OpenAI פותרת בעיית מתמטיקה בת 80 שנה; גוגל מציגה את Gemini Spark האגנטי
OpenAI פותרת את בעיית המרחק היחידתי של ארדוש משנת 1946; Google I/O מציגה Gemini Spark ועגלת קניות אוניברסלית; Anthropic מקרינה הכנסות של 10.9 מיליארד דולר ורווח ראשון.
By BINA Editorial
OpenAI פותרת את בעיית המתמטיקה של ארדוש בת ה-80 שנה
המתמטיקאי טים גוורס כינה זאת "אבן דרך במתמטיקה של בינה מלאכותית": מודל הנמקה של OpenAI פתר את בעיית מרחק היחידה המישורית — שאלה בקומבינטוריקה שהציב הגאון ההונגרי פול ארדוש בשנת 1946. התוצאה — קביעת המספר המרבי של זוגות מרחק יחידה בין n נקודות במישור — התחמקה מהוכחה אנושית במשך שמונה עשורים. OpenAI הצהירה שהמודל ייצר הוכחה שלמה וניתנת לאימות ללא הכוונה אנושית, מה שמהווה אחד ההפגנות החזקות ביותר עד כה ליכולת ה-AI לחשוף מתמטיקה גבולית.
Google I/O: Gemini Spark ועגלת הקניות האוניברסלית
כנס I/O של גוגל המשיך ביום שישי לחשוף מוצרי AI חדשים. Gemini Spark הוא עוזר אישי "אגנטי" שנועד לבצע פעולות באופן יזום עבור המשתמשים — הזמנות, מחקר ומשימות מורכבות ברב-שלבים, באופן אוטונומי. לצידו השיקה גוגל את עגלת הקניות האוניברסלית — שכבת קניות מבוססת AI הפועלת בין סוחרים ושירותים שונים ומחפשת אוטומטית הפחתות מחיר והנחות. ההכרזות מסמנות את מעבר גוגל מאחזור מידע לפעולה אוטונומית כתרחיש השימוש המרכזי עבור AI צרכני.
Anthropic מקרינה הכנסות של 10.9 מיליארד דולר ורווח רבעוני ראשון
Anthropic שיתפה עם משקיעים תחזיות פיננסיות המצביעות על 10.9 מיליארד דולר בהכנסות לרבעון השני של 2026 — עלייה של 130% לעומת הרבעון הראשון — ורווח תפעולי רבעוני ראשון של כ-559 מיליון דולר. הצמיחה מונעת על ידי מערכת המפתחים של Claude Code, שיפורי יעילות מחשובית והכפלת לקוחות ארגוניים המוציאים מעל מיליון דולר לשנה בין פברואר לאפריל 2026.
אילינוי מקדמת חוק שקיפות AI מקיף
הסנאט של אילינוי הצביע 52–5 לקידום הצעת חוק 315, המחייבת מפתחי מודלי AI גדולים — כולל Meta, OpenAI ו-Anthropic — לאמץ מסגרות שקיפות, לשכור מבקרים חיצוניים ולדווח על יכולות סיכון קטסטרופלי. הצעת החוק היא חלק מחבילה של שמונה חוקים ועוברת כעת לבית הנבחרים של המדינה. התומכים כינוה צעד ראשון, תוך ציון חוסר הפעולה הפדרלי לאחר שצו נשיאותי בנושא AI נדחה שוב השבוע.
מחקר מיקרוסופט: סוכני AI עדיין אינם אמינים לזרימות עבודה ארוכות
חוקרי מיקרוסופט הזהירו כי אפילו מודלי AI גבוליים מקלקלים מסמכים לעתים קרובות ומציגים שגיאות משמעותיות בזרימות עבודה ממושכות ורב-שלביות. מדד חדש בשם DELEGATE-52, הכולל 52 תחומים מקצועיים, מצא כי מודלים מובילים איבדו לעתים קרובות תוכן מסמך משמעותי או הפיקו פלטים פגומים לאחר רצפי משימות ממושכים. רק משימות תכנות Python עמדו באופן עקבי בסף המוכנות של מיקרוסופט לאחר 20 אינטראקציות מואצלות.