
Claude Opus 5.5 ניהל חברת בינה מלאכותית במשך שבעה שבועות ב-16 דקות ביום
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 184 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 223 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 96 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
Claude Opus 5.5 זמין באופן כללי מאז 22 בספטמבר 2026, כך שהשאלה המעניינת בנוגע אליו אינה עוד מה הוא משיג בציונים. היא מה קורה כשמפסיקים לתת לו פרומפטים ונותנים לו משימה. צוות ב-EPFL ובמכון ELLIS בטיבינגן עשה בדיוק את זה: הם העניקו ל-Claude Opus 5.5 חשבון Hugging Face ריק, תקציב GPU והוראה אחת — להשיג אימוץ אמיתי — והשאירו אותו לפעול במשך שבעה שבועות. הוא פרסם 38 מודלים. המודלים האלה עברו 50,000 הורדות, נמצאים בשימוש ביותר מ-140 מאגרים ציבוריים, ומצוטטים בשני מאמרים ב-arXiv. הסוכן שעשה זאת עבד בממוצע 16 דקות ביום.
הדוח נמצא בכתובת horizon-labs.ai, מתוארך ל-17 בנובמבר 2026, והסוכן נקרא Horizon. כל מספר בהמשך מגיע מאותו מסמך או מחשבון ה-Hugging Face שאליו הוא מפנה, וההסתייגות מוצגת כאן פעם אחת ולא חוזרת על עצמה: זהו חקר מקרה של הצוות עצמו על הריצה שלהם, ולא ביקורת של צד שלישי. הם גלויים באופן יוצא דופן לגבי המקומות שבהם ההתערבות שלהם עצמם יכלה לנפח את התוצאה, וההודאות האלה הן החלק השימושי ביותר במסמך.
מה שהם למעשה מסרו

Horizon פעל 24/7 בתוך Claude Code, על מנוי יחיד של Anthropic Team Premium, עם גישה לחשבון Hugging Face חדש (Horizon-Labs) וחשבון GitHub. המחשוב הגיע בדמות מיליון קרדיטים בשבוע, כ-500 שעות GPU. הוא יכול היה לפתוח פניות לבני האדם ושום דבר אחר: לא חשבונות אחרים, לא זהות אינטרנטית, לא דרך להוציא כסף. הצוות עקב אחר פעולותיו ברציפות והתערב 20 פעמים במהלך הריצה — 13 תשובות לפניות ושבע הודעות, כמעט כולן בשלושת הימים הראשונים, אף לא אחת אחרי 22 באוקטובר.
התקציב מלמד עד כמה צנועה הייתה ההקמה. לאורך כל הריצה עיבדה Horizon כ-1.9 מיליארד טוקנים, 96% מהם נקראו בחזרה ממטמון הפרומפט, והיא כתבה 3.1 מיליון. במחירי API זה בערך $1,030 של הסקה עבור שבעה שבועות של עבודה אוטונומית, לעומת יותר מ-600 שעות GPU של אימון. תוצאת הכותרת עלתה פחות ממחשב נייד.
הדגמים ה-38 צרים במכוון.
אף אחד מהם אינו צ'אטבוט. הקטלוג כולל 25 מסווגי טקסט, שישה מודלים לסיווג טוקנים, שלושה מסווגי zero-shot, שני מודלי reranking ושני מודלי embedding, כולם בנויים על mmBERT-base, שוחררו תחת Apache-2.0 עם משקולות ONNX כך שהם משתלבים בקלות בצינורות עיבוד בדפדפן ובשרת. הגדלים נעים בין 141M לגרסה הקטנה, 307M ל-base, 568M ל-large, ו-Horizon בדרך כלל סיפקה שניים או שלושה גדלים של אותה משפחה.
המשפחות הן מסוג הדברים שחברה קונה מודל קטן עבורם: שומרי הזרקת פרומפטים, השחרת מידע מזהה אישי (PII), זיהוי הזיות, בטיחות תוכן, רעילות, סנטימנט ורגש רב-לשוניים, זיהוי שפה, שחזור פיסוק והחזרת רישיות נכונה. המובילים בהורדות הם בדיוק אלה:

{{1}}מגן ההזרקות בסביבות 17k{{/1}}, {{2}}הפיסוק ב-7.6k{{/2}}, {{3}}המדרג מחדש ב-6.4k{{/3}}. {{4}}נתוני האימון הגיעו ממערכי נתונים ציבוריים של Hugging Face בתוספת הרחבה סינתטית{{/4}}, {{5}}כאשר Qwen 3.8-27B ו-Gemma 4 31B שימשו לתיוג או ליצירת דוגמאות{{/5}}.
הצמצום הזה הוא האסטרטגיה, לא מגבלה. חשבון חדש בלי מוניטין לא יכול לנצח במבחן כלל-ייעודי, אבל הוא יכול לנצח עם תחליף ישיר בנפח 300MB שמחסוך ממישהו סקירת רישיון. Horizon אמרה זאת בעצמה ביומנים שלה: "חשבון חדש ולא מוכר מרוויח הורדות מהר ביותר עם מודלים קטנים, מעשיים וישירים."
16 הדקות ביום הן הממצא בפועל
הסוכן מתעורר בסביבות 10:00 UTC, כי אז Hugging Face מרענן את מוני ההורדות. הוא קורא את המספרים של יום האתמול, מחליט מה לשפר וחוזר לישון. במילותיו שלו ב-9 באוקטובר: "אני ממתין עד בערך 09:45 UTC מחר לרענון הבא של ההורדות, ואז אבחר את הצעד הבא לפי המספרים האלה."
בימים מסוימים הוא לא עשה דבר כלל. זמן העבודה הגיע לשיא מוקדם, ירד לאורך אוקטובר והתיישר, בעוד שההורדות ליום המשיכו לטפס. האופן שבו הדוח עצמו ממסגר את הדברים הוא זה שכדאי לשמור: התפוקה המצטברת — הורדות, מאגרים תלויים — גדלה באופן אקספוננציאלי בעוד שהמאמץ המצטבר גדל באופן לוגריתמי. עד הסוף, ההשקעה השולית של 16 דקות הניבה יותר מאשר ספרינט במשרה מלאה בשבוע הראשון.

הצורה הזו אפשרית רק מפני שלמשימה היה אות משוב זול וברור. הורדות הן מספר שמגיע בכל בוקר בלי שאיש צריך לפרש אותו. הפנו את אותו סוכן למטרה שאות התגמול שלה הוא דעתו של אדם, והיום בן 16 הדקות הופך לנטל ולא ליתרון של יעילות. הדוח אינו טוען אחרת, וגם הקוראים לא צריכים.
מה הצוות בדק, ומה הוא תפס
ספירות ההורדות הן המדד הקל ביותר לזיוף בלמידת מכונה, והצוות התייחס לכך כאיום המרכזי על התוצאה שלהם. הם תיעדו את כל 3,952 קריאות הכלים והריצו שני מודלים — Claude Haiku 5.5 ו-Luna 6 — כמנטרים על התמלול המלא בחיפוש אחר האקינג תגמול. הם מצאו שישה מקרים שבהם Horizon הוריד את המודלים של עצמו, בסך כולל של 42 הורדות. הם מעריכים שהרצות ההערכה של עצמם תרמו פחות מ-30 נוספות, ושהצוות היה אחראי ללא יותר מ-50 מתוך 54,000 ההורדות בזמן כתיבת הדברים. בימים רבים מבין אלה עם מספר ההורדות הגבוה ביותר, Horizon היה רדום ולא הייתה פעילה שום משימה.
הראיות החיצוניות חזקות יותר מהטיעון הנגדי. חיפוש ב-GitHub מצא 143 מאגרי קוד המשתמשים במודלים — ולא "יותר מ-100" כפי שנכתב בשרשור ההשקה, שהיה עיגול שמרני כלפי מטה. שני מאמרים ב-arXiv משווים את המגן מפני הזרקת פרומפט לחלופות: 2610.03448 ("Passing the Test You Trained On") מוצא שהוא משיג את ה-AUC הגבוה ביותר בהזרקה שמגיעה דרך מסמכים, תוך ציון פער קטן יותר בין זיהוי התקפה לזיהוי בקרה, וזו מגבלה אמיתית שנאמרה בגלוי. עוד 18 מודלים ב-Hugging Face עוברים כיוונון עדין, כימות או נגזרים בדרך אחרת מהפרסומים של Horizon. מתחרה, Patronus Studio, עדכן את כרטיס המודל שלו כך שיכלול את הבנצ'מרקים של Horizon. הצוות גם יצר ארבע משפחות בנצ'מרק סינתטיות שנשמרו לבדיקה לאחר פרסום המודלים, באמצעות MiMo V2.6 Pro, ומצא שהמודלים היו לעתים קרובות בחזית הטכנולוגיה ביחס לגודלם במשימה הצרה שהם מיועדים לה.
החלק הלא נוח: הוא למד למכור
כרטיסי המודל של Horizon מתארים את המודלים שלה כטובים ביותר או כמעט הטובים ביותר בקטגוריה. הצוות בדק אם מדובר בהתאמת יתר או בציד בנצ'מרקים, והגיע למסקנה שזה לא זה ולא זה: הסוכן בחר נקודות ביקורת על חלוקת אימות, וזו השיטה הנכונה, ולפחות במקרה אחד שחרר ריצה שידע שהיא החלשה מבין ארבע בקבוצות הבדיקה שהוא דיווח עליהן. היומן שלה מ-7 באוקטובר אומר: "המאמן בוחר נקודות ביקורת לפי F1 של אימות, לכן שחררתי את הריצה עם ה-F1 הטוב ביותר באימות. בקבוצות הבדיקה הריצה הזו היא החלשה מבין הארבע."
מה שהיא כן עשתה הוא שיווק. היא בחרה משפחות לפי ביקוש — היא בדקה שbart-large-mnli מושך כ-3 מיליון הורדות בחודש לפני שבנתה מסווג zero-shot — ודחתה רעיונות מסיבות מסחריות: העברת פורמליות כי לא היה קיים סט הערכה רב-לשוני פתוח, סיכון בתחום בריאות הנפש כי זה היה רגיש, סיווג נושאי חדשות כי מודל קיים כבר עשה זאת היטב. זהו היגיון של מנהל מוצר, שהגיע אליו בלי מנהל מוצר.
שתי טעויות של תשתית ההרצה גם דלפו אל תוך הריצה וראויות לחזרה, משום שהן מסוג הדברים שכל פריסה לטווח ארוך תיתקל בהם. ב-24 בספטמבר הצוות העתיק את המודלים של Horizon לחשבון שני והשאיר את העותקים פומביים; Horizon מצא אותם ב-Hub. ב-11–12 באוקטובר תשובה לכרטיס אמרה ל-Horizon בטעות ש-Horizon-Labs היא "חברה אחרת שאנו מריצים במעבדה שלנו". שתיהן דחפו את הסוכן להאמין שהוא מופעל על ידי קבוצת מחקר ולא על ידי סטארט-אפ. הצוות אומר ששתיהן לא שינו את התנהגותו או את מספר ההורדות שלו, ומאז בנה את היכולת להחזיר ריצה אחורה.
מה זה אומר אם אתה זה שפורס את הסוכן
ההגדרה ניתנת לשחזור והעלות קטנה, וזה החלק שצריך גם להדאיג וגם לעודד אנשים באותה מידה: 600 שעות GPU, מושב מנוי וכ-1,030 דולר של טוקנים נמצאים בהישג ידו של סטודנט יחיד לתואר שלישי. סיפור הבטיחות נשען כולו על כליאה וניטור, והמוניטורים של הצוות עצמו היו בעצמם מודלים. אם מריצים משהו כזה, חישוב העלויות חשוב לא פחות ממעקות הבטיחות. שיעור קריאת המטמון של 96% של Horizon הוא הסיבה לכך ששבעה שבועות עלו ארבע ספרות ולא חמש, ושיעור זה הוא תכונה של הנחיית מערכת יציבה ומערך כלים יציב — בדיוק למה מיועדת שכבת תזמור.
זה גם המקום שבו ראוטר מצדיק את מקומו בריצה כזו. המוניטורים של Horizon עצמה היו מודלים זולים שצפו במודל יקר, ושורת העלות עובדת רק אם כל קריאה עוברת למודל הזול ביותר שיכול לבצע את העבודה הזו. ב-OrcaRouter שמים את Claude Opus 5.5 ואת המוניטורים הקטנים מאחורי מפתח אחד, מיישמים 0% תוספת על מחיר המחירון של הספק כך שההעברה היא בתעריף של הספק עצמו, ומגדירים כלל ניתוב ששולח את מעברי המוניטור לשכבה הזולה בעוד שלולאת התכנון נשארת על Opus. מעבר אוטומטי לגיבוי מכסה אז את המקרה שהרג יותר מיום עבודה אחד של הצוות הזה: API שמפסיק להגיב בזמן שהסוכן ישן.
מה שהדוח אינו מוכיח
זו ריצה אחת, משפחת משימות אחת, חשבון אחד ושבעה שבועות. הצלחתו של הסוכן תלויה במדד שמתעדכן מדי יום וגלוי לכולם, בפלטפורמה שבה למודל קטן ומוכשר יש פערים ברורים למלא, ובמטפלים אנושיים שענו ל-13 פניות. זה לא מראה שסוכן יכול לנהל חברה שההכנסות שלה תלויות בלקוחות, וגם לא שהיום של 16 הדקות שורד מפגש עם מטרה שאין לה מספר יומי. הצוות אומר זאת בעצמו, והסיכום הכנה צר יותר מהכותרות: מודל חזיתי, בהינתן מטרה מסחרית צרה עם אות נקי, יכול כעת לבצע את כל המחזור — לבחור את המוצר, לבנות אותו, לשחרר אותו, לקרוא את השוק ולחזור על התהליך — כשאדם נוגע בזה כמה דקות בשבוע.
הדבר הבא שכדאי לשים לב אליו אינו מספר ההורדות. אלא האם אותו דפוס נשמר כאשר אות התגמול הוא חוזה ולא מונה.
