האיחוד האירופי שם 10 מיליארד יורו על השולחן, ואופן-איי פותחת את הדלת לאקדמיה

אירופה בונה תשתית, לא רק רגולציה

הנציבות האירופית פרסמה מכרז להקמת שבעה אשכולות מחשוב ענקיים, מה שהם מכנים "סופר-פקטוריז", בתקציב צפוי של 30 מיליארד יורו (כ-120 מיליארד שקל). מתוכם, 10 מיליארד יורו (כ-40 מיליארד שקל) יגיעו ישירות מקרנות האיחוד ומתקציבי המדינות החברות. ההגשה פתוחה עד 12 בנובמבר, הזוכים יוכרזו ביולי 2027, והחוזה דורש הפעלה מלאה תוך 18 חודשים מחתימה. זו הפעם הראשונה שהאיחוד שם כסף גדול על ברזל וסיליקון במקום רק על ניירות עמדה.

אופן-איי מחלקת מפתחות למעבדה

במקביל, אופן-איי השיקה את ChatGPT for Academic Researchers, תוכנית שתעניק עד 2027 גישה ל-100 אלף חוקרים למודלים החזקים ביותר שלה. העשרת אלפים הראשונים יקבלו הזמנות כבר הקיץ. החבילה כוללת את GPT-5.6 Sol Pro, ChatGPT Work ו-Codex עם חלון הקשר מורחב, מגדלות מוגדלות וקרדיטים נוספים ל-Deep Research. הפלטפורמה מגיעה עם יותר מ-75 "כישורים מדעיים" ומחוברת למאגרי מאמרים, דאטה-סטים גנומיים ומחברות חישוביות. ההרשמה סגורה לחוקרים מאוניברסיטאות מאושרות בלבד, וכל משתתף יכול לצרף עד ארבעה עמיתים מהמוסד שלו.

מירה מוראטי משחררת משקולות

Thinking Machines Lab, הסטארטאפ של מירה מוראטי, פרסמה את Inkling-Small, מודל MoE מולטי-מודאלי עם 276 מיליארד פרמטרים כוללים ו-12 מיליארד פעילים, וחלון הקשר של מיליון טוקנים. בזכות דיסטילציה מהגרסה המלאה ואימון חיזוק, הגרסה הקטנה עקפה את המקור בקוד ובלוגיקה: 80% ב-SWE-bench Verified ו-31.6% ב-Humanity's Last Exam. המשקולות זמינות ב-Hugging Face, אינפרנס ופיין-טיונינג דרך פלטפורמת Tinker. התמחור מתחיל ב-58 סנט ל-64 אלף טוקנים ומגיע ל-1.16 דולר ל-256 אלף (כ-2.1 עד 4.2 שקלים בהתאמה).

גוגל מכוונת לפיזי

Embodied Reasoning 2 של גוגל לא מייצרת טקסט, היא מתכננת תנועה. הארכיטקטורה מפרידה בין לוגיקה למוטוריקה: המודל מנתח וידאו בזמן אמת, מעריך סטטוס שלב ומתקן מסלול בלי לאתחל את התהליך, בזמן שמודלי VLA מבצעים את הפעולות הפיזיות. ER 2 תומכת גם בעבודה מרובת-סוכנים: התקנים מסוגים שונים מחליפים הקשר סמנטי לביצוע משימות רב-שלביות במרחב משותף. המודל זמין דרך Gemini API ו-Google AI Studio, עם דוגמאות התחלה למפתחי AI פיזי.

ליקוויד רצה על CPU

Liquid AI שחררה שני אנקודרים דו-כיווניים, LFM2.5-Encoder בגדלים 230M ו-350M פרמטרים, שמבוססים על ארכיטקטורת LFM2 ומכוונים להרצה על מעבדים מרכזיים עם חלון של 8,000 טוקנים. הייעוד: סיווג, ניתוב ומשימות ברמת טוקן. בגרסה הגדולה הגיעה למקום רביעי מתוך 14 ב-17 מבחנים, ולדברי החברה, במעבר מלא של 8,192 טוקנים המודל הקטן משלים forward pass על CPU ב-28 שניות, פי 3.7 מהר יותר מ-ModernBERT-base. קוד ומשקולות ב-GitHub וב-Hugging Face.