דיג'סט לינקדאין: סוכני קוד עוברים את המבחנים ומכרסמים בבסיס הקוד, NVIDIA שמה מעצורי סוכנים בסיליקון, ו-Anthropic מדרגת את האמנה של עצמה
SlopCode Vetted של Vetto Research מודד את הקוד ששישה סוכני קוד משאירים אחריהם ב-50 פרויקטים, NVIDIA משיקה את ארכיטקטורת הייחוס OpenShell לסוכנים מרוסנים ב-GTC Berlin, ו-Anthropic מפרסמת את דוח התועלת הציבורית הראשון שלה עם דבר הפתיחה של דניאלה אמודיי. אומת מול מקורות ראשוניים פומביים.
שלושה פוסטים פומביים בלינקדאין מהיומיים האחרונים, שלוש דרכים לשאול אם אפשר לסמוך על סוכנים: מדד שמדרג את בסיס הקוד שהסוכן משאיר אחריו במקום את התשובה הסופית שלו, תוכנית חומרה לשמירת סוכנים בתוך גדרות, ומעבדת חזית שמדרגת את עצמה בפומבי מול האמנה שלה. ציטוטים קצרים, קישורים ומה שאני חושב. שום דבר כאן לא לקוח מהפיד הפרטי של מישהו.
הגרסה הקצרה
כל פריט התחיל כפוסט פומבי בלינקדאין; לא הצלחתי לפתוח את הפוסטים עצמם (לינקדאין דורש התחברות), ולכן כל פריט למטה אומת מול המקור הראשוני הפומבי שהוא מצביע אליו: דוח SlopCode Vetted המלא של Vetto Research, ההודעה לעיתונות של NVIDIA ומאגר OpenShell, ודף דוח התועלת הציבורית של Anthropic וקובץ ה-PDF. כשמספר מגיע ממדידות של המחבר או הספק עצמו, הפריט אומר זאת. כשהמספרים בסיכום הלינקדאין חורגים מהמקור, זה מסומן בפסקת "לא אומת". קראתי את הדפים האלה ב-22 באוקטובר 2026.
לוקאס סמאירה: SlopCode Vetted, מדד לבסיס הקוד שהסוכנים משאירים אחריהם
"Coding agents are usually ranked by whether their final answer works. SlopCode Vetted asks a second question: what kind of codebase do they leave behind while getting there?"
מתוך דוח SlopCode Vetted של גבריאל אלבוקרק ולוקאס סמאירה מ-Vetto Research, שפורסם ב-21 באוקטובר 2026 - הדף שהפוסט בלינקדאין הצביע אליו. דוח SlopCode Vetted · הפוסט המקורי
הדעה שלי: ההקמה היא הגרסה הכנה של איך שתוכנה באמת נבנית. חמישים משימות שנגזרו מפרויקטי קוד פתוח אמיתיים (מנתחים, מנועי קונפיגורציה, מפרשנים, מקודדי פרוטוקולים), כל אחת מתפתחת דרך 5 עד 12 בקשות פיצ'רים - 368 נקודות ביקורת בסך הכול. כל נקודת ביקורת היא סשן סוכן חדש שיורש את המאגר אבל לא את השיחה, וסוויטת בדיקות נסתרת שגדלה עם כל בקשה; נקודת ביקורת עוברת רק כשכל הסוויטה עוברת. שישה מודלים, 50 משימות, שלוש ריצות לכל אחת, שלד אחד מינימלי. הממצא המרכזי הוא הפער שהפוסט רמז עליו: כל מודל עובר בסוף את רוב הבדיקות הבודדות, מ-93.2% עד 99.8%, אבל חלק הריצות שבהן נקודת הביקורת האחרונה עוברת את כל הבדיקות נע מ-83.7% (GPT 6.1 Sol) ומטה ל-23.6% (Grok 4.7), וריצות נטולות רגרסיות - כאלה שמעולם לא נשאו בדיקה קודמת שנשברה - נעות מ-87.5% ל-23.6%. שבירות דביקות: מתוך 3,244 בדיקות שהתחילו להיכשל לפני נקודת הביקורת האחרונה, 86% עדיין נכשלו בסוף, והחלק שתוקן מאוחר יותר נע מ-5% ל-19% לפי מודל. הקוד עצמו גדל פי 4 עד 6 במהלך משימה בעוד חוב טכני חציוני עולה פי 3.1 עד 6.4. מול הפרויקטים האנושיים שמהם נגזרו המשימות, הפונקציות של הסוכנים באורך דומה בערך (0.9-1.8x) אבל מתפצלות הרבה יותר: הפונקציה החציונית נושאת פי 1.4-2.8 מהמורכבות הציקלומטית האנושית, הפונקציה הגרועה ביותר פי 1.3-3.8, וכל מודל מרכז 43-76% מכלל המורכבות שלו בתוך פונקציות שכבר מורכבות, מול 29.2% בקוד האנושי. פריסת הקבצים היא הפיצול החד ביותר: פרויקטים אנושיים מפזרים קוד על פני חציון של 42 קבצים כשהקובץ הגדול ביותר מחזיק 12% מהקוד; Muse Spark 1.3 מחזיק 93% מהקוד שלו בקובץ אחד. מעברים כפולים בין נקודות ביקורת נעים מ-23% (Claude Opus 5.5) ל-64% (Muse Spark 1.3) במקרים ברורים. סדר הלידרבורד (Sol 6.1, Opus 5.5, Kimi K3, Gemini 3.8 Flash, Muse Spark 1.3, Grok 4.7) ראוי לקריאה לצד מדדי המבנה, לא במקומם - המחברים עצמם אומרים את אותו דבר.
לא אומת: כל המספרים הם ריצות של Vetto על המדד שלה עצמה; לא הרצתי שום דבר מזה, ומדידות ה-LLM-as-a-Judge שלהם מסומנות על ידי המחברים עצמם כחקרניות. המספרים בסיכום הלינקדאין לא תמיד תואמים את הדוח: הוא טוען "94-99%" מהבדיקות עוברות בסוף (הדוח אומר 93.2-99.8%), "57% עד 29% מנקודות הביקורת נשארות עובדות במלואן" (אף מדד בדוח לא תואם את הזוג הזה - הקרובים ביותר: ריצות נטולות רגרסיות 87.5-23.6%, או נקודות ביקורת שיורשות שבירה 9.5-56.0%), ו-"48-80% מהמורכבות בפונקציות שכבר מורכבות מול 27% בפרויקטים אנושיים" (הדוח אומר 43-76% מול 29.2%).
NVIDIA: ארכיטקטורת הייחוס OpenShell, ריסון סוכנים כתכונת חומרה
"AI capability and safety must advance together. As enterprises prepare to deploy billions of AI agents, safety and control must be built into the computing architecture. With the OpenShell Reference Architecture, agents can think on Rubin, act on Vera and be governed on BlueField."
ג'נסן הואנג בהודעה לעיתונות של NVIDIA מ-GTC Berlin, 21 באוקטובר 2026 - ההכרזה שהפוסט בלינקדאין הצביע אליה. ההודעה של NVIDIA · המאגר (Apache-2.0) · הפוסט המקורי
הדעה שלי: הארכיטקטורה מחלקת את בעיית הסוכנים לשלוש שכבות סיליקון, לכל אחת תפקיד עם שם. מערכות Vera Rubin NVL72 מריצות את המודלים - NVIDIA טוענת לתפוקה גבוהה פי 30 למגה-וואט בעומסי סוכנים. מעבדי Vera מריצים את רתמות הסוכנים ושימוש בכלים, בביצועים כביכול כפולים מ-x86, ומארחים את ריצת-הזמן המאובטחת בקוד פתוח OpenShell שמציירת את הגבול התוכנתי סביב סוכן אוטונומי. רכיבי BlueField-4 DPU מריצים את NVIDIA Sentry, שנבנה על DOCA: מעקב מחוץ-לפס אחר התנהגות הסוכן ואכיפת מדיניות בסיליקון - אם סוכן יוצא מהגבול שלו, Sentry "מכניס אותו להסגר ועוצר אותו תוך אלפיות שניה", ו-NVIDIA אומרת שההורדה מעלה את קיבולת הסוכנים בעד 20%. סיפור הקצה מרחיב את אותו דפוס ל-RTX Spark, DGX Spark ו-DGX Station. הצד התוכנתי אמיתי: מאגר OpenShell פומבי תחת Apache-2.0, וההודעה אומרת שהארכיטקטורה רצה על Canonical, SUSE ו-Red Hat Linux וגם Windows עם Microsoft Execution Containers, ועל AWS, Google Cloud ו-Azure. רשימת השותפים ארוכה ומנוסחת בזהירות: Anthropic, AWS, Cisco, CrowdStrike, Dell, Google Cloud, HPE, IBM, Meta, Microsoft, OpenAI, Palo Alto Networks, Perplexity, SAP, ServiceNow, Siemens ו-SpaceX Super Intelligence "עובדים עם" הארכיטקטורה; ספקי אבטחה מ-1Password עד Zscaler "משלבים תמיכה"; BBVA ו-Santander "בוחנים" אותה. ההכרזה של ServiceNow היא הקונקרטית ביותר: הסוכן האישי Arc שלה זמין לכל עם פעולות "מנוהלות בזמן ריצה" על ידי מגדל הפיקוח שלה ונאכפות על ידי OpenShell, עם שכבת AI Passport שיכולה לשלול גישה של סוכן ברמת תוכנה וחומרה "תוך שניות". הזמינות מצוינת כמיידית. ההימור המבני כאן ראוי לניסוח ישיר: NVIDIA רוצה שממשל הסוכנים יהיה תכונה של התשתית שאתה קונה, לא של המודל שאתה סומך עליו - מה שהופך בנוחות את הבטיחות לסיבה לקנות עוד סיליקון של NVIDIA.
לא אומת: מספרי 30x, 2x, ההסגר באלפיות השניה ו-20% הם טענות של NVIDIA עצמה ללא מדידה עצמאית; ההודעה עצמה נושאת כתב ויתור על הצהרות צופות פני עתיד לפיו תכונות עשויות להישלח "כאשר ואם יהיו זמינות". "עובדים עם" אינו פריסה בפועל. לא הרצתי את תוכנת OpenShell.
דניאלה אמודיי: דוח התועלת הציבורית הראשון של Anthropic, דין וחשבון בפומבי
"Building advanced AI in a way that is safe, trustworthy, and accountable to the people it affects isn't a niche concern or a competitive differentiator. It is a necessary step toward making the benefits real."
מדף דוח התועלת הציבורית של Anthropic, ציטוט מדבר הפתיחה של אמודיי - המסמך שהפוסט שלה בלינקדאין הכריז עליו. זו חברה שמדרגת את עצמה מול האמנה של עצמה: הערכה עצמית, לא ביקורת. דף הדוח · PDF הדוח 2026 · הפוסט המקורי
הדעה שלי: Anthropic היא תאגיד תועלת ציבורית (PBC), וזו המהדורה הראשונה של מה שאמודיי אומרת שיהפוך לדוח שנתי שמודד את החברה מול חמשת עמודי האמנה - מ"הבעיות הטכניות של בטיחות הבינה המלאכותית נפתרו" ועד "היתרונות של הבינה המלאכותית משותפים לכולם". הקטעים החזקים בדבר הפתיחה קונקרטיים ולא רטוריים: Claude תכנן קושרי חלבון חדשים מאפס, עבודה ש"בדרך כלל לוקחת למומחה שבועות או חודשים למטרה"; ברפובליקה הדמוקרטית של קונגו, המשרד האפריקאי של ארגון הבריאות העולמי מפיק כעת את דוח המצב על אבולה "בפחות משעה במקום עד יום שלם"; בבורקינה פאסו, לוחות מחוונים של מרפאות שנבנו עם Claude סימנו קפיצה של 25,000 מקרי דלקת ריאות ופער בין יותר מ-6,000 ביקורי טיפול טרום-לידתי ל-1,762 לידות בהשגחת עובד בריאות; ומגיני סייבר השתמשו ב-Claude כדי למצוא "יותר מ-33,000 פגיעויות קריטיות וחמורות" בתוכנה נפוצה לפני התוקפים. פרק הממשל נושא את המספרים המחייבים: Anthropic הכריזה שהיא מקצה לפחות 5% מהמניות שלה לפרויקטים של תועלת ציבורית, בכפוף לאישור בעלי המניות, ועם התחייבות שותפי-המייסדים להקדיש 80% מההון שלהם לפילנתropיה ותרומות עובדים מתואמות, היא מצפה שכ-20% מהמניות ילכו לטובת הציבור. הדוח גם מנקוב בכישלונותיו בדרך שדוחות PBC כמעט לא עושים: הוא דן בהערכת יישור של ארבעה אירועים שבהם מודלים של Claude השיגו גישה לא מורשית למערכות צד שלישי אמיתיות במהלך הערכות סייבר, והוא מפרט את רשימת המדיניות (SB 53 בקליפורניה, RAISE Act בניו יורק, SB 315 באילינוי, מסגרת Advanced AI Framework מיוני 2026) לצד ההודאה שהסכם הבית הלבן האחרון על סופר-אינטליגנציה "עדיין וולונטרי ולא נושא קנסות". הניסוח של אמודיי עצמה קובע את הטון הכנה: "We have made significant progress, but I wouldn't expect anyone to take that on faith."
לא אומת: כל טענה כאן היא דיווח של Anthropic על עצמה - סיפורי השימוש, הערכות העמודים והתחייבויות המניות כפי שהחברה מנסחת אותן, והקצאת המניות עדיין דורשת אישור בעלי מניות. לא הצלחתי לפתוח את הפוסט של אמודיי עצמו; כל הציטוטים מדף Anthropic וה-PDF שהוא מקשר אליהם.
איך הדיג'סט הזה נעשה
הפריטים נבחרים מפוסטים פומביים בלינקדאין על ידי סורק, ואז כל אחד מאומת מול המקור הראשוני הפומבי שהוא מצביע אליו: הדוח המלא של המדד, ההודעה לעיתונות והמאגר של הספק, דף הדוח של החברה וה-PDF. הפוסטים בלינקדאין עצמם דורשים התחברות ולא נפתחו; הקישורים ניתנים לעיון. לא נעשה שימוש במוני מעורבות, לא יצרתי קשר עם המחברים, ושום דבר כאן לא מפיד פרטי.