קלוד חשף את הבעיה הכי גדולה של הבינה המלאכותית

סרטון שמנתח מחקר חדש של Anthropic על יכולות הקידוד של קלוד, וחושף אתגר מהותי שממנו סובלות מערכות ה-AI המתקדמות ביותר של היום.

הבעיה שהמחקר של Anthropic מצביע עליה מוכרת בשם "context rot" - התדרדרות הדרגתית ביכולת של המודל לשמור על דיוק ועקביות ככל שמשימת הקידוד מתארכת ומצטברים בה יותר קבצים, הוראות ותוצאות ביניים. מחקר שפורסם ב-2026 ובחן 4,416 ניסויים מצא שאחוז העמידה בהנחיות המקוריות צנח מ-73% בתור החמישי של השיחה עד 33% בלבד בתור ה-16, כשאין מנגנון זיכרון שמסייע למודל לעגן את עצמו מחדש בדרישות המקור.

כדי להתמודד עם התופעה, Anthropic פיתחה טכניקה שנקראת "compaction" - סיכום תמציתי של השיחה כשהיא מתקרבת לגבול חלון ההקשר, ופתיחת חלון חדש שמבוסס על אותו סיכום במקום לגרור את כל ההיסטוריה המלאה. בנוסף לכך הושקו כלי "context editing" וכלי זיכרון ייעודיים שנועדו לצמצם את נפח הטוקנים הנחוצים לביצוע משימות ארוכות. בבדיקה שכללה 100 סבבי חיפוש רצופים, עריכת ההקשר אפשרה לסוכן להשלים משימות שבלעדיה היו נכשלות מחוסר מקום בזיכרון העבודה, תוך צמצום צריכת הטוקנים ב-84%.

מעבר לאתגר הטכני, הנתונים על השימוש בפועל ב-Claude Code ממחישים כמה קידוד אוטומטי כבר הפך למרכזי בענף. Anthropic דיווחה כי נכון למאי 2026 למעלה מ-80% מהקוד שנכנס לבסיס הקוד הפרודקשן שלה עצמה נכתב על ידי קלוד, לעומת אחוזים בודדים בלבד כשהכלי הושק בתחילת 2025. בניתוח של כ-400 אלף הפעלות עבודה בין אוקטובר 2025 לאפריל 2026 נמצא שברוב המקרים בני האדם עדיין קובעים את התכנון - מה צריך לעשות - בעוד שהמודל מבצע את מרבית ההחלטות התפעוליות - איך לעשות זאת, חלוקת עבודה שממחישה למה כשל בזיכרון הקשר באמצע משימה ארוכה הופך קריטי כל כך.

הנתון המעודד יותר נוגע לקצב השיפור: שיעור ההצלחה של קלוד במשימות הנדסיות מורכבות ופתוחות, שבהן אין מפרט ברור מראש, זינק ל-76% במאי 2026 - עלייה של כ-50 נקודות אחוז בתוך חצי שנה בלבד. קפיצה כזו מרמזת שהבעיה שנחשפה במחקר אינה מגבלה מבנית קבועה של הבינה המלאכותית, אלא צוואר בקבוק שכל דור חדש של כלי ניהול הקשר וזיכרון מצליח לצמצם עוד יותר, גם אם טרם נעלם כליל.