הפער בין מודלים פתוחים לסגורים בסייבר מצטמצם, והחלון להיערכות נסגר

הפער מצטמצם

המכון הבריטי לביטחון בינה מלאכותית (AISI) פרסם את הניתוח הפומבי הראשון שלו שמודד כמה רחוק מודלי משקלים פתוחים (open-weight) מודל שהמשקלים שלו זמינים להורדה והרצה מקומית, להבדיל מקוד פתוח מלא מהחזית הסגורה ביכולות סייבר. המסקנה המרכזית: הפער הצטמצם ל-4 עד 7 חודשים, לעומת 6 עד 10 חודשים שנמדדו לאורך רוב 2025. במילים אחרות, מה שהמודלים הסגורים הכי חזקים יודעים לעשות היום, הגרסאות הפתוחות ישיגו תוך חצי שנה לכל היותר.

מה המספרים מראים

על סט של 70 מבחנים צרים ליכולות סייבר ספציפיות, GLM-5.2 מגיע לביצועים דומים לאלה של Claude Opus 4.6, שיצא 4.3 חודשים לפניו. DeepSeek-V4-Pro יושב איפשהו בין Claude Opus 4.5 לבין GPT-5 (שיצאו בנובמבר ובאוגוסט 2025 בהתאמה). אבל כשעוברים למשימות ארוכות-טווח, טווח סייבר (cyberrange) בשם The Last Ones שבוחן שרשור יכולות למבצע פריצה מלא, התמונה משתנה: GLM-5.2 מגיע עד Opus 4.5 (פער של פחות מ-7 חודשים), בעוד DeepSeek-V4-Pro נופל מתחת ל-Sonnet 4.5, מודל תת-חזיתי שיצא 7 חודשים קודם. ב-AISI מציינים שהפער כאן גדול יותר, מה שמתיישב עם מה שאנשי התעשייה מכנים "big model smell", מודלים פתוחים יכולים להיראות חזקים על הנייר, אבל חסר להם אותו "מיץ הכללה" שמבדיל את המודלים הקנייניים.

המשמעות להגנה בסייבר

המשמעות המעשית ברורה: לחוקרים ולמגנים יש חלון זמן קצר להיערך לפני שיכולות סייבר ברמת חזית הופכות נגישות בלי אותם אמצעי הגנה (safeguards) שחברות קנייניות מטמיעות. AISI מתכוונים לבחון את Kimi K3 על אותו בסיס ברגע שהמשקלים שלו ישוחררו לציבור.

קימי K3: המתחרה הסיני

Kimi K3, מודל של 2.8 טריליון פרמטרים מסין, מדגים ביצועים ברמת חזית מול סוויטת המבחנים הסטנדרטית, משתווה או נופל מעט מ-Claude Fable 5 ומ-GPT 5.6 Sol. החברה מדווחת שהמודל "מפגין ביצועים ברמת חזית באופן עקבי" ועוקף מודלים אחרים שנבדקו. המשקלים צפויים להשתחרר בשבועות הקרובים לצד מאמר מחקר. אלא שיש קאץ': הביצועים מלווים בשבריריות (brittleness) שמריחה כמו "benchmaxxing", כיוונון יתר סביב הבנצ'מרקים על חשבון יכולת הכללה רחבה יותר.

איפה הקאץ'

בין השאר, Kimi נבדק בכתיבת מהדרים (compilers) ל-GPU, צעד בכיוון של AI שבונה AI, כלומר שימוש במערכות AI לשיפור עצמי של מודלים. זה כיוון מעניין, אבל כל עוד המשקלים לא בחוץ והמאמר לא פורסם, מדובר בטענות יצרן בלבד. ההיסטוריה מלמדת שכדאי לחכות להרצה עצמאית לפני שמסיקים מסקנות.