DevDay 2026: OpenAI חושפת את GPT-6.1 Sol, סוכני Dots קבועים ו-ChatGPT Space לעבודת צוות

בכנס DevDay 2026 הכריזה OpenAI על חבילת מוצרים שמסמנת מעבר ברור ממודלים שעונים לשאלות אל סוכנים אוטונומיים שמבצעים עבודה: מודל GPT-6.1 Sol לקידוד ולמשימות מקצועיות, תמיכה ב-computer use ב-Agents API, סביבות Codex בענן, Decisions API בתצוגה מקדימה, סוכני Dots מתמשכים ו-ChatGPT Space לעבודת צוות. במאמר הזה נפרק את ההכרזות אחת-אחת מנקודת מבט של בוני מוצר: מה כל רכיב עושה, איפה הוא משתלב בארכיטקטורה קיימת, ואילו החלטות כדאי לקבל כבר עכשיו.

מה הוכרז ב-DevDay 2026 ומה התמונה הגדולה

התשובה הקצרה: OpenAI בנתה ב-DevDay 2026 ערימת טכנולוגיות שלמה לסוכנים, משכבת המודל ועד שכבת שיתוף הפעולה האנושי. לפי הדיווח של InfoQ, ההכרזות המרכזיות כוללות את GPT-6.1 Sol כמודל ייעודי לקידוד ולמשימות מקצועיות, יכולת computer use ב-Agents API, סביבות ריצה של Codex בענן, Decisions API בתצוגה מקדימה מוגבלת, סוכני Dots שרצים באופן מתמשך, ו-ChatGPT Space כסביבת עבודה משותפת לאנשים ולסוכנים יחד.

החיבור בין הרכיבים הוא הסיפור האמיתי. מודל חזק לבדו אינו סוכן. סוכן בפרודקשן צריך סביבת ריצה מבודדת, יכולת להפעיל ממשקי משתמש, מנגנון קבלת החלטות שאפשר לבקר, זהות מתמשכת שצוברת הקשר, ומרחב עבודה שבו בני אדם יכולים לפקח ולשתף פעולה. כל הכרזה ב-DevDay 2026 סוגרת בדיוק אחד מהפערים האלה, וזו הסיבה שהכנס הזה מעניין יותר כמפת דרכים ארכיטקטונית מאשר כרשימת פיצ'רים.

למי שבונה מוצרים על גבי ה-API של OpenAI, המשמעות המיידית היא שחלק מהתשתית שנבנתה בבית, כמו תזמור משימות ארוכות או סנדבוקסים להרצת קוד, הופך ליכולת מנוהלת של הפלטפורמה. זו חדשות טובות לזמן פיתוח, אבל גם נקודת החלטה לגבי תלות בספק יחיד.

GPT-6.1 Sol: מה המודל החדש מביא לקידוד ולמשימות מקצועיות

GPT-6.1 Sol הוא המודל שהוצג ב-DevDay 2026 כמיועד לעבודה מקצועית, ובראשה קידוד. המיצוב חשוב: במקום מודל כללי אחד שמנסה להצטיין בהכול, OpenAI ממשיכה את המגמה של מודלים ממוקדי תחום עבודה, שבהם האימון וההתנהגות מכוונים למשימות כמו כתיבת קוד, ריפקטורינג, ניתוח מסמכים מקצועיים ועבודה רב-שלבית עם כלים.

מנקודת מבט של בניית מוצר, השאלה הראשונה שצריך לשאול היא לא "האם המודל חכם יותר" אלא איפה הוא משתלם. מודל ייעודי לקידוד מצדיק את עצמו בעיקר בזרימות עבודה ארוכות: משימות שדורשות עשרות קריאות כלים, שמירה על עקביות בבסיס קוד גדול, והתאוששות משגיאות קומפילציה או טסטים שנכשלו. אלו בדיוק התרחישים שבהם מודלים כלליים נוטים לאבד הקשר או לחזור על טעויות.

איך לגשת לאימוץ המודל בפרודקשן

הגישה הנכונה לאימוץ מודל חדש היא הערכה שיטתית, לא החלפה גורפת. בנו סט הערכה (evals) מתוך משימות אמיתיות של המוצר שלכם: תיקוני באגים מהבקלוג, יצירת PR על בסיס issue, או סיכום מסמך רגולטורי. הריצו את GPT-6.1 Sol מול המודל הנוכחי שלכם על אותו סט, מדדו שיעור הצלחה, עלות לכל משימה שהושלמה וזמן ריצה. רק אז החליטו אילו מסלולים במוצר עוברים למודל החדש. מעבר הדרגתי מאחורי feature flag מאפשר גם נסיגה מהירה אם מתגלות רגרסיות בהתנהגות.

computer use ב-Agents API: סוכנים שמפעילים ממשקים כמו משתמש

התמיכה ב-computer use ב-Agents API מאפשרת לסוכן להפעיל מחשב כמו משתמש אנושי: לראות מסך, להזיז עכבר, להקליד ולנווט בממשקים גרפיים. היכולת הזו סוגרת את הפער בין סוכנים שמוגבלים ל-API-ים מתועדים לבין העולם האמיתי, שבו חלק ניכר מהמערכות הארגוניות, ממערכות ERP ישנות ועד פורטלים ממשלתיים, נגישות רק דרך ממשק משתמש.

מקרה שימוש קונקרטי: סוכן תפעול שמקבל חשבונית ספק במייל, פותח את מערכת הנהלת החשבונות הארגונית בדפדפן, מזין את הנתונים, מצרף את הקובץ ושולח לאישור. עד היום תרחיש כזה דרש RPA מסורתי עם תחזוקת סלקטורים שבירה. סוכן מבוסס ראייה מתמודד טוב יותר עם שינויים בממשק, כי הוא מבין את המסך סמנטית ולא לפי מיקום פיקסלים קבוע.

OpenAI introduced today at DevDay 2026 more than 20 updates across ChatGPT, Codex, models and the API, including dots (always-on agents), GPT-6.1 Sol (close to GPT-6 Astra at a fifth of the price), Ultrafast (a speed tier with up to 8x faster token generation), ChatGPT Space… pic.twitter.com/Bu1rsMKmKk

— Tibor Blaho (@btibor91) 29 בספטמבר 2026

שיקולי הארכיטקטורה כאן קריטיים. computer use חייב לרוץ בסביבה מבודדת עם הרשאות מינימליות: דפדפן או מכונה וירטואלית ייעודית, חשבונות שירות עם גישה מצומצמת, ורשימת דומיינים מאושרים. בנוסף, תכננו מראש נקודות human-in-the-loop: כל פעולה בלתי הפיכה, כמו שליחת תשלום או מחיקת רשומה, צריכה לעצור ולהמתין לאישור אנושי. לוגים מלאים של צילומי מסך ופעולות הם לא מותרות אלא דרישת בסיס לדיבוג ולביקורת.

סביבות Codex בענן ו-Decisions API: תשתית ריצה ובקרת החלטות

סביבות Codex בענן נותנות לסוכני קוד סביבת עבודה מנוהלת: מקום לשכפל ריפוזיטורי, להתקין תלויות, להריץ טסטים ולבנות שינויים, בלי שתצטרכו לתחזק בעצמכם תשתית סנדבוקסים. למי שכבר בנה הרצת קוד של סוכנים בפרודקשן, ברור כמה כאב זה חוסך: בידוד תהליכים, ניהול משאבים, ניקוי סביבות ומניעת זליגת סודות הם בדיוק החלקים שצורכים את רוב זמן ההנדסה בפרויקטים כאלה.

ה-Decisions API, שנמצא בתצוגה מקדימה מוגבלת, פונה לבעיה אחרת: קבלת החלטות מובנית. במקום לבקש מהמודל טקסט חופשי ולקוות לטוב, מקבלים ממשק שמיועד להחלטות שאפשר להגדיר, לתעד ולבקר. עבור ארגונים בתחומים מפוקחים, כמו פיננסים וביטוח שנפוצים מאוד בתעשייה הישראלית, זו נקודה מהותית: היכולת להסביר בדיעבד למה סוכן קיבל החלטה מסוימת היא תנאי סף לאימוץ, לא שיפור נחמד.

מכיוון שמדובר בתצוגה מקדימה מוגבלת, ההמלצה המעשית היא להתייחס ל-Decisions API כאל שכבה שעוטפים בהפשטה משלכם. כך תוכלו להתנסות מוקדם בלי לקשור את ליבת המוצר לממשק שעוד עשוי להשתנות לפני זמינות כללית.

מהם סוכני Dots ואיך עובדים עם סוכנים מתמשכים

Dots הם סוכנים מתמשכים: במקום שיחה שמתחילה ומסתיימת, Dot הוא ישות שרצה לאורך זמן, עובדת על משימות שוטפות וצוברת הקשר. ההבדל מסוכן רגיל הוא מחזור החיים. סוכן קלאסי מופעל, מבצע, ומסיים. Dot ממשיך להתקיים: הוא עוקב אחרי תור תקלות, מנטר מדדים, מתחזק דוח שבועי או מטפל בפניות חוזרות, ומתעדכן ככל שהסביבה משתנה.

דוגמה קונקרטית לצוות פיתוח: Dot שאחראי על היגיינת ריפוזיטורי. הוא עובר על PR-ים פתוחים מדי בוקר, מסמן כאלה שממתינים מעל יומיים, מריץ בדיקות על ענפים שהתיישנו מול main, ומעדכן את הצוות בערוץ הייעודי. המשימות האלה לא מצדיקות זמן מפתח, אבל הצטברותן שוחקת. סוכן מתמשך הוא בדיוק הכלי הנכון עבורן.

שיקולי תפעול לסוכנים קבועים

סוכן מתמשך מציב אתגרים תפעוליים שלא קיימים בסוכני משימה: ניהול זיכרון לאורך זמן כדי שההקשר לא יתנפח ויתייקר, הגדרת גבולות סמכות ברורים כדי שהסוכן לא ירחיב את פעילותו מעבר למנדט, ומנגנוני ניטור שמתריעים על סטייה בהתנהגות. מומלץ להתחיל עם Dot אחד בתחום מצומצם ומדיד, לקבוע מדדי הצלחה מראש, ורק אז להרחיב.

ChatGPT Space: סביבת עבודה משותפת לצוותים ולסוכנים

ChatGPT Space הוא מרחב עבודה משותף שבו אנשים וסוכנים עובדים יחד על אותו הקשר: קבצים, שיחות, משימות וסוכנים פעילים חיים באותו מקום, במקום בצ'אטים אישיים מבודדים. זהו מהלך ברור של OpenAI לכיוון שכבת שיתוף הפעולה הארגונית, התחום שבו פועלים כלים כמו Slack ו-Notion.

עבור צוותים, הערך המרכזי הוא הקשר משותף. כשסוכן Dot שמנטר את ה-pipeline מדווח ל-Space של הצוות, כולם רואים את אותה תמונה, יכולים לשאול שאלות המשך על אותו הקשר, ולהקצות משימות המשך לסוכן או לאדם. זה פותר את אחת הבעיות המעצבנות באימוץ AI ארגוני: ידע שנוצר בשיחות פרטיות עם המודל ונעלם שם.

מנקודת מבט של מנהלי מערכות מידע, Space מחייב חשיבה על ממשל נתונים: מי מזמין סוכנים למרחב, לאילו מקורות מידע הם מקבלים גישה, ואיך נשמרת הפרדה בין צוותים. ההמלצה היא להתחיל עם צוות פיילוט אחד ומדיניות הרשאות מפורשת, לפני פריסה רחבה.

מה DevDay 2026 אומר למפתחים ולעסקים בישראל

עבור האקוסיסטם הישראלי, DevDay 2026 משרטט מפת דרכים ברורה: שכבת הסוכנים הבסיסית הופכת לקומודיטי של הפלטפורמה, והערך עובר למי שבונה מעליה. סטארטאפים שמכרו תזמור סוכנים גנרי צריכים להעריך מחדש את הבידול שלהם, בעוד שחברות שמביאות מומחיות דומיין עמוקה, בפינטק, בסייבר, בבריאות דיגיטלית, מקבלות תשתית בשלה יותר לבנות עליה.

לצוותי פיתוח בארגונים, הצעד המעשי הראשון הוא מיפוי: אילו תהליכים חוזרים אצלכם מתאימים ל-Dots, אילו מערכות legacy נפתחות לאוטומציה דרך computer use, ואילו החלטות דורשות את שכבת הביקורת של Decisions API. הצעד השני הוא בניית יכולת הערכה פנימית, כי בקצב ההכרזות הנוכחי, היכולת למדוד מודל או יכולת חדשה תוך ימים היא יתרון תחרותי בפני עצמו.

חשוב גם לשמור על פרופורציות: תצוגה מקדימה מוגבלת היא לא זמינות כללית, ויכולות חדשות דורשות תקופת הבשלה בפרודקשן. מי שמתכנן אדריכלות עם שכבות הפשטה נקיות סביב ה-API ייהנה מהחידושים בלי להינעל אליהם.

עולם הסוכנים האוטונומיים מתקדם מהר, והפער בין מי שמתנסה לבין מי שממתין רק הולך וגדל. אם אתם רוצים לבנות בסיס מעשי לעבודה עם סוכנים, מודלים ו-API-ים, תוכלו למצוא קורסי בינה מלאכותית מעשיים למפתחים ולצוותים שמכסים בדיוק את היכולות האלה. ולמעקב שוטף אחרי ההתפתחויות בתחום, מגזין ה-AI שלנו עם ניתוחים וחדשות מעודכנות מסקר את ההכרזות המשמעותיות ומה שהן אומרות בפועל למי שבונה מוצרים.