שהיא הגדירה, ובאותה נשימה השיקה אותו - ואז פרסמה תוצאה גדולה יותר ממודל שאיש לא ראה. אף אחד לא מפרסם "קריטי" בשביל הכותרת, ולכן אני לא מזלזל בזה. אבל כל המספרים כאן שייכים למי שמוכר את המוצר, בתצורות שהוא בחר, מול מתחרים שלא הגיבו.
זה לא הופך אותם לשגויים - זה כן אומר שהם עדיין טענה ולא ממצא.
(חשוב להדגיש: זו דעתי האישית בלבד, ואין באמור המלצה לפעולה כלשהי. ייתכן שאילן אברמוב, הכותב, או מי מטעמו מחזיקים בניירות המוזכרים בכתבה, וההחזקות משתנות מעת לעת.)
קראתם על חברה אחת. אותה שיטה עובדת על כל אחת.
מכתב אחד בשבוע על איך השוק באמת מחובר - ומיד בהרשמה, מפת מרכזי הנתונים: מי מספק למי, ואיפה החוליה הצרה. חינם, והסרה בלחיצה.
ורוצים ללמוד את זה כמו שצריך? ההכשרות בקמפוס - 232 שיעורים וקהילה.
