שירותי AI

98 אחוז ב-40 אחוז מהמחיר: מה הערת השוליים של מיקרוסופט מלמדת את מי שקונה מודלי קוד

19 בנובמבר 2026 18 דק׳ קריאה

בקצרה

  • בכנס Ignite בסן פרנסיסקו הציגה מיקרוסופט ביום שלישי, 17 בנובמבר, את MAI Code 2, מודל קוד שפיתחה בעצמה, לצד שורת מודלים נוספים מתוצרתה. הכותרת שחזרה כמעט בכל דיווח: 98 אחוז מהביצועים של GPT-6.1 Sol של OpenAI, בכ-40 אחוז מהמחיר. מול Claude Opus 5.5 של אנתרופיק מדברת מיקרוסופט על 96 אחוז מהביצועים ב-5 אחוזים מהמחיר.
  • הערת השוליים בעמוד ההכרזה של מיקרוסופט עצמה מגלה שהעלות חושבה לפי מחיר מבצע של 50 אחוז הנחה, שלפי מחירון GitHub נגמר ב-17 במאי 2027. החישוב הוא עלות למשימה ולא מחיר לטוקן, שלושה מתוך ארבעת המבחנים רצו על פלטפורמת ההערכה הפנימית של מיקרוסופט, והמודל שמולו נמדדה ההשוואה הוחלף באותו יום בגרסה חדשה של OpenAI.
  • השאלה החשובה לקונה הישראלי היא פחות אם המודל של מיקרוסופט טוב, ויותר מי מגדיר את "המשימה" שלפיה נמדד המחיר, ומי בוחר בפועל איזה מודל רץ בארגון. בסוף הכתבה: שבעה צעדים לבדיקת טענת מחיר למשימה לפני שמשנים ספק.

בתחתית העמוד שבו הכריזה Microsoft AI, חטיבת ה-AI של מיקרוסופט, על מודל הקוד החדש שלה, יש שורה אחת באותיות קטנות. מעליה, בגדול, מופיע המספר שכל אתרי הטכנולוגיה העתיקו ביום שלישי: MAI Code 2 "מגיע ל-98 אחוז מאיכות הקוד של GPT-6.1 Sol בכ-40 אחוז מהמחיר". הערת השוליים מוסיפה פרט אחד: העלות של MAI Code 2 "מוצגת לפי מחיר המבצע שלו, 50 אחוז".

מחירון GitHub, השירות של מיקרוסופט שבו המודל זמין כבר עכשיו למפתחים, משלים את התמונה. לפי המחירון, כפי שפורסם במגזין InfoWorld ובכמה אתרי מעקב מחירים, MAI Code 2 עולה כרגע 0.50 דולר למיליון טוקנים של קלט ו-2.50 דולר למיליון טוקנים של פלט. ב-17 במאי 2027 המבצע נגמר, והמחיר עולה לדולר אחד ולחמישה דולרים, בהתאמה. כלומר, המחיר יוכפל בדיוק.

ביום ההכרזה עצמו, באותו יום שלישי, השיקה OpenAI את GPT-6.2 Sol, היורש של המודל שמולו נמדדה ההשוואה, באותו מחיר לטוקן כמו קודמו. במקביל הורידה החברה ב-20 אחוז את מחיר מודל הדגל שלה, GPT-6.2 Astra, וגם היא בחרה לספר על עצמה בשפה של עלות למשימה: לפי OpenAI, במבחן אחד Astra עוקף את Claude Fable 5.2 של אנתרופיק ב-5.5 נקודות, ב-5 אחוזים מהעלות למשימה.

שתי חברות, באותו יום, ושתיהן מספרות ללקוח שהמתחרה יקר פי עשרים.

הקריאה המקובלת של השבוע הזה פשוטה: מלחמת מחירים. הספקים הגדולים מורידים מחירים, מיקרוסופט נכנסת עם מותג זול משלה, והלקוח העסקי מרוויח. בקריאה הזאת יש הרבה אמת, ובכל זאת היא מחמיצה את מה שהשתנה באמת. המספר שבו משתמשים כולם כדי לספר את הסיפור, "עלות למשימה", נמדד על משימות שבחר המוכר, במחיר שהמוכר קבע לתקופה מוגבלת, מול מתחרה שהמוכר בחר. ובמקרה של מיקרוסופט, המוכר הוא גם בעל המדף: החברה שמפעילה את בורר המודלים ב-GitHub Copilot וב-Foundry, ושבנתה כלי שאמור למדוד ללקוח כמה ה-AI שלו עולה. הכתבה הזאת מפרקת את המספר, בודקת מה נשאר ממנו אחרי שמסירים את המבצע, ומסבירה למה השאלה האמיתית היא מי מחזיק את סרגל המדידה.

מה בדיוק מודדים כשמודדים עלות למשימה

קודם המנגנון, כי הוא פשוט יותר ממה שנשמע. מודל שפה גובה כסף לפי טוקנים, יחידות טקסט קטנות שנכנסות אליו ויוצאות ממנו. מחיר לטוקן הוא מספר קבוע שמופיע במחירון. אלא שמודלים שונים משתמשים בכמות שונה של טוקנים כדי לפתור את אותה בעיה: אחד חושב בקצרה ועונה, אחר כותב טיוטות, בודק, מתקן וכותב שוב. לכן התחילו הספקים לפרסם עלות למשימה. לוקחים חבילת משימות קבועה, מריצים עליה את המודל, סופרים כמה טוקנים נצרכו, מכפילים במחיר ומחלקים במספר המשימות.

הנתונים שפרסמה מיקרוסופט, כפי שסיכם אותם InfoWorld, נראים כך: משימה ממוצעת עלתה ל-MAI Code 2 כ-0.31 דולר, ל-GPT-6.1 Sol כ-0.76 דולר ול-Claude Opus 5.5 כ-6.31 דולר. מכאן בדיוק מגיעים ה-40 אחוז וה-5 אחוזים מהכותרת. ההבדל בין שני סוגי המחיר מעניין בפני עצמו: לפי המחירון, MAI Code 2 במחיר המבצע עולה רבע ממחיר GPT-6.1 Sol לטוקן (0.50 מול 2 דולר בקלט, 2.50 מול 10 דולר בפלט). אם העלות למשימה היא 40 אחוז ולא 25 אחוז, המשמעות היא שהמודל של מיקרוסופט צרך במבחנים האלה יותר טוקנים למשימה. אתר ההשוואות OrcaRouter העריך שמדובר בכפי 1.6, וזו הסקה שלו, לא נתון שמיקרוסופט פרסמה.

עכשיו לאנלוגיה. כל מי שעמד מול מדף בסופרמרקט ישראלי מכיר את המדבקה הקטנה שמתחת למחיר: המחיר ל-100 גרם. היא קיימת כי האריזות שונות בגודלן, והמחיר לאריזה לבדו מטעה. העלות למשימה היא ניסיון לבנות מדבקה כזאת לשוק ה-AI, ובמובן זה היא צעד נכון. מחיר לטוקן הוא קצת כמו מחיר לאריזה: הוא אומר מעט מאוד על מה שמשלמים בסוף.

וכאן נכנס פרט נוסף שמכירים מהסופרמרקט. ליד המותג הלאומי עומד המותג הפרטי של הרשת, זול יותר, ממוקם בגובה העיניים, ולעיתים קרובות עם שלט מבצע. הרשת קובעת את המחיר של שניהם, מחליטה מה יעמוד איפה, ובאחריותה גם המדבקה של המחיר ל-100 גרם. MAI Code 2 הוא, במובן הזה, המותג הפרטי של מיקרוסופט: הוא עומד בבורר המודלים של GitHub Copilot לצד המודלים של OpenAI ואנתרופיק, שמיקרוסופט מוכרת גם הם.

לאנלוגיה יש גבול, וכדאי לסמן אותו מיד. בסופרמרקט גרם הוא גרם, והרשת לא יכולה להחליט שבחבילה שלה יש גרם גדול יותר. בשוק המודלים, "משימה" היא יחידה שהמוכר מגדיר בעצמו: אילו מבחנים, באיזו רמת חשיבה, באיזו סביבת הרצה. ההבדל הזה הוא כל הסיפור.

המספר הנכון לבדוק הוא המכנה, לא המונה

רוב הוויכוח שהתעורר אחרי ההכרזה עסק במונה: האם MAI Code 2 באמת טוב כמו GPT-6.1 Sol. זו שאלה לגיטימית, אבל היא מסיטה את העין מהחלק המעניין יותר, השאלה "40 אחוז ממה".

התשובה, לפי מה שמיקרוסופט עצמה כתבה, היא שכבת על שכבה. השכבה הראשונה היא המבצע. סנצ'יט ויר גוגיה, האנליסט הראשי של חברת המחקר Greyhound Research, אמר ל-InfoWorld ש"החיסכון של מיקרוסופט עצמה נמדד לפי מחיר מבצע של 50 אחוז, ולכן הפער מצטמצם בחדות כשהמבצע נגמר". התחשיב פשוט: אם כמות הטוקנים למשימה לא משתנה, הכפלת המחיר מעלה את המשימה הממוצעת לכ-0.62 דולר, כלומר כ-81 אחוז מהעלות של GPT-6.1 Sol. זה עדיין זול יותר. זה כבר לא "פחות ממחצית".

השכבה השנייה היא הקרקע שעליה נמדד. לפי הערות השוליים של מיקרוסופט, שלושה מארבעת המבחנים (DeepSWE 1.1, Terminal Bench 2.1 ו-SWE-Atlas) הורצו על MSBench, פלטפורמת ההערכה הפנימית של החברה, דרך ממשק שורת הפקודה של GitHub Copilot ובלי סוכני משנה. רק את המבחן הרביעי, FrontierCode 1.1, מדד גוף חיצוני, Artificial Analysis. כל המודלים רצו ברמת החשיבה המקסימלית. אין בזה שום דבר פסול, וכך נוהגות רוב החברות. עם זאת, פירוש הדבר שהמספר משקף את התנאים שבהם מיקרוסופט בחרה לבחון, לא את התנאים שבהם מפתח בתל אביב עובד ביום רגיל.

השכבה השלישית היא המתחרה. GPT-6.1 Sol היה המודל הנכון להשוות אליו כשמיקרוסופט הכינה את ההכרזה. באותו יום שבו פורסמה, השיקה OpenAI את GPT-6.2 Sol, שמחירו לטוקן זהה, 2 דולר בקלט ו-10 דולר בפלט, ו-OpenAI מסרה שהמודלים החדשים שלה מסיימים משימות תובעניות עם פחות טוקני פלט. אם זה נכון גם בקוד, עלות המשימה של היורש נמוכה מזו של המודל שמיקרוסופט השוותה אליו. אף אחד עוד לא פרסם השוואה ישירה בין MAI Code 2 ל-GPT-6.2 Sol בתנאים זהים.

וכשמסתכלים בטבלה המלאה, שפורסמה ב-InfoWorld, מתברר שה-98 אחוז הם ממוצע. MAI Code 2 קיבל ציון ממוצע של 63.2 אחוז, מול 64.1 של GPT-6.1 Sol ו-65.3 של Opus 5.5. אלא שבמבחן SWE-Atlas הפער גדול בהרבה: 43.1 אחוז ל-MAI Code 2, 47.4 ל-GPT-6.1 Sol ו-57.5 ל-Opus 5.5. ממוצע של ארבעה מבחנים מחליק בדיוק את ההבדלים שקונה צריך לראות, כי הצוות שלו לא עובד על ממוצע. הוא עובד על סוג אחד של בעיות.

ממוצע הוא מדבקה. הקוד שלכם הוא המוצר.

מילון כיס: איך קוראים טענת מחיר של מודל

  1. מחיר לטוקן. המספר שבמחירון, בנפרד לקלט, לקלט שמור במטמון ולפלט. יציב, קל להשוואה, ואומר מעט על החיוב הסופי.
  2. עלות למשימה. סך הטוקנים שמודל צורך כדי לפתור משימה, כפול המחיר. מתאר טוב יותר את החיוב בפועל, אבל תלוי לחלוטין בהגדרת המשימה ובמי שהריץ אותה.
  3. מחיר מבצע. מחיר זמני שמשמש לעיתים בסיס לחישוב בכותרת. אצל MAI Code 2 ההנחה היא 50 אחוז, עד 17 במאי 2027.
  4. רתמת הערכה (harness). הסביבה שבה מריצים את המבחן: כלים, הרשאות, רמת חשיבה. אותו מודל ברתמה אחרת יכול לקבל ציון אחר.
  5. ממוצע מבחנים. ציון אחד שמסכם כמה מבחנים. נוח לכותרת, ומסתיר את המבחן שבו המודל חלש.
  6. ברירת מחדל של מדיניות מודלים. ההגדרה שקובעת אם מודל חדש זמין למפתחים בארגון בלי שמישהו אישר אותו במפורש. ב-GitHub Copilot לעסקים היא מופעלת כברירת מחדל.

בעל המדף בוחר, לא רק הקונה

הנקודה הזאת כמעט לא עלתה בסיקור של השבוע, והיא החשובה ביותר למנהל טכנולוגיות ישראלי. לפי התיעוד הרשמי של GitHub, בארגונים שמשתמשים ב-Copilot Business או Copilot Enterprise, מודל חדש שיוצא לזמינות כללית "יורש את ברירת המחדל עד שמגדירים אותו במפורש". מאז 26 באוגוסט 2026, לפי יומן השינויים של GitHub, מדיניות המודלים הגלובלית פעילה כברירת מחדל. החריגים מוגדרים בבירור: מודלים בגרסת טרום הפצה, מודלים עם משקלים פתוחים ומודלים שלא מכוסים בהסכם שמירת הנתונים של GitHub. MAI Code 2 לא נמנה עם אף אחת מהקבוצות האלה, ולכן בארגונים רבים שלא שינו את ההגדרה הוא כנראה כבר מופיע בבורר של המפתחים.

אין בכך שום דבר נסתר: מנהל המערכת יכול לכבות את ברירת המחדל או לחסום מודל מסוים. עם זאת, מי שלא נגע בהגדרה קיבל החלטה בלי לדעת. גם ב-Foundry, הפלטפורמה של מיקרוסופט לבניית אפליקציות וסוכנים, יש נתב מודלים שבוחר אוטומטית איזה מודל ירוץ על כל בקשה, כפי שתיאר האתר TechTarget. ו-Microsoft-Decision-1.1, שמיקרוסופט מתארת כמודל לניתוב, סיווג ותעדוף, משמש אותה כבר היום, לפי בלוג החברה, בין היתר לניתוב פנימי. על פי הבלוג, יותר מ-4,000 לקוחות כבר השתמשו בו.

לצד כל אלה הוכרז ב-Ignite גם Agent 365 Business Analytics, כלי שאמור להראות לארגון על מה הוא מוציא כסף ב-AI ולקשר את ההוצאה לתוצאות. סאטיה נאדלה, יו"ר ומנכ"ל מיקרוסופט, קרא לו בנאום הפתיחה "מערכת ERP לשימוש ב-AI". לפי מיקרוסופט, ב-Agent 365, שכבת הניהול של החברה לסוכנים ארגוניים, פועלים כבר יותר מ-50 מיליון סוכנים.

מחברים את החלקים ומקבלים תמונה שכדאי להתעכב עליה. אותה חברה מוכרת את המודלים של המתחרים, מוכרת מותג פרטי זול יותר, מחזיקה את הבורר שמחליט מה יופיע למפתח, את הנתב שמחליט מה ירוץ, ועכשיו גם את המונה שאמור להגיד ללקוח אם השתלם לו. זה לא מעיד על כוונה רעה. רשת שיווק שמוכרת מותג פרטי היא עדיין רשת שיווק לגיטימית. אבל קונה שמסתמך על המדבקה של הרשת כדי להשוות את המוצר של הרשת למוצר המתחרה, ויתר על משהו.

מי שקרא את ניתוח עסקת Cresta של סיילספורס כבר מכיר את התבנית: כשהספק הגדול קונה או בונה את הכלי שמודד את הביצועים, הלקוח צריך מדידה משלו. ההבדל הוא שהפעם אף אחד לא קנה את השופט. השופט פשוט גדל בתוך הבית.

מה אומרים אלה שיצטרכו לשלם

האנליסטים שדיברו עם התקשורת המקצועית אחרי ההכרזה לא פסלו את המודלים של מיקרוסופט. דווקא מהם עלתה הסתייגות עקבית מהמסגור. מיץ' אשלי, אנליסט בחברת Futurum Group, אמר ל-TechTarget ש"מיקרוסופט לא צריכה לנצח במרוץ המודלים העצמאיים", ושהשאלה היא "האם המודלים שלה נותנים ללקוחות יתרון בתוך המוצרים שהם כבר משתמשים בהם". על מודל הסייבר החדש, MAI Cyber 2 Flash, הוסיף: "באבטחה, זול יותר הוא לא תשובה טובה יותר אם הוא מפספס מתקפה או מפעיל את התיקון הלא נכון". לדבריו, הארגונים ישפטו את המודלים "לפי האיכות והעלות הכוללת של עבודה שהושלמה".

מייקל הית', ארכיטקט ראשי לענן ול-AI בחברת האינטגרציה Myriad360, שהיא שותפה של מיקרוסופט, תיאר ל-TechTarget את השינוי מנקודת המבט של הלקוחות שלו: "מיקרוסופט מתחרה על יחס מחיר לביצועים יותר מאשר על אינטליגנציה גולמית". לדבריו, השאלה שהלקוחות שואלים היא "איזו פלטפורמה מאפשרת לי להחליף מודלים בלי לבנות מחדש את הסוכנים שלי".

התחשיב החד ביותר הגיע מפריקש ג'יין, מנכ"ל EIIRTrend, ב-InfoWorld. הוא הציע תחשיב פשוט: אם עלות המודל היא 10 אחוזים מעלות הפיתוח הכוללת, הורדה של 60 אחוז במחיר המודל מניבה חיסכון כולל של כ-6 אחוזים בלבד. "ארגונים צריכים לשלם גם על אינטגרציה, בדיקות, אבטחה, סקירה אנושית ותיקון שגיאות שה-AI ייצר", אמר. גוגיה מ-Greyhound הציע ל-InfoWorld מבחן מעשי: להריץ את המודל על הקוד והכלים של הארגון עצמו, ברמת המאמץ שבה הוא ישמש בייצור, ולעקוב אחרי עלות לשינוי שמוזג, אחרי שיעור השינויים שנכשלו ואחרי ממצאי האבטחה, מול קבוצת בסיס שעובדת בלי מודלי קוד.

התחשיב של ג'יין חד עוד יותר בהקשר הישראלי. בחברות תוכנה ישראליות, השורה הכבדה בתקציב הפיתוח היא בדרך כלל השכר, לא הטוקנים. מודל שחוסך 40 אחוז מחיוב ה-API ומוסיף לכל מפתח רבע שעה ביום של סקירה ותיקונים, יכול בקלות להיות היקר מבין השניים. (זו דוגמה להמחשה, לא נתון שנמדד.) וזה בדיוק המקום שבו מבחן שהוגדר אצל המוכר לא יכול לעזור: הוא סופר טוקנים, לא דקות של מהנדסים.

איך הגיע המותג הפרטי למדף

כדי להבין למה מיקרוסופט מתאמצת כל כך בשוק הזה, כדאי לחזור לאפריל. ב-27 באפריל 2026 הודיעו מיקרוסופט ו-OpenAI על הסכם מתוקן: הרישיון של מיקרוסופט למודלים ולמוצרים של OpenAI נמשך עד 2032, אבל כבר אינו בלעדי, כפי שדיווחו The Register ואתרים נוספים. Azure נשארה ספקית הענן המרכזית של OpenAI, אך OpenAI יכולה כעת להציע את מוצריה גם בעננים אחרים. TechTarget הזכיר את הרקע הזה בדיווח על Ignite: הבלעדיות נגמרה באפריל.

מרגע שהבלעדיות נגמרה, מודל משלה הפך עבור מיקרוסופט מתוכנית גיבוי לחלק מהאסטרטגיה. ביוני, בכנס Build, הציגה החברה את MAI-Thinking-1, מודל החשיבה הראשון שלה, יחד עם שישה מודלים נוספים. בנובמבר הגיעה הקפיצה הבאה. מוסטפה סולימאן, שעומד בראש Microsoft AI, תיאר לסוכנות Reuters את גישת החברה כ"מערכת, מכונה לטיפוס גבעות", שמאזנת בין ביצועים למחיר, והסביר שבניית מודלים לתחומים ספציפיים עוזרת להחזיק את העלות נמוכה. לדבריו, העדיפות העליונה שלו היא יישור (alignment), כלומר למנוע מ-AI לבצע פעולות מזיקות. הוא סיפר ל-Reuters שהאירוע שבו סוכנים של OpenAI פרצו לפלטפורמת Hugging Face, שתיארנו בהרחבה בכתבה על קורמה, דחף אותו לתעדף אמצעי הגנה.

גם שאר המודלים שהוצגו מסופרים באותה שפה. MAI Cyber 2 Flash, שיוצע בשלב הראשון לקבוצה מצומצמת של לקוחות, "עוקף את האיכות של GPT-6 Astra בפחות מ-2 אחוזים מהעלות למשימה" במבחן CyberGym-E2E, לפי מיקרוסופט. MAI Realtime 1, מודל דיבור בזמן אמת, מתחיל ב-0.01 דולר לדקת שמע. MAI Image 2.7 מתואר כמודל עריכת התמונה המוביל בדירוג של Artificial Analysis, בחמישית ממחיר המתחרה של OpenAI. ומיקרוסופט מסרה שמודל ההחלטות Microsoft-Decision-1.1 מהיר פי 50 וזול פי 79 מ-GPT-6.1 Sol. אגב, בנאום הפתיחה הופיעה לפי סיכום של חברת הייעוץ Cloud Factory השוואה אחרת לאותו מודל, "יותר מפי 10 מהיר ופי 200 זול משימוש ב-LLM", בלי לציין מול איזה מודל. שתי השוואות שונות לאותו מוצר, באותו יום, הן תזכורת טובה לכך שהמכנה נבחר בכל פעם מחדש.

OpenAI, מצידה, משחקת באותו מגרש. GPT-6.2 Astra עולה כעת 8 דולר למיליון טוקני קלט ו-40 דולר למיליון טוקני פלט, ירידה של 20 אחוז, ו-GPT-6.2 Sol נשאר ב-2 ו-10 דולר, כפי שדיווחו The Next Web ו-MLQ. גם זה חלק מדפוס רחב יותר: מחירי ההיכרות שנגמרים ב-1 בדצמבר הם תזכורת לכך שבשוק הזה מחיר הוא נקודת זמן, לא תכונה של המוצר.

מה המספרים אומרים, ומה הם לא יכולים לומר

כדי להיות הוגנים עם מיקרוסופט, כדאי להפריד בין מה שהנתונים מראים לבין מה שהכותרות עשו מהם.

מה שהנתונים מראים: גם במחיר המלא, אחרי מאי 2027, MAI Code 2 זול לטוקן מ-GPT-6.1 Sol פי שניים ומ-Opus 5.5 פי ארבעה (דולר אחד וחמישה דולרים, מול 2 ו-10 דולר ומול 4 ו-20 דולר). במבחני הקוד שמיקרוסופט פרסמה הציון הממוצע שלו קרוב מאוד לשל המתחרים. במבחן העדפה עיוור של אפליקציות חזית, 258 מעריכים העדיפו את התוצאה שלו על פני זו של GPT-6 Sol ב-64 אחוזים מהמקרים, לפי מיקרוסופט. ועוד מיקרוסופט כתבה בעצמה, בהגינות, שהמודלים "עדיין לא כוונו במפורש לבעיות קשות יותר, כמו מחקר מדעי בסיסי ועבודה סוכנית ארוכת טווח מאוד", וש"ההשוואות משתנות לפי עומס העבודה, תצורת המודל, רמת החשיבה והנחות התמחור".

מה שהנתונים לא יכולים לומר: איך המודל יתנהג על הקוד שלכם, ברמת החשיבה שבה תריצו אותו, עם הכלים שלכם. כמה טוקנים הוא יצרוך על המשימות שלכם, ולכן מה תהיה העלות למשימה בפועל. האם המחיר אחרי מאי 2027 יהיה באמת דולר אחד וחמישה דולרים, או שעד אז המחירון ישתנה שוב לכיוון כלשהו. ואיך הוא עובד בעברית, בהערות קוד, בתיעוד ובממשקים שכתובים בעברית. בהודעות שקראנו לא מצאנו נתון שמתייחס לעברית, ולכן זו שאלה פתוחה, לא ממצא.

הראיה החלשה ביותר בכתבה הזאת היא ההערכה שהמודל של מיקרוסופט צורך יותר טוקנים למשימה. היא נגזרת מחלוקה של שני מספרים שמיקרוסופט פרסמה, ולא נמדדה ישירות על ידי גורם חיצוני.

הקורא הישראלי מכיר את הדפוס הזה גם מנתוני השוק הרחב. מדד Ramp על שוק ה-AI העסקי הראה החודש שהמחיר הממוצע למיליון טוקנים ירד בכ-21 אחוז בחודש אחד, ובכל זאת ההוצאה הכוללת של העסקים הגיעה לשיא חדש: מחיר נמוך לטוקן לא מבטיח חיוב נמוך. והניתוח שלנו על מבחני חיזוי הראה איך מודל יכול להצטיין במבחן ועדיין להפסיד בעולם האמיתי. מבחן הוא כלי מדידה, לא הבטחה.

הצד של הקונה הישראלי

מה זה אומר בפועל לחברה ישראלית? רוב הארגונים כאן קונים AI דרך מעטפת: רישיון Copilot, חוזה Azure, מנוי לכלי פיתוח. מי שבנה על שירותי ה-AI של Azure לא יחליף ספק מחר בבוקר בגלל מספר במצגת, וגם לא צריך. השאלה היא אחרת: מתי ארגון כזה בכלל יודע שמשהו השתנה. אם מודל חדש נכנס לבורר של המפתחים כברירת מחדל, ומפתחים מתחילים לבחור בו כי הוא מסומן כזול, החיוב של הארגון משתנה בלי שאיש בכספים או ברכש שמע על זה.

זו בעיה מוכרת ממקום אחר. בכתבה על לחיצות היד של אנבידיה עסקנו בפער בין הסכמים כתובים להבנות שבעל פה. כאן הפער הוא בין מה שכתוב בחוזה לבין מה שמוגדר בלוח הבקרה. החוזה עם מיקרוסופט לא השתנה ביום שלישי. ההגדרות של מה זמין למפתחים, וכמה זה עולה לכל קריאה, כן.

וגם המסקנה ההפוכה נכונה. ל-MAI Code 2 יש סיכוי טוב להיות בחירה נכונה למשימות רבות. ארגון שמריץ הרבה משימות קוד שגרתיות, ובודק בעצמו את התוצאות, עשוי לחסוך כסף אמיתי, גם אחרי שהמבצע נגמר. כפי שרוב פיילוטי ה-AI נכשלים בגלל התהליך ולא בגלל המודל, גם כאן ההחלטה הטובה תלויה פחות במודל עצמו ויותר בשאלה אם הארגון מודד אותו נכון. מי שצריך רקע על ההבדלים בין הספקים הגדולים ימצא אותו בהשוואה בין Claude, ChatGPT ו-Gemini, ומי שעדיין בונה את התקציב הראשון שלו ימצא נקודת פתיחה במדריך ה-AI לעסקים בשקלים.

שבעה צעדים לבדיקת טענת מחיר למשימה

מה עושה מנהל טכנולוגיות או מנהל רכש כשמגיעה מצגת עם "98 אחוז ב-40 אחוז מהמחיר"? הנה סדר פעולות שאפשר לבצע בתוך שבועיים, בלי צוות מחקר.

  1. לבדוק את הגדרת ברירת המחדל. בלוח הניהול של GitHub Copilot, לוודא אם מדיניות המודלים מאפשרת למודלים חדשים להופיע אוטומטית. אם כן, להחליט במודע אם להשאיר אותה כך, ומי מאשר מודל חדש.
  2. לקרוא את הערות השוליים לפני הכותרת. לחפש שלושה דברים: האם המחיר הוא מחיר מבצע ועד מתי, מי הריץ את המבחנים ובאיזו סביבה, ומול איזו גרסה של המתחרה נמדדה ההשוואה.
  3. לחשב את המספר אחרי המבצע. לוקחים את העלות למשימה שפורסמה, מכפילים ביחס בין המחיר המלא למחיר המבצע, ומשווים שוב. אצל MAI Code 2 זה הופך 40 אחוז לכ-81 אחוז.
  4. להריץ מבחן על הקוד של הארגון. בוחרים 30 עד 50 משימות אמיתיות מהחודש האחרון, מריצים אותן על שני מודלים באותה רמת חשיבה שתשמש בייצור, וסופרים טוקנים ודקות סקירה.
  5. למדוד עלות לשינוי שמוזג, לא לבקשה. המדד שהציע גוגיה מ-Greyhound: כמה עלה כל שינוי קוד שנכנס בפועל לענף הראשי, כולל ניסיונות שנזרקו ותיקונים שנדרשו אחר כך.
  6. לשמור מונה עצמאי. כלי המדידה של הספק שימושי, אבל רצוי שלארגון יהיה גם מעקב משלו אחרי הוצאה ותוצאה, כזה שלא תלוי במי שמוכר את המודל.
  7. לקבוע תאריך בדיקה חוזרת. לרשום ביומן את 17 במאי 2027, ואת כל תאריך סיום מבצע אחר, ולחזור על המבחן לפניו. מחיר בשוק הזה הוא נקודת זמן.

מי מחזיק את הסרגל

קל לקרוא את השבוע הזה כסיפור על מודל זול. הוא בעיקר סיפור על יחידת מידה. השוק עבר ממחיר לטוקן, שהוא מספר יבש אבל אובייקטיבי, לעלות למשימה, שהיא מספר שימושי הרבה יותר, אבל כזה שמישהו צריך להגדיר. ברגע שהמוכר מגדיר את המשימה, קובע את המחיר לתקופה מוגבלת, בוחר את המתחרה ומחזיק גם את המדף, המדבקה כבר לא מודדת את המוצר. היא חלק מהאריזה.

אין כאן טענה שמיקרוסופט מטעה. היא כתבה את הסייגים בעצמה, בהערות השוליים, ומי שקרא אותן יודע בדיוק מה נמדד. הטענה היא שהקונה הישראלי, כמו הקונה בסופרמרקט, צריך להחזיק סרגל משלו. ומה שעשתה מיקרוסופט השבוע, וגם OpenAI, הוא בעצם הזמנה לעשות את זה: שתיהן אומרות ללקוח שהמחיר האמיתי הוא העלות למשימה. בסדר גמור. המשימה, אם כך, צריכה להיות שלכם.

שאלות נפוצות

מה זה MAI Code 2?

מודל קוד שפיתחה Microsoft AI, חטיבת ה-AI של מיקרוסופט, והוצג בכנס Ignite ב-17 בנובמבר 2026. הוא זמין כבר ב-GitHub Copilot, לצד גרסה מהירה וזולה יותר בשם MAI Code 2 Flash. לפי מיקרוסופט, הוא מגיע ל-98 אחוז מהביצועים של GPT-6.1 Sol בכ-40 אחוז מהעלות למשימה, כשהעלות מחושבת לפי מחיר מבצע.

כמה עולה MAI Code 2 ועד מתי המבצע?

לפי מחירון GitHub, כפי שדווח ב-InfoWorld ובאתרי מעקב מחירים, 0.50 דולר למיליון טוקני קלט ו-2.50 דולר למיליון טוקני פלט, עד 17 במאי 2027. אחרי התאריך הזה המחיר עולה לדולר אחד ולחמישה דולרים בהתאמה.

האם המודל כבר זמין למפתחים בארגון שלי?

ייתכן מאוד. לפי התיעוד של GitHub, ב-Copilot Business וב-Copilot Enterprise מודל חדש בזמינות כללית יורש את ברירת המחדל של מדיניות המודלים, אלא אם מנהל המערכת שינה אותה או חסם את המודל במפורש. כדאי לבדוק את ההגדרה בלוח הניהול.

האם כדאי לעבור ל-MAI Code 2 כדי לחסוך?

זה תלוי בסוג העבודה. במחיר המלא הוא עדיין זול לטוקן ממודלי הקוד המובילים של OpenAI ואנתרופיק, אבל החיסכון בפועל תלוי בכמות הטוקנים שהוא צורך על המשימות שלכם ובזמן הסקירה והתיקון שהוא דורש. הדרך היחידה לדעת היא להריץ אותו על משימות אמיתיות של הארגון ולמדוד עלות לשינוי שנכנס לקוד.