OpenAI הציגה את GPT‑5.6 כמשפחה של שלוש רמות — Sol, Terra ו‑Luna — הזמינות ב‑ChatGPT, ב‑Codex וב‑API. השינוי החשוב לארגונים אינו רק טענה לביצועים טובים יותר. הוא מכניס לשולחן החלטה חדשה: לא לבחור מודל אחד לכל משימה, אלא להתאים את רמת היכולת, הזמן והעלות לסוג העבודה. לפני שמחליפים ברירת מחדל, כדאי לבצע ניסוי קצר על משימות אמיתיות, למדוד איכות ועלות כוללת, ולשמור על אותם כללי פרטיות ואישור אנושי.
מה הושק — ומה לא ניתן להסיק מהכרזה
לפי הודעת OpenAI, משפחת GPT‑5.6 כוללת את Sol למשימות מקצועיות מורכבות, Terra לאיזון בין יכולת לעלות, ו‑Luna לעומסים גדולים ורגישים לעלות. התיעוד הרשמי מציג לכל הרמות חלון הקשר גדול ותמיכה בכלים, אך היכולות והזמינות בפועל עשויות להשתנות בין ChatGPT, Codex וה‑API ובין סוגי חשבונות.
אין להסיק מכך שכל תהליך ארגוני צריך לעבור מיד למודל החדש. Benchmark של היצרן מספק אינדיקציה, לא הוכחה למשימה המקומית. עברית, מסמכים ארגוניים, פורמטים קבועים, מהירות, חיבור למערכות ושיעור תיקון אנושי יכולים לשנות את התוצאה. לכן ההכרזה היא טריגר לבדיקה — לא החלטת רכש או הטמעה.
- Sol — לעבודות מורכבות שבהן איכות הכשל יקרה
- Terra — ברירת ניסוי למשימות ידע שוטפות
- Luna — מועמד לעבודה בנפח גבוה לאחר בדיקת איכות
החלטה ראשונה: לבחור לפי משימה, לא לפי שם המודל
מפת החלטה טובה מתחילה בשלושה סוגי עבודה. משימה פשוטה וחוזרת, כמו סיווג טקסט או ניסוח וריאציות, דורשת יציבות, מהירות ועלות סבירה. משימת ידע כמו סיכום תיק, הכנת תדריך או ניתוח קובץ דורשת מקורות, הקשר ובקרת עובדות. משימה מורכבת, כמו בניית תכנית, קוד או תהליך רב‑שלבי, דורשת יכולת תכנון, שימוש בכלים ובדיקות ביניים.
הטעות הנפוצה היא לתת לכולם את המודל החזק ביותר ולהניח שהעלות תצדיק את עצמה. בפועל צריך למדוד את העלות הכוללת לתוצר מאושר: זמן מודל, מספר ניסיונות, זמן בדיקה אנושית וכמות התיקונים. מודל זול שמצריך שלושה סבבים יכול להיות יקר יותר; מודל חזק למשימה פשוטה יכול להיות בזבוז.
- בחרו 10–20 משימות מייצגות
- הגדירו מראש מהו תוצר שעובר
- מדדו עלות לתוצר מאושר, לא רק מחיר לטוקן
החלטה שנייה: להריץ Evaluation מקומי לפני שינוי ברירת מחדל
בדיקה ארגונית אינה תחרות רושם בין שתי תשובות. בונים Golden Set קטן של דוגמאות אמיתיות שעברו אנונימיזציה, מגדירים רובריקה — דיוק, שלמות, עברית, ציות לפורמט, מקורות וסיכון — ומריצים את אותו תדריך בכמה רמות. הבודקים אינם חייבים לדעת איזה מודל הפיק כל תשובה.
כדאי לכלול גם תרחישי קצה: מסמך חסר, הוראה סותרת, מקור לא עדכני או בקשה שאמורה להיעצר. מודל ארגוני טוב הוא לא רק זה שמייצר תשובה מרשימה, אלא זה שנכשל באופן גלוי, מבקש הבהרה ושומר על גבולות. כאשר מחברים כלים או סוכן, בודקים בנפרד גם הרשאות, יומן פעולות ויכולת חזרה לאחור.
- רובריקה קבועה ואותה קבוצת דוגמאות
- בדיקה עיוורת ככל האפשר
- שער נפרד לפעולות, מידע רגיש וכלים מחוברים
החלטה שלישית: להחליף מודל בלי להחליף אחריות
שיפור יכולת אינו מבטל את מדיניות השימוש. מידע אישי, סודות מסחריים ומסמכים מוגבלים נכנסים רק לסביבה שאושרה לכך. טענה עובדתית חשובה חוזרת למקור. החלטה על אדם, כסף, זכות, אבטחה או בריאות נשארת באחריות בעל התפקיד. אם המודל מפעיל כלי, ההרשאה צריכה להיות המינימלית הנדרשת.
מומלץ להתחיל בקבוצת פיילוט ובשתי משימות בעלות ערך ברור. לאחר שבועיים משווים איכות, זמן, עלות ותקלות מול קו הבסיס. רק אם השיפור נשמר, מעדכנים תבניות, הדרכה ומדיניות. כך הארגון נהנה מהתקדמות המודל בלי להפוך כל השקה לגל שינוי בלתי נשלט.
מה עושים השבוע
מנהלי חדשנות, מערכות מידע ולמידה יכולים לפתוח ניסוי קטן כבר עכשיו: לבחור תהליך אחד של כתיבה או מחקר ותהליך אחד מורכב יותר, לתעד את התוצאה הנוכחית ולהשוות בין Terra ל‑Sol. אין צורך להרחיב הרשאות או להזין מידע רגיש כדי ללמוד אם יש שיפור ממשי.
המלצת המכון היא לפרסם את ממצאי הפיילוט בתוך הארגון: באילו משימות נרשם שיפור, היכן לא, אילו בדיקות נשארו אנושיות ומהו המודל המאושר לכל תרחיש. הידע הזה חשוב יותר מהתלהבות רגעית, משום שהוא הופך מודל חדש ליכולת עבודה מדידה.
- משימה שוטפת אחת ומשימה מורכבת אחת
- קו בסיס מול שתי רמות מודל
- החלטת Go / Hold / Stop מתועדת
מקורות שנבדקו
- GPT‑5.6: Frontier intelligence that scales with your ambitionOpenAI
- Models — choosing a modelOpenAI Developers
- GPT‑5.6 Sol model documentationOpenAI Developers
רוצים לבדוק מה מתאים לארגון?
נמפה את המשימות, הכלים והקהל ונבנה פיילוט מדיד.
לתיאום שיחת מיפוי