Firebase44

וגם: ההשקות האחרונות של גוגל, מטה מכריזה על לאמה 4, איך קלוד בנה לי דשבורד בפרומפט אחד, מ״ק 22 הסרט ועוד מלא חדשות ועדכונים

אהלן, כאן אמיתי בונה עם הניוזלטר השבועי על AI ופרודוקטיביות.

השבוע בתוכנית:

• כל מה שצריך לדעת על ההשקות האחרונות של גוגל.

• מטא מכריזה על Llama 4.

• ממשיכים עם MCP והפעם: חיברתי את קלוד לדאטהבייס והוא בנה לי דשבורד שלם לפיצ׳ר חדש - בפרומפט אחד.

• פלטפורמת הלמידה החדשה של OpenAI.

• מעולם לא היה זמן טוב יותר להיות סטודנט.

• סיכום חדשות הטוויטר.

• מ״ק 22: הסרט (הפעם בגרסת הוידאו).

---

גוגל ממשיכה לתת בראש עם כמה השקות מאוד מעניינות:

1.⁠ פרוטוקול חדש בשם Agent to Agent שמאפשר לאייג’נטים לדבר ביניהם.
אני צריך עוד לחפור בזה כדי להבין לעומק (וכנראה מצריך פוסט נפרד), אבל בגדול זה מאפשר לאייג’נטים לתקשר בצורה יעילה ונוחה יותר, סוג של מוצר משלים ל-MCP. אפשר לקרוא על זה כאן.

2.⁠ הם השיקו את Agentspace – מערכת לבניית אייג’נטים ללא קוד, שמתחברת למערכות גוגל (כולל ל-NotebookLM!) וגם אינגטרציה להרבה מערכות אחרות - דומה ל-Agent Builder שמיקרוסופט השיקו לאחרונה. אפשר להירשם לגישה מוקדמת כאן.

דוגמה לשימוש בפלטפורמה למיון קורות חיים וגיוס מועמדים:

3.⁠ כמה שדרוגים ל-Deep Research – עכשיו עם Gemini 2.5, כולל פיצ’רים חדשים ושימושיים כמו ייצוא מהיר ל-Google Docs ו-Google Sheets, ואפילו הפיכת הסיכום לפודקאסט. מההתנסות הסובייקטיבית שלי – אני כבר מעדיף אותו על זה של OpenAI. אשמח לשמוע דעות נוספות.
כדי להשתמש נכנסים ל-Gemini ובוחרים בבחירת המודל ב- Deep Research.

4.⁠ הם השיקו AI Builder חדש מבוסס Firebase - הוא מאפשר להשתמש Gemini להוסיף AI בתוך המוצר, ליצור דאטהבייס, והוא חינמי!
הם נתנו לו את השם Firebase Studio, אבל אני כבר נתתי לו את הכינוי המתבקש: “Firebase44” - מה דעתכם, יתפוס? אחרי שאנסה אותו אכתוב סקירה מקיפה, בינתיים אפשר לנסות כאן.

הנה הדמו:

5.⁠ הם שחררו מודל Text to Speech חדש בעברית עם קפיצה משמעותית ברמה (אם כי עדיין לא מושלם). זה המודל שנמצא בתוך העוזר הקולי שלהם. כרגע אפשר לנסות אותו ב-Google AI Studio תחת הטאב “Stream” – פשוט שלחו לו טקסט ובקשו שיקריא (מבדיקה שלי הקול שהכי עובד בעברית הוא “Charon”)

הנה דוגמה שלו מקריא את הפוסט הזה:

---

מטא הוציאה השבוע את Llama 4 🦙

גרסה חדשה של המודלים הפתוחים שלה, הכוללת שני מודלים שזמינים כבר עכשיו:

מודל Llama 4 Scout – מודל יחסית קטן שמיועד למשימות יעילות, עם חלון קונטקסט חסר תקדים של 10 מיליון טוקנים!

מודל Llama 4 Maverick – מודל חזק ומולטימודאלי - המודל הזה הגיע כבר למקום השני בChatbot Arena (אחרי Gemini 2.5) מה שהופך אותו למודל הפתוח הטוב ביותר בשוק היום.

בנוסף, הם הכריזו על מודל נוסף שנמצא כרגע באימון ויצא בהמשך עם השם (המוזר) Llama 4 Behemoth ואמור להיות מאד חזק - אעדכן לגביו שיהיה מידע יותר קונקרטי.

ההשקה אמנם לא מביאה פריצת דרך דרמטית מבחינת אינטליגנציה, אבל גולת הכותרת היא ללא ספק חלון הקונטקסט העצום של 10 מיליון טוקנים(!).

לצורך פרופורציות, השיא עד עכשיו היה שייך ל-Gemini עם 2 מיליון טוקנים, כש GPT4o ו-Sonnet עומדים על 128K ו-200K בהתאמה - מדובר בפעם עצום!

השוואת החלון הקונטקסט של המודלים המובילים

למה חלון קונטקסט גדול הוא משמעותי?

חלון קונטקסט קובע את היקף המידע שהמודל יכול לשמור בזיכרון ולנתח בו זמנית - אפשר לחשוב עליו כמו הזכרון לטווח קצר של המודל.

אחר הבעיות בשילוב של LLMs בארגונים ובמערכות קיימות הוא איבוד הקונטקסט - והפיתוח הזה יאפשר לעשות את זה בצורה הרבה יותר יעילה.

מודל כזה גדול יכול לנתח בבת אחת כמות מידע שמקבילה לעשרות ספרים, קטעי וידאו של עשרות שעות,

והכי חשוב – טעינת מאגרי קוד של מוצרים שלמים ישירות לתוך המודל - בעיה כאובה מאוד במודלים הנוכחיים.

השאלה הגדולה: האם חלונות קונטקסט ענקיים יחליפו את RAG?

למי שלא שמע.ה על המושג, אז Retrieval-Augmented Generation (RAG) היא השיטה הפופולרית כיום לעבודה עם מאגרי מידע במערכות מידע ובארגונים.

בגדול - מאנדקסים את המידע של הארגון או של המערכת בתוך דאטהבייס וקטורי ואז משתמשים במודל שפה לשלוף רק את המידע שצריך בכל פעם בעזרת חיפוש סמנטי.

ההשקה של מודל פתוח עם חלון עצום כזה מעלה את השאלה - האם עדיין צריך להשתמש ב-RAG כשאפשר פשוט להכניס את כל המידע לתוך המודל?

אז התשובה הקצרה היא שכרגע עדיין צריך RAG - אבל עדיין חשוב להכיר את היתרונות והחסרונות של כל אחת מהשיטות:

• חלונות קונטקסט גדולים מאפשרים ניתוח מקיף והבנה עמוקה של מאגרי מידע גדולים, אבל כרגע עדיין כרוכים בעלויות גבוהות יותר ובזמני תגובה ארוכים (Latency).
  

• לעומת זאת RAG מהיר יותר, זול יותר וגם עובד טוב למשימות נקודתיות ומוגדרות היטב.
  
  אז נכון לעכשיו, הפתרון הנכון - הוא כנראה שילוב בין שתי הגישות.

  כאשר צריכים מהירות ויעילות - להשתמש בRAG וכאשר צריכים הבנה רחבה של דברים מורכבים יותר להשתמש בחלון קונטקסט.
  
  בעתיד,שהמחירים ירדו ויכולות העיבוד ישתפרו, יש סיכוי טוב שזה יפחית את הצורך ב-RAG ואולי אפילו לייתר אותו לגמרי.

---

חיברתי את קלוד לדאטהבייס והוא בנה לי דשבורד שלם לפיצ׳ר חדש - בפרומפט אחד 🤯

זוכרים את Twitter Marketplace, הפיצ'ר החדש שקלוד עיצב וכתב לו user stories ישירות לתוך Jira בשבוע שעבר?

אז המשכתי עם אותו קייס סטאדי, והפעם רציתי לבדוק האם קלוד, שכבר הפך למעצב ולמנהל מוצר, יכול להיות גם הדאטה אנליסט שלי. הנה הדמו:

אז מה עשיתי פה בעצם?

• הרמתי דאטהבייס ב-Postgres עם 3 טבלאות (Users, items, events) ויצרתי דאטה סינטטי שמדמה באופן חלקי שימוש אמיתי בפיצ'ר מהסוג הזה.

• חיברתי את Claude לדאטהבייס עם MCP

• ביקשתי ממנו להגדיר את 5 המטריקות הכי חשובות, ואז לבנות לי דשבורד עם המטריקות האלה.
  
  והנה החלק המדהים:
  
  אחרי שאישרתי את החיבור הוא הגדיר את המטריקות ופשוט התחיל לכתוב שאילתות.
  
  חלקן עבדו וחלקן לא, אבל בכל פעם שהוא לא הצליח - הוא הבין מה הבעיה, וניסה שוב - עד שזה עבד.
  
  כשהוא סיים להריץ את כל השאילתות - הוא יצר לי Artifact של דשבורד שלם של המטריקות האלה (יש שם קצת בעיות שקשורות לדאטה שיצרתי ולא לשליפה עצמה).
  
  החלק הכי יפה זה שבשום שלב לא נתתי לו מידע שמסביר את הסכמות או מבנה הטבלאות - הוא פשוט הבין הכל לבד, מתוך הדאטה עצמו ומהניסוי והטעיה שהוא עשה!
  
  אז נכון, סימלצתי תרחיש מאד פשוט ודאטהבייסים אמיתיים הם הרבה יותר מורכבים,

  וגם חשוב להגיד שלא מדובר בדשבורד חי שמתעדכן בזמן אמת, אלא בויזואליזציה של המידע שהוא שלף,
  
  אבל כמישהו שהשקיע הרבה שעות בחיים על בניית דשבורדים ושליפות SQL - לראות את זה קורה בלייב בצורה אוטומטית לחלוטין הרגיש פשוט mindblowing.

  
  הנה הדמו:

  
  רוצים לנסות בעצמכם?

• את הוראות המדריך איך להתקין שרת MCP על קלוד תמצאו בניוזלטר האחרון שלי.

• את ההגדרות שצריך להוסיף כדי לחבר גם Postgres תוכלו למצוא בריפו הרשמי של Anthropic.
  
  ואזהרה הקבועה - לפני שמחברים לדאטה אמיתי, תוודאו שיש לכם אישור מהגורמים הרלוונטיים בארגון.

---

מאיפה מתחילים ללמוד על GenAI?

למרות שבינה מלאכותית היא תחום שקיים כבר עשרות שנים, תחום ה-GenAI ככלי עבודה הוא חדש יחסית ולכן לא תמיד פשוט להבין איך לגשת ללמוד אותו.

עדיין אין מסלול לימודים מוסדר, תואר אקדמי או גוף רשמי שמרכז את הידע, מה שגורם לזה שהידע מאד מפוזר והתחום דיי פרוץ.

מצד אחד, האינטרנט מלא בהמון תוכן בנושא -

קורסים בתשלום, מדריכים, וגם סרטונים חינמיים היוטיוב,

אבל מצד שני - קשה לדעת מה הרמה כל אחד מהם, עד כמה הם מעודכנים, והאם מדובר בידע שמגובה במחקרים ונבדק בצורה יסודית, או סתם חובבנות.

קחו למשל את התחום של כתיבת פרומפטים - יש כל כך הרבה שיטות, טיפים, והמלצות שונות ומשונות שאנשים כותבים באינטרנט, ומאד קשה לדעת מה מהן באמת רלוונטי. .

חשוב להגיד שגם מה שנבדק במחקרים בעבר, לא בהכרח עדכני ולא בהכרח רלוונטי כי המודלים מתעדכנים על הזמן וכל מודל עובד קצת אחרת.

עד היום הייתי ממליץ להתחיל עם קורסים רשמיים של מיקורסופט וגוגל, שהם אחלה בשביל הבסיס אבל יחסית תאורטיים.

עכשיו - נוספה אופציה אפילו טובה יותר:

בשבוע שעבר OpenAI השיקו את OpenAI Academy – פלטפורמה חדשה וחינמית עם תוכן מקצועי, איכותי ונגיש.

תמצאו שם עשרות שיעורים מוקלטים בנושאים שונים כמו כתיבת פרומפטים, יצירת תמונות שימושים בעבודה ועוד.

בדקתי כמה סרטונים - וזה נראה כמו אחלה מקום להתחיל ממנו, אני מתכוון לחרוש על זה בזמן הקרוב 🤓

---

״מעולם לא היה זמן טוב יותר להיות סטודנט.ית״

ביום חמישי שעבר העברתי סדנת פרוטוטייפינג עם כלי AI לסטודנטים בתוכנית האקסלרציה של בית הספר ליזמות באוניברסיטת רייכמן, כדי לתת להם כלים פרקטיים להאיץ את המיזמים שהם עובדים עליהם.

סיימתי את ההרצאה במסר הבא:

למרות שיש הרבה דיבור על זה שה-AI יחליף את הג’וניורים ולסטודנטים יהיה מאתגר למצוא עבודה - אני לא מסכים עם הטענה הזו.

אני מאמין שלסטודנטים יש הזדמנות להגיע בנקודת פתיחה מדהימה למהפכה שמתרחשת כרגע, וזה למה:

העידן החדש דורש מאיתנו למידה אינטנסיבית של מיומנויות וכלים חדשים - בקצב חסר תקדים וחסר פרופורציות לכל מה שהכרנו עד עכשיו.

אפילו אני, כמישהו שחי את התחום, לא מצליח להשקיע את הזמן שהייתי רוצה בלמידה של הכלים ותתי התחומים החדשים שנוצרו:

אייג׳נטים, אוטומציות, MCP, עיצוב עם כלי AI, כלי פרוטוטייפינג, יצירת תמונות, יצירת וידאו והרשימה עוד ארוכה...

לאנשים שעובדים במשרה מלאה + משפחה, מאד מאתגר לפנות זמן כדי ללמוד את הכלים האלה לעומק,

ולעומת זאת לסטודנטים יש את הפריבילגיה להעמיק ולהתנסות בהם - ולצאת לשוק העבודה עם יתרון תחרותי אמיתי.

כמו מה למשל?

• סטודנטים למדמ״ח שיהפכו למומחים בעבודה עם כלים כמו Cursor ויכירו את כל השטיקים והטריקים.

• סטודנטים ליזמות או מנהל עסקים שידעו לבנות פרוטוטייפים מהירים ואפילו יבנו מוצר קטן תוך כדי התואר.

• סטודנטים לשיווק שידעו לייצר אוטומציות AI עם n8n, ולייצר סרטונים ויראליים עם כלי AI.

• סטודנטים לעיצוב שיתמקצעו בעיצוב עם כלי AI.
  
  והרשימה עוד ארוכה...

---

סיכום חדשות הטוויטר:

(נכתב אוטומטית על ידי Agent)

פיצ׳רים חדשים:

• ChatGPT קיבל שיפור משמעותי לזיכרון - יכול כעת להתייחס לכל השיחות הקודמות כדי לספק תשובות מותאמות אישית.

• Anthropic הציגה תכנית Max לקלוד - אפשרויות גמישות לשימוש מוגבר פי 5 או 20 בהשוואה לתכנית Pro, עם גישה מועדפת לתכונות ומודלים חדשים.

• Canva השיקה את Visual Suite 2.0 – חבילת כלים חדשה שמשלבת עיצוב, קוד, נתונים ובינה מלאכותית.

• חברת Eleven Labs השיקה את Professional Voice Clone (PVC) יכולת חדשה לשכפול קול בצורה מקצועית יותר.

• אמזון השיקה את Nova Sonic, מודל דיבור-לדיבור ליחסי אנוש דמויי אדם, שמתעלה על מודלים קוליים אחרים עם שיעור שגיאה נמוך.

כלים למפתחים:

• Google שחררה את Agent Development Kit שהיא מסגרת מסוג קוד פתוח לבנייה, ניהול ובחינת מערכות רב-סוכנים.

• Google הציגה את Agent2Agent - פרוטוקול פתוח המאפשר לסוכני AI לתקשר ולשתף פעולה ביניהם, ללא קשר למסגרת או לספק.

• עדכון למודל Veo 2 ב-Vertex AI של גוגל: הכלי מאפשר יצירת וידאו משוכללות המבוססות על יכולות קולנועיות מתקדמות הכוללות עריכה, חיבור רצפים והפקת אפקטים ויזואליים.

• Maxim AI הציגה הדמיות סוכנים - מערכת שמאפשרת הערכת סוכני AI באמצעות סימולציה של תרחישים פוטנציאליים וניתוח התנהגות הסוכן.

• OpenAI השיקה את BrowseComp - ערכת מבחן מאתגרת לבדיקת יכולת סוכני AI לגלוש באינטרנט ולמצוא מידע שקשה לאתר.

• MongoDB פרסמה מאגר עם 100+ מחברות צעד-אחר-צעד בנושא סוכני AI ו-RAG, עם הסברים מפורטים מבניית צ’אטבוט ועד סוכנים מורכבים.

• OpenAI הציגה את Evals API - כלי המאפשר להגדיר באופן תכנותי מבחנים, לאוטומט הרצות הערכה ולשפר במהירות פרומפטים.

• Auth0 השיקה כלי אימות לGenAI עם תמיכה מקומית ב-Llama Index, המאפשר ביצוע מאובטח של כלים ואישורי משתמש.

• Perplexity השיקה תכנית לסטארטאפים המציעה $5000 בקרדיטים ל-API וחצי שנה של חשבון Enterprise Pro לצוותים.

• Google Cloud הנגישה את מודלי המדע של DeepMind כמו AlphaFold 3 לחיזוי מבנה מולקולרי ו-WeatherNext לתחזיות מזג אוויר מותאמות אישית.

LangChain השיקה אימות ואוטוריזציה מקומית ב-LangGraph.js עבור אפליקציות סוכני AI.

בפינה האמנותית: אחרי המון בקשות בתגובה לפוסט הקודם נשברתי ויצרתי את הקטע המלא בוידאו, לצפיה לחצו כאן.

אגב, למקרה שאתם לא מהדור שלי ואיכשהו פיספסתם את המאסטרפיס הזה, הנה הרפרנס למקור.

הודעה חשובה: בשבוע הבא אני בחופש ולא אשלח ניוזלטר, נתראה עוד שבועיים!

למצטרפים החדשים, אני מזכיר שתוכלו לקרוא את כל המהדורות הקודמות שפיספסתם בבלוג.

כרגיל - אני מזמין אתכם לשתף עם חברים ועם אנשים שהתוכן הזה יכול לעניין אותם.

מוזמנים גם לשתף בקבוצות ווטסאפ מקצועיות ובערוץ הסלאק בעבודה.

שיהיה סופשבוע שקט,

אמיתי