היי לכולם,
השבוע אני פותח בפוסט שכתבתי בעצמי, על למה ככל שיש יותר משתמשים אני מעז לשחרר פחות קוד. אחריו: מודל דיבור של Block שלמד לדבר רק מהקשבה, OpenAI שמוציאה את ה-if החכם שלה, וטלוויזיות שמנקים מפרסומות בעזרת coding agent.
יאללה מתחילים:
אני רוצה לקבל את המהדורה הבאה!
כתבתי פוסט: ככל שיש יותר משתמשים, אני מעז לשחרר פחות קוד.
הוא התחיל מפרוטוטייפ בעבודה, מנוע לציור מפות שממש רציתי להכניס למוצר. בבית, בזמן הפנוי, בניתי עם AI אפליקציית משחק למובייל בלי ניסיון קודם בפיתוח מובייל. אז למה מול המנוע הזה בעבודה משהו עצר אותי?
התשובה שהגעתי אליה קשורה לכמה אנשים תלויים במה שאני משחרר, ומה הם מפסידים כשזה נשבר. גם באפליקציה הקטנה שלי היה באג שבגללו הוצאתי גרסה שמחקה לשחקנים את ההתקדמות. ברגע שמישהו אחר משתמש במוצר, אני מחליט גם על הזמן שהוא השקיע.
בפוסט אני עובר על סטארטאפ בשלב שבו עוד קל לזרוק הכול, על ספריות שה-AI מכניס לפרויקט בלי שבדקתי מה הן עושות, ועל קוד שיצטרכו לתחזק בעוד שנתיים. החלק שהכי חשוב לי הוא "מספיק בדיקות טובות": להגדיר מה אסור למנוע לשבור לפני שמבקשים מה-AI לכתוב טסטים, ולבדוק שהבדיקה באמת נכשלת כשמכניסים תקלה. יש שם גם דמו קטן שאפשר לשחק בו, עם מפה ושתי בדיקות. נסו לראות מה נשאר ירוק כשמלבן נעלם.
זה מתחבר לפוסט של Anthropic על code review מהמהדורה הקודמת, שטען ש"האם בן אדם קרא את הקוד?" הוא מדד לא מדויק. אצלי השאלה היא מה אני מבקש מאנשים לסמוך עליו.
ובאותו נושא, Lovable הודיעו ב-16 באוקטובר שכשמוסיפים או משנים כלל באפליקציה, כמו מחיר, מגבלה או הרשאה, הם כותבים לו טסט קטן, מריצים את הבדיקות שמכסות את השינוי לפני שהם מדווחים שהעבודה הסתיימה, ומשאירים את הטסטים בפרויקט. על טקסטים ועיצוב הם לא כותבים טסטים. כיוון טוב לדעתי. מה שהייתי רוצה לדעת זה אם הטסט הזה נכשל כשהכלל באמת נשבר.
--
Jack Dorsey צייץ ב-23 באוקטובר על Dessa, מודל דיבור full-duplex. מי שבנה אותו הוא מעבדת מחקר קטנה בתוך Block, שהקימו אנשים לשעבר מ-Dessa, סטארטאפ deep learning מטורונטו, והיא מדווחת ישירות לדורסי.
לפי Block, הוא אומן מאפס רק על שיחות של בני אדם: בלי טקסט ובלי מודל מאומן מראש. רוב ה-voice AI היום הופך את הקול לטקסט, ובדרך הולכים לאיבוד הטון, הצחוק, האנחה. Dessa מקבל אודיו ומחזיר אודיו, מקשיב ומדבר באותו זמן, ויודע לזרוק "כן" או "אהה" באמצע כמו בשיחה רגילה. הם כותבים שהוא רץ מקומית על MacBook Pro M4 Max ומעלה, ושכל האימון נעשה על מערכת NVIDIA GB200 NVL72 אחת.
זה research preview. בדף יש הקלטות של אנשים שמדברים איתו, ואחת שבה הוא מדבר עם GPT-Live-1, ו-Block נותנים גישה מוקדמת לקבוצה קטנה של חוקרי בטיחות. בדף אין דרך לנסות אותו, וכל הטענות הן של Block. יש להם גם נימוק של בטיחות: AI קולי שלא שומע כאב בקול של מי שמדבר איתו, וממשיך כרגיל.
--
זוכרים את Jev מהמהדורה הקודמת, המודל שמחזיר החלטות במקום טקסט? ב-22 באוקטובר OpenAI הוציאה ל-GA את ה-Decisions API. מגדירים שאלה ואת התשובות המותרות, ומקבלים בחזרה הסתברות, בחירה מתוך רשימה או ציון. ה-endpoint הוא POST /v1/decisions, והמודל היחיד שנתמך כרגע הוא gpt-6-luna. לפי OpenAI זה עד פי 10 יותר מהיר מאותו מודל דרך Responses API, ואפשר לשאול עד 400 שאלות בבקשה אחת.
מרגיש כמו אותו רעיון של if חכם, רק מהשחקן הגדול. לניתוב פניות, תיוג תוכן או בחירת הצעד הבא של agent, זה כנראה יותר מתאים מקריאת צ'אט מלאה. התיעוד.
--
ומשהו כיפי. Gathin (@gathint) כתב ב-17 באוקטובר שהטלוויזיה של ההורים שלו הציגה פרסומת ממומנת עוד לפני שאפשר להגיע ל-Netflix. הוא נתן ל-Claude Code את מספר הדגם, והוא מצא את הטלוויזיה ברשת ה-WiFi, הסיר 25 חבילות של Xiaomi וכתב launcher חדש שנראה כמו Apple TV.
מזה יצא הריפו CleanYourTV, עם הפרומפט, קוד ה-launcher ורשימת דגמים שאנשים הוסיפו. זה עובד על Android TV ו-Google TV: מדליקים debugging בהגדרות המפתחים של הטלוויזיה, וה-agent משתמש באותו debug bridge של טלפון אנדרואיד. החבילות מושבתות ולא נמחקות, ויש סקריפט שמחזיר הכול. וזה מתחבר לפוסט שלי: על ניסוי שאפשר לבטל עם סקריפט אחד הרבה יותר קל להעז.
כמה ימים אחר כך Richie McIlroy, מייסד Cap, העלה סרטון של הטלוויזיה שלו אחרי ניקוי ועיצוב מחדש, עם אפליקציה שכתב לאשתו בשם "Love". לדבריו Codex הנחה אותו להפעיל מצב מפתחים ועשה את השאר, ואת הממשק הוא עיצב עם Claude.
--
ובארץ, שתי רכישות קטנות מהשבוע. Hex-Rays הבלגית, שמפתחת את IDA Pro, רוכשת את HexAI בעסקה שמוערכת ב-30 עד 35 מיליון דולר. החברה הוקמה ב-2025 על ידי אלון גליקסברג בן ה-25, יש בה שישה עובדים, היא לא גייסה הון חיצוני, והיא בונה מערכת הפעלה ל-AI agents שעושים מחקר אבטחה.
ו-Boomi רכשה את Elementary בכ-40 עד 45 מיליון דולר. Elementary עושה data observability, כלומר בודקת שהמידע שמגיע ל-AI agents ולדוחות אמין, וכל 17 העובדים בישראל. היא התחילה כפרויקט קוד פתוח, ולמי שבונה פרויקט פתוח בצד זו דוגמה נחמדה לאן זה יכול להגיע.
זה הכל לשבוע הזה. אם קראתם את הפוסט שלי, אשמח לשמוע במייל חוזר איפה אתם עוצרים לפני שאתם משחררים קוד שה-AI כתב.
נתראה בניוזלטר הבא, רון.