מה זה מודל-הנמקה, ולמה זה נקרא מירוץ
מודל-הנמקה (Reasoning Model) הוא מודל-שפה שמייצר, לפני מתן תשובה סופית, שרשרת-מחשבה פנימית ומורחבת — פירוק הבעיה לצעדי-ביניים, בדיקה-עצמית ותיקון-אסטרטגיה תוך-כדי-פתרון — במקום להשיב ברצף-טקסט אחד. ב-12 בספטמבר 2024 פרסמה OpenAI את o1-preview, הדגם המסחרי הראשון מהסוג הזה, וקפיצת-הביצועים שלו במבחני-מתמטיקה וקוד (ראו הערך המורחב "OpenAI o1") הייתה קפיצה שאי-אפשר היה להתעלם ממנה. מה שהופך את הסיפור הזה למירוץ, ולא לסיפור של דגם בודד, הוא מה שקרה אחר-כך: בתוך כחמישה חודשים בלבד — עד סוף פברואר 2025 — שחררו חמש חברות-מתחרות נוספות, כל אחת בנפרד, את הגרסה שלהן לאותו רעיון בדיוק: Alibaba (QwQ, סוף נובמבר 2024), Google (Gemini 2.0 Flash Thinking, דצמבר 2024), DeepSeek (R1, ינואר 2025), xAI (Grok 3 עם "מצב-חשיבה", פברואר 2025) ו-Anthropic (Claude 3.7 Sonnet עם "חשיבה מורחבת", פברואר 2025). שום חברה לא חיכתה לראות אם הגישה של האחרות תצליח — כולן זיהו, כמעט בו-זמנית, שזה הכיוון הבא.
התובנה המשותפת: זמן-חישוב-בזמן-ההרצה כציר-שיפור עצמאי
מה שגרם לשש חברות שונות להגיע לאותו פתרון כמעט בו-זמנית אינו צירוף-מקרים, אלא תובנה טכנית משותפת שהייתה "באוויר" בקהילת-המחקר עוד לפני o1: אפשר לשפר ביצועי-מודל לא רק על-ידי הגדלת-שלב-האימון (יותר פרמטרים, יותר נתונים, יותר חישוב-אימון) — אלא גם על-ידי הקצאת יותר חישוב ברגע-התשובה עצמו, בזמן-ההרצה (Inference-time / Test-time Compute). כבר בסיקור השקת-QwQ של Alibaba, בנובמבר 2024, תואר הצעד כביטוי ל"עניין תעשייתי רחב ב-test-time compute" דווקא כחלופה לחוקי-קנה-המידה המסורתיים, שנראו אז כמניבים תשואות פוחתות; וניתוח מאוחר-יותר של DeepLearning.AI תיאר את מודלי-ההנמקה כמנוף ל"חישוב-הרצה מורחב" כדי לפתור בעיות קשות יותר, לא כפריצת-דרך בשלב-האימון עצמו. ציר-השיפור הזה נפרד לחלוטין מחוקי-קנה-המידה (Scaling Laws) שהנחו את התעשייה עד אז, ולכן זו לא תחרות-המשכית על "מי בונה את המודל הגדול יותר" — היא תחרות על "מי לומד להקצות את זמן-החשיבה בצורה הטובה ביותר", שאלה שכל מעבדת-AI יכולה לענות עליה בנפרד, בלי להמתין לפריצת-דרך של מתחרה או לדור-חדש של חומרה.
ציר-הזמן: מי עקב אחרי מי, ותוך כמה זמן
הרצף הכרונולוגי חושף עד כמה קצר היה הפער בין המתחרים. Alibaba פתחה כבר ב-27 בנובמבר 2024 עם QwQ-32B-Preview — דגם בן 32.5 מיליארד פרמטרים בלבד, שפורסם תחת רישיון פתוח ועקף בפועל את o1-preview במבחני AIME ו-MATH, ובכך הפך לדגם-ההנמקה הראשון שאפשר להוריד ולהריץ עצמאית. שלושה שבועות אחר-כך, ב-19 בדצמבר 2024, הציגה Google את Gemini 2.0 Flash Thinking Experimental — שתואר בסיקור התקופה כ"דומה בעיצובו" ל-o1, ולצד זאת דיווח The Information מנובמבר 2024, שצוטט באותה כתבה, לפיו לגוגל לפחות 200 חוקרים שמתמקדים בטכנולוגיה הזו. ינואר 2025 הביא את התפנית הדרמטית ביותר: ב-20 בו פרסמה DeepSeek הסינית את R1 תחת רישיון MIT פתוח-משקלים לגמרי (ראו הערך המורחב "DeepSeek-R1"). פברואר 2025 סגר את המעגל בתוך שבוע: Grok 3 של xAI הוצג בשידור-חי ב-17 בפברואר עם "מצב-חשיבה" (Think Mode) גלוי-לחלוטין, ו-Claude 3.7 Sonnet של Anthropic יצא שבוע אחר-כך, ב-24 בפברואר — כחמישה חודשים וחצי אחרי o1-preview.
לא גישה אחת: איך כל חברה פתרה את אותה בעיה אחרת
מתחת לתובנה המשותפת מסתתרות בחירות-עיצוב שונות מהותית, וההבדלים האלה הם בדיוק מה שהופך את זה למירוץ אמיתי בין גישות מתחרות, לא רק להעתקה הדדית. OpenAI ו-Google בחרו במודל-הנמקה נפרד ומיוחד (o1/o3 כסדרה נפרדת מ-GPT; Gemini Flash Thinking כווריאנט נפרד מ-Gemini הרגיל), ומסתירות את שרשרת-המחשבה הגולמית מהמשתמש. DeepSeek ו-Alibaba בחרו בשקיפות הפוכה: משקלים פתוחים להורדה חופשית, כולל אפשרות לבחון את שרשרת-המחשבה עצמה. Anthropic בחרה בגישה שלישית, מוצהרת-במפורש כשונה: לא דגם-הנמקה נפרד, אלא "מודל-הנמקה היברידי" יחיד שבו המשתמש בוחר, לכל שאלה בנפרד, אם לקבל תשובה מהירה או "חשיבה מורחבת" — תוך שהחברה מציינת שהתמקדה פחות במבחני-תחרות מתמטיים ויותר במשימות-עולם-אמיתי. השונות הזו — לא רק במי הגיע ראשון, אלא באיך כל חברה בחרה לממש את אותו רעיון-יסוד — היא הסימן המובהק לכך שמדובר בתגובה-תחרותית עצמאית של כמה שחקנים, לא בגל שמישהו אחד הוביל ואחרים רק חיקו.
ההשפעה המדידה: מהיסטריה לחצי משוק-הטוקנים
תוך שנה, המירוץ הפך ממאפיין-ניסיוני לנתח-שוק מדיד. לפי מחקר "State of AI 2025" של פלטפורמת-הניתוב OpenRouter עצמה, שבחן כ-100 טריליון טוקנים, עד סוף 2025 מודלי-הנמקה היוו כבר למעלה ממחצית מכלל-השימוש-בטוקנים בפלטפורמה — קפיצה מ"רק o1 קיים" ל"חצי מהשוק" בתוך שנה אחת בלבד. גם קנה-המידה של הביצועים המשיך לטפס: בנובמבר 2025 השיקה Google את Gemini 3 Pro ואת Deep Think, שהיו לראשונים לעבור את רף ה-1,500 נקודות Elo בזירת-הדירוג LMArena. ניתוח של DeepLearning.AI (The Batch) מציין גם את המחיר הישיר של הגישה הזו: הרצת מבחני-ייחוס עם הנמקה מלאה על Gemini 3 Flash צרכה כ-160 מיליון טוקן, לעומת כ-7.4 מיליון טוקן בלבד ללא הנמקה — פער-חישוב עצום עבור אותה קבוצת-מבחנים בדיוק, מחיר שכל המעבדות שנכנסו למירוץ קיבלו על עצמן במודע.
למה זה נכנס לכאן ולא לערך של חברה אחת
מירוץ מודלי-ההנמקה הוא דוגמת-המקרה שבשמה הוקמה הקטגוריה הזו: אי-אפשר להסביר אותו על-ידי הצבעה על ישות בודדת. o1 בלבד מסביר דגם אחד של OpenAI; R1 בלבד מסביר דגם אחד של DeepSeek — לשני הדגמים האלה יש ערכים מורחבים משלהם באתר, עם המפרט הטכני, הבנצ'מרקים והמחירים המלאים של כל אחד. מה שמצריך ערך נפרד הוא התופעה שמעליהם: העובדה שהמעבדה הבאה לא המתינה, שכל חברה הגיעה לאותה מסקנה טכנית בנפרד, ושתוך חצי-שנה שינוי-הכיוון הזה הפך מניסוי-בודד לסטנדרט-תעשייתי שרוב המעבדות הגדולות מחזיקות היום גרסה כלשהי שלו. השאלה השימושית כשקוראים על מודל-הנמקה חדש שיוצא היום היא כבר לא "האם זה יעבוד" — היא נענתה — אלא "איפה הוא ממקם את החברה הזו ביחס לחמש המתחרות שכבר שם".