GPT-Rosalind נגד Qwen 4 Max: 3,000 סוכנים, חיוב אחד, ומודל שעדיין לא הושק

שלושים ושתיים דקות, ויותר מ-700 מקורות. ב-21 באוקטובר 2026 פרסמה O​penAI שיתוף פעולה עם PerturbAI ו-Scripps Research, שבו אלפי סוכנים הפועלים על GPT-Rosalind עבדו דרך אטלס CRISPR כלל-מוחי של מיליוני תאי עכבר, כשכל סוכן נוטל שיבוש גן אחד, מחפש בספרות הנוגעת אליו וכותב דוח — משימה שלהערכת המחברים הייתה נמשכת חודשים עד שנה בביצוע שיבוש אחד בכל פעם. המודל עצמו אינו חדש: O​penAI הציגה את GPT-Rosalind ב-16 באפריל 2026, הרחיבה אותו מעבר לרשימת שותפים נקובה בשם ב-11 בספטמבר, והחלה לגבות $5.00 למיליון טוקני קלט ו-$25.00 למיליון טוקני פלט ב-5 באוקטובר. מה שחדש הוא המבט הציבורי הראשון על המודל כשהוא פועל כצי סוכנים ולא כקריאה בודדת, וזה משנה מהי ההשוואה הראויה עם Q​wen 4 Max — במה היא צריכה לעסוק. Q​wen 4 Max הוכרז בכנס Apsara של A​libaba ב-22 בספטמבר 2026 ועדיין אין לו מחיר, אין חלון הקשר ואין כרטיס מודל. אז הגרסה הכנה של ההתמודדות הזו כוללת שלושה צדדים: מומחה שעלות היחידה האמיתית שלו נמדדת לפי סוכן, יריב שטרם הושק, ומודל Q​wen שאפשר למעשה לשכור היום — Qwen3.8-Max, ב-$2.00/$6.00 למיליון טוקנים. הכרזות שלעולם אינן הופכות לנקודת קצה ניתנת לקריאה מתועדות עם תאריכיהן והמקורות שלהן ב-ארכיון תקלות ה-AI, לצד יתר תקלות המודלים והספקים שאנו עוקבים אחריהן.

מה הריצה של 21 באוקטובר הראתה בפועל

מערך הנתונים הוא אטלס Perturb-seq: גנים שהופרעו באמצעות RNA מדריך אחד בכל פעם ברחבי מוח העכבר, כאשר לאחר מכן נקרא הטרנסקריפטום של כל תא. הפלט הוא מטריצה של אלפי הפרעות כנגד מיליוני תאים — הרבה יותר ממה שכל מעבדה יכולה לקרוא לעומק — וזהו צוואר הבקבוק שהמאמר תוקף.

השיטה, שאותה מכנים המחברים הסקה ביולוגית מבוזרת, אינה קריאת מודל גדולה אחת על טבלה גדולה. כל סוכן מקבל שיבוש של גן בודד, בוחן את התגובה התאית, מאחזר את הספרות הסובבת ומפיק דוח מובנה המציע מנגנון. לאחר מכן הדוחות האלה מורכבים למה שהמאמר מכנה אטלס הסקה: גרף המקשר בין גנים, השפעות על סוגי תאים, מאמרים ומנגנונים מועמדים. זמן הריצה ש-OpenAI מדווחת עבור הסריקה כולה הוא 32 דקות.

הממצא החשוב ביותר לכל מי שבוחר מודל אינו הביולוגיה. זהו הבקרה שהצוות הפעיל על השיטה שלו עצמו, מפני שלזו יש מספר מצורף. הם החזיקו את המודל ואת כוח החישוב קבועים ונתנו לסוכן יחיד את כל מערך הנתונים במקום לפצל אותו על פני אלפים. ככל שעומס העבודה גדל, כיסוי הספרות של הסוכן היחיד קרס: בעומס העבודה הגדול ביותר הוא ציטט 11 מקורות לעומת יותר מ-700 אצל הסוכנים המבוזרים. מומחים אנושיים שפעלו בסמיות העדיפו את הדוחות המבוזרים ב-75% מהמקרים.

קראו את אלה יחד והתוצאה עוסקת בפירוק, לא ב-IQ של המודל. חלון הקשר יחיד נדרדר כששופכים לתוכו אטלס; כמה אלפי סוכנים צרים עם כלי אחזור לכל אחד לא. המסגור של המחברים עצמם תומך בכך — הם מציגים את השערת הובלת הכולסטרול של DCTN1 כשאלה לניסויי המשך, לא כתגלית — והמאמר הוא פריפּרינט שפורסם ב-16 באוקטובר 2026, שנכתב במשותף בידי עובדים של O​penAI ו-PerturbAI, ועדיין ללא ביקורת עמיתים. התייחסו ל-32 הדקות כזמן ריצה אמיתי ולהשוואה לאדם כסדר גודל.

עבור עמוד השוואה, ההשלכה היא ספציפית. אם הניצחון נבע מהארכיטקטורה, אז התכונה המכרעת של המודל שמתחת אינה ציון הבנצ'מרק שלו — אלא מה העלות של הפעלתו שלושת אלפים פעמים בחצי שעה, והאם מותר לך לעשות זאת.

המספר שמכריע את ההתמודדות הזו הוא העלות לכל סוכן.

השוואות שפורסמו של שני המודלים האלה נוטות ליישר תעריפים כותרתיים ולעצור שם. תעריפים כותרתיים הם היחידה הלא נכונה לעומס העבודה שהמאמר מ-21 באוקטובר המחיש זה עתה, מפני שהרצה מבוזרת מכפילה את קריאת המודל במספר ההפרעות. אפשר לחשב את זה עם הנחות מוצהרות: סוכן שקורא פתיח אטלס משותף, שולף קומץ מאמרים וכותב דוח עשוי לצרוך 60,000 אסימוני קלט ו-4,000 אסימוני פלט. לפי התעריפים שפרסמה OpenAI, סוכן כזה עולה $0.40 — $0.30 מקלט ו-$0.10 מפלט. אותו סוכן על Qwen3.8-Max בתעריף $2.00/$6.00 עולה $0.14. שלושת אלפים סוכנים: כ-$1,200 לעומת כ-$432.

אחסן במטמון את הקידומת המשותפת והפער ימתרחב במקום להיסגר, מפני שתעריפי הקלט השמור במטמון נבדלים זה מזה יותר מאשר התעריפים המפורסמים. הצב 50,000 מתוך 60,000 אסימוני הקלט האלה בקידומת שמורה במטמון, וסוכן Rosalind יירד לבערך $0.18 ואילו סוכן Q​wen יירד לבערך $0.06 — זול יותר בקצת יותר מפי שלושה, מפני שקלט שמור במטמון עולה $0.50 למיליון בצד אחד ו-$0.25 בצד השני. זהו החישוב שלנו, לא נתון של ספק, והוא רגיש לכמה מהפרומפט שלך באמת משותף; הכיוון לא.

העמידו את השניים זה מול זה בממדים שמכריעים בהרצת צי:

• מחיר קלט — GPT-Rosalind ‏$5.00 לכל 1M לעומת Qwen3.8-Max ‏$2.00. Qwen 4 Max: לא פורסם.

• מחיר פלט — GPT-Rosalind ‏$25.00 ל-1M לעומת Qwen3.8-Max ‏$6.00. Q​wen 4 Max: לא פורסם.

• קלט במטמון — GPT-Rosalind $0.50 לכל 1M, ובדף התמחור של O​penAI מצוין כי תמחור כתיבה למטמון אינו חל על המודל; Qwen3.8-Max $0.25. Q​wen 4 Max: לא פורסם.

• עלות לסריקה של 3,000 סוכנים — כ-1,200 דולר ב-GPT-Rosalind לעומת כ-432 דולר ב-Qwen3.8-Max לפי ההנחות לעיל. Q​wen 4 Max: לא ניתן לחישוב.

• הקשר — 1M טוקנים בשני הצדדים. Q​wen 4 Max: לא פורסם, ובאופן ספציפי לא בירושה מחלון Qwen3.8 מתוקף המשך קיומו של שם השכבה.

• פלט מרבי — GPT-Rosalind אינה מפרסמת תקרה לתגובה בודדת; תמונת המצב Qwen3.8-Max 0902 מתעדת 131,072 אסימונים. • השהיה — ב-Qwen3.8-Max נמדד זמן של 6.32 שניות עד לאסימון הראשון (p50) ב-OrcaRouter, וקצב של 40.3 אסימוני פלט לשנייה במדד Artificial Analysis. GPT-Rosalind אינה מפרסמת נתון השהיה, וזו בדיוק הספרה שהייתם רוצים ביותר בהרצת fan-out.

• ציון עצמאי — GPT-Rosalind אינו נכלל כלל במדד ה-Intelligence Index של Artificial Analysis, משום שהוא מודל תחומי עם גישה מוגבלת; Qwen3.8-Max רושם 45, מדורג במקום ה-33 מתוך 214 מודלים, בעלות של $5.41 לכל משימת מדד שהושלמה ובקצב של 40.3 אסימוני פלט לשנייה.

• גישה — GPT-Rosalind דורש אישור דרך תוכנית הגישה המהימנה של OpenAI; Qwen3.8-Max הוא API מסחרי רגיל עם הרשמה פתוחה.

שתיים מהשורות האלה עושות יותר עבודה מהשאר. הציון העצמאי הוא המספר היחיד בטבלה שאף אחד מהמעורבים באף אחד מהמודלים לא סיפק, והוא אומר שדגל הדגל של Q​wen הוא ג'נרליסט מוכשר בדרגת אמצע-חזית ולא מוביל חזית — 45 לעומת 58 למודל הטוב ביותר בלוח הזה. ושורת הגישה אינה הערת שוליים: היא מחליטה אם הצי יכול להתקיים בכלל.

איפה Q​wen 4 Max באמת עומד

A​libaba השתמשה בוועידת Apsara שלה ב-22 בספטמבר 2026 כדי להציג שמות של ארבע רמות — Q​wen 4 Max כספינת הדגל, Q​wen 4 Flash לתפוקה, Q​wen 4 Plus באמצע, ו-Q​wen 4 27B עם משקלים פתוחים — תיארה את המשפחה כמתאמנת בארכיטקטורה מהדור החדש, ואמרה שהיא תגיע בקרוב. היא לא ציינה תאריך לאף אחד מהם.

חודש לאחר מכן, ישנם שלושה מקומות בלתי תלויים שבהם דגל Qwen שהושק היה אמור להיות גלוי, והוא נעדר מכל השלושה. התיעוד של Model Studio של Alibaba Cloud עצמה מפרט את qwen3.8-max כדרגת ה-Max הגבוהה ביותר, ללא רשומה של Qwen 4. ל-Artificial Analysis, שמדרגת את רוב דגמי הדגל המסחריים הסיניים בתוך ימים ספורים משחרורם, אין שורת Qwen 4 Max. בקטלוג של OrcaRouter, הכולל יותר מ-200 מודלים ובהם כל דרגה מ-Qwen 3.5 עד 3.8, אין מזהה qwen4. זו אינה הוכחה לעיכוב. זו הוכחה שנכון ל-22 באוקטובר אין מה להשוות.

הנתון הפרמטרי שליווה את ההכרזה זקוק לתיקון אחד, משום שהוא ממשיך להתפשט אל תוך טבלאות השוואה. המספר 5 טריליון עד 10 טריליון שנמצא בתפוצה הוא הצהרה צופת פני עתיד לגבי הדורות שאחרי Qwen 4 — טווח הזמן של Qwen 4.5 ו-Qwen 5. Alibaba לא צירפה מספר פרמטרים ל-Qwen 4 Max. גודל בדרגת Qwen 5 שמודפס לצד שם דגם Qwen 4 הוא שגיאת שאילה עם זמן מחצית חיים ארוך.

מה שהההכרזה כן אומרת לך הוא ש-A​libaba מתכוונת להמשיך להתחרות ברמת הדגל, וזו סיבה להישאר בתוך המשפחה ולא לעזוב אותה. היא לא אומרת לך דבר שאפשר לתכנן סביבו הגירה, מפני ש"בקרוב" אינו תאריך ושקופית מכנס אינה כרטיס תעריפים.

מה שהפרמיה למומחה קונה, ומה שהיא לא קונה

הטיעון של GPT-Rosalind נשען על הערכות תחומיות ש-OpenAI פרסמה יחד עם המודל: ביצועים מובילים ב-BixBench, שישה מתוך אחד-עשר ניצחונות ב-LABBench2 מול GPT-5.4, ושיפורים פר טוקן של 53.7% ב-GeneBench, 18.0% ב-MedChemBench ו-19.6% ב-LabWorkBench. כל אחד מאלה מדווח על ידי היצרן. אף אחד מהם לא שוחזר באופן עצמאי, ולמודל אין רשומה בלוחות האינטליגנציה הכללית — דבר שגרתי עבור מודל תחומי עם גישה מוגבלת, וגם פירושו שאי אפשר לבדוק את המספרים מבחוץ.

מה שאפשר לבדוק הוא מערך הכלים. ה-Life Sciences Research Plugin מחבר את המודל ליותר מ-50 כלים ומקורות נתונים מדעיים כמיומנויות ברות־הרכבה בתוך Codex, והמאמר מ־21 באוקטובר הוא הדגמה של מערך הכלים הזה ולא של חשיבה גולמית: אלפי סוכנים שכל אחד מהם מאתר ספרות וכותב דוח מובנה הם תוצאה של אינטגרציית כלים. ל-Qwen3.8-Max אין מערך ביולוגיה מקביל. יש לו קריאה כללית חזקה לכלים ופלטים מובנים, וכל חיבור למסד נתונים מדעי יהיה עליכם לבנות.

זו הצורה האמיתית של פרמיית המחיר. אינכם משלמים פי 2.5 עבור מודל חכם יותר; אתם משלמים אותה עבור הסקה מכווננת-תחום על עדויות מולקולריות בתוספת שכבת כלים מחווטת מראש, והריצה של 21 באוקטובר היא העדות הציבורית הראשונה לכך שהשילוב מייצר משהו שביולוג יקרא. נקודת הנגד הלא-נוחה נמצאת באותו מאמר: מכיוון שהניסוי הביקורתי החזיק את המודל קבוע ושינה רק את הפירוק, התוצאה הייתה שורדת במידה רבה גם על מודל זול יותר. המחקר אינו מבודד כמה מהפלט הוא GPT-Rosalind וכמה הוא הארכיטקטורה — והמחברים אינם טוענים שהוא עושה זאת. אם אתם מתקצבים סריקה מבוזרת, העמימות הזו שווה כ-770 דולר לכל שלושת אלפים סוכנים, וזה ההבדל בין שני החשבונות לעיל.

השער הוא חלק מהמפרט

GPT-Rosalind אינו זמין לרכישה באופן כללי. בעמוד התמחור של OpenAI נכתב כי הגישה מוגבלת למחקר פנימי מאושר במסגרת תוכנית הגישה המהימנה, ומאז 11 בספטמבר אותה תוכנית פתוחה ברחבי העולם לארגונים זכאים ולא לרשימת שותפים קבועה. הזכאות נבחנת לפי השימוש המוצע, הממשל והגישה המבוקרת — מדיניות סבירה עבור מודל שמסיק נתוני פתוגנים וחלבונים, ואילוץ נוקשה על דפוס הצי שהחברה זה עתה הדגימה.

ריצה של 32 דקות על פני אלפי סוכנים מניחה שאפשר לזנק לפי דרישה לאלפי בקשות מקבילות בבת אחת. במפתח עם גישה מגודרת, האילוץ אינו אסימונים בדקה; הוא הסקירה, מבנה החשבון ותקרת המקביליות שהתוכנית מעניקה. כל צוות שמתכנן סריקה מבוזרת צריך לתמחר זאת לפני השוואת תעריפים, כי מודל זול יותר שאפשר לפנות אליו בחופשיות עדיף על מודל טוב יותר שאפשר לפנות אליו רק לפי לוח הזמנים של מישהו אחר.

כאן שכבת ניתוב מרוויחה את מקומה, וכאן היא לא. GPT-Rosalind אינו נמצא ב-OrcaRouter — הגישה עוברת דרך בקשת הגישה המהימנה של OpenAI, ואף נתב לא משנה זאת. מה שנתב כן משנה הוא כל מה שסביב הקריאה למודל המתמחה. ריצה כמו זו שפורסמה ב-21 באוקטובר אינה בעיקרה ביולוגיה: היא תזמור, פרסור דוחות, הסרת כפילויות על פני אלפי פלטים, והקוד שהופך אטלס למשהו שאפשר לבצע בו שאילתות. השלבים האלה לא זקוקים למודל תחומי בעלות של 25 דולר למיליון פלטים, והכנסתם לשם היא הדרך שבה ניסוי של 32 דקות הופך ליקר. Qwen3.8-Max נמצא ב-OrcaRouter במחיר המחירון של Alibaba של $2.00/$6.00 עם 0% תוספת, מאחורי אותה נקודת קצה תואמת OpenAI כמו יותר מ-200 מודלים אחרים, כך שהחלק הנפחי והחלק המתמחה יושבים על מפתח אחד עם מעבר אוטומטי בין ספקים ומדיניות הניתוב שנכתבת כקונפיגורציה ולא כשם מודל שמוטבע ביישום.

כאשר Q​wen 4 Max יושק, זו גם הדרך הזולה ביותר לגלות אם יש לכך חשיבות: כלל ניתוב שמעביר נתח מהתעבורה לשכבה החדשה, עם מעבר אוטומטי בחזרה למודל שאתם כבר סומכים עליו, הוא ניסוי שלא יכול להפיל את סביבת הייצור. עד אז, לקטלוג פשוט אין רשומה עבורו, וכך אמור להיראות מודל שהוכרז אך טרם שוחרר.

מה יהפוך את ההשוואה הזו על פיה

ארבעה מספרים שפורסמו יהפכו את Qwen 4 Max משם ליריב, וכדאי לנקוב בהם כדי שאפשר יהיה לזהות את הדבר האמיתי כשהוא יופיע.

• כרטיס התעריפים. דגם הדגל של Qwen שמתמחר מתחת ל-$2.00/$6.00 משנה את החשבון במאמר הזה במכפיל ולא באחוזים. דגם שמשתווה לו לא משנה דבר, כי מודל Qwen הניתן לרכישה כבר נמצא שם.

• התנהגות של הקשר ארוך, כפי שהיא מוצהרת במדיניות. האם חלון ה-1M כולל רצועת תוספת תשלום, ובאיזה סף. תעריף מדורג מעל גודל קלט מסוים יהיה חשוב יותר עבור ריצת אטלס מאשר המספר הכותרתי, משום שכל סוכן בתבנית הזו חוצה את הרצועה.

• תוצאה בתחום הסוכנים והשימוש בכלים על לוח שאיש ב-A​libaba לא מפעיל. הפער שהמאמר הזה מתאר אינו היסק כללי — Qwen3.8-Max מוכשר בכך — אלא שימוש בכלים מדעיים. תוצאה שפורסמה ונוהלה באופן עצמאי בציר הזה תהיה המבחן האמיתי הראשון לפרמיית המומחים.

• האם דרגת Max מספקת משקלים. Qwen3.8-Max לא עשתה זאת, אך דרגת ה-27B של אותו דור כן עשתה זאת, ו-Qwen 4 Max עם משקלים הניתנים להורדה יהיה הדבר האחד ש-GPT-Rosalind מבחינה מבנית אינו יכול להציע למעבדה מוסדרת שצריכה לבחון מה קורה לנתוני רצף קנייניים.

ההחלטה שהעמוד הזה בעצם תומך בה אינה ממתינה לאף אחד מהם. הצבו את המומחה במקום שבו טעות יקרה — תיעדוף מטרות, הצעות למנגנון, הדוח שביולוג יקרא — והציבו את הצי על המודל שעולה $0.14 לסוכן ועונה בלי טופס בקשה. התוצאה מ-21 באוקטובר היא טיעון טוב להרצת ביולוגיה מבוזרת בקנה מידה של אטלס. היא טיעון חלש יותר להרצת כולה על המודל היקר ביותר בחדר, וניסוי הביקורת של המאמר עצמו הוא הסיבה לומר זאת.