האם הוזלת הטוקנים היא המפתח האמיתי להטמעה רחבה של AI בארגונים?

בזמן שענקיות הטכנולוגיה, ובראשן Anthropic, ניהלו עד כה מרוץ חימוש סביב "המודל החכם ביותר", ההכרזה של השבוע מרמזת שהקרב האמיתי עבר למקום אחר: הארגונים בשטח כבר לא מחפשים את ה-IQ הגבוה ביותר, אלא עלויות נמוכות ושליטה בתקציב. ב-1 בספטמבר השיקה Anthropic את Fable 5.1 ו-Mythos 5.1, ומאחורי הכותרות על ביצועים שיא מסתתרת בשורה הרבה יותר משמעותית לארגונים: ירידת מחירים ממוקדת בדיוק בנקודות שבהן סוכני AI "שורפים" הכי הרבה כסף.

עייפות ממרוץ הביצועים של מודלי השפה

כמעט מדי שבוע יוצאת הכרזה דרמטית על מודל שמתיימר לשבור שיאי מבחנים (Benchmarks). אבל בקרב מנהלי מערכות מידע (CIO) וסמנכ"לי טכנולוגיה (CTO), ניכרת עייפות מסוימת מהמרוץ הזה. הסיבה: רוב הארגונים לא באמת מנצלים את מלוא היכולות של המודלים היקרים והמתקדמים ביותר, ולרוב המכריע של המשימות השוטפות הם פשוט לא צריכים אותם. הביקוש עבר מ"האינטליגנציה הגבוהה ביותר" ליציבות, אמינות, ובעיקר עלות שמאפשרת להריץ אוטומציה בקנה מידה רחב בלי לרוקן תקציב.

כלכלת הטוקנים הארגונית: המספרים שמאחורי הקלעים

"כלכלת טוקנים" (Token Economy) היא המושג שמסביר את הקושי בהטמעת AI בארגונים: כל שאילתה ותשובה מתומחרת לפי טוקנים, וכשסוכני AI רצים ברקע וקוראים כמויות עצומות של מסמכים לאורך זמן, החשבון מזנק — תופעה שמכונה בענף "הלם חשבון" (Sticker Shock).

מדד ה-LLM Token Expenditure Index (SDLLMTK) של חברת Silicon Data, שעוקב אחרי המחיר המשוקלל בפועל של טוקנים בשוק, עמד נכון ל-31 באוגוסט 2026 על כ-97 סנט למיליון טוקן. לפי ניתוח נלווה של המדד, הוא יותר מהכפיל את עצמו מאז דצמבר וטיפס בחדות עד מאי 2026, לפני ירידה בחודשים האחרונים — סימן לכך שספקי המודלים וגם הארגונים עצמם מבצעים אופטימיזציה אגרסיבית של עלויות.

מודל Fable 5.1 ו-Mythos 5.1: מה באמת השתנה במחיר

מחיר הבסיס של Fable 5.1 נותר גבוה יחסית — 10 דולר למיליון טוקני קלט ו-50 דולר למיליון טוקני פלט, ללא שינוי מ-Fable 5 — מה שהופך אותו לאחד המודלים היקרים בשוק במונחי מחיר-לטוקן. אבל השינוי האמיתי נמצא במקום אחר: Anthropic הוזילה את קריאת הנתונים מהמטמון (cache reads) ב-75%, מ-1 דולר למיליון טוקן ל-25 סנט בלבד, כך שקריאת מטמון עולה כיום רק 2.5% ממחיר הקלט הרגיל, לעומת 10% אצל רוב מודלי Claude האחרים.

בפועל, ארגונים עם עומסי עבודה טיפוסיים צפויים לחיסכון של כ-25% בעלות הכוללת, ומשימות סוכניות מורכבות (agentic workflows), שמסתמכות הרבה יותר על קריאה חוזרת מהקשר קיים, יכולות לחסוך עד כ-45%. עיבוד באצווה (Batch) זול אף יותר — 5 דולר קלט ו-25 דולר פלט למיליון טוקן.

לצד המחיר, Anthropic הציגה מסגרת בשם Enterprise Frontier Safeguards (EFS), שמאפשרת ניטור ובקרת שימוש לרעה בתוך סביבת הענן של הלקוח עצמו (AWS, Azure או Google Cloud) עם מפתחות הצפנה בשליטת הלקוח — ומדיניות Zero Data Retention (ZDR) זמינה כעת ל-Fable 5.1. כדאי לציין בזהירות: לפי כתבה ב-The Register, האחריות לוודא בפועל שהמדיניות אכן נאכפת נופלת במידה רבה על הלקוח הארגוני, לא רק על ההצהרה של Anthropic.

מנגנוני האבטחה החדשים גם מייצרים כ-60% פחות התראות שווא (False positives) בהשוואה למנגנונים הקודמים של Fable 5, לפי נתוני Anthropic. Mythos 5.1, המודל הממוקד באבטחת סייבר ומדעי החיים, נגיש רק לשותפים מאומתים דרך תוכנית גישה מבוקרת.

קוד פתוח, ניתוב מודלים ומוצרי צריכה בסיסיים

החיפוש אחר הוזלת עלויות דוחף ארגונים רבים למודלים בקוד פתוח, למודלים קטנים ויעילים (SLMs), או למודלים סיניים שמציעים ביצועים טובים במחירי רצפה. מקבילה לכך, גוברת ההסתמכות על שירותי ניתוב מודלים (Model Routing), שבוחרים בזמן אמת איזה מודל יטפל בכל בקשה לפי היחס בין מורכבות המשימה לעלות.

דוגמה מוחשית מגיעה דווקא מחברת הייעוץ EY, שמינתה בעולם תפקיד חדש — "ראש כלכלת סוכנים" — שאחראי על תקציבי טוקנים אישיים לעובדים ועל מערכת שמנתבת כל משימה למודל הזול ביותר שמתאים לה. אבל גם כאן התמונה מורכבת: סקר של חברת הייעוץ Bain מצא שרוב הארגונים חוסכים פחות כסף ממה שציפו מהשימוש ב-AI — פער בין קצב האימוץ המהיר ליכולת להוכיח ערך כספי בפועל. המגמה הזו הופכת את מודלי הקצה המפוארים ל"מוצר צריכה בסיסי" (Commodity) הניתן להחלפה, ומצמצמת את נאמנות הארגונים למותג ספציפי — מה שהופך את המחיר לחזית התחרות המרכזית.

הזווית הישראלית: תקציב טוקנים לעובד ודרישת ROI

המגמה הזו מורגשת גם בישראל, ולא רק כסיסמה. לפי נתוני חברת המחקר STKI, תקציבי ה-IT של המגזר העסקי והציבורי בישראל צפויים להסתכם ב-2026 בכ-11.7 מיליארד דולר, מתוכם כ-1.04 מיליארד דולר (כ-8.8%) מיועדים ל-AI — עם תחזית לצמיחה לכ-1.82 מיליארד דולר עד 2029. איינת שמעוני מ-STKI מצביעה על כך שהצוואר בקבוק המרכזי בישראל אינו רכישת כלים חדשים, אלא תשתיות הנתונים הארגוניות: "רוב הארגונים פשוט לא ערוכים — או ליתר דיוק, תשתית הנתונים שלהם לא מוכנה" לעידן ה-AI.

בד בבד, ארגונים ישראלים עוברים כעת לשלב שבו ההנהלה דורשת הוכחת החזר השקעה, לא רק אימוץ מהיר, בין היתר על רקע ממצא של Stanford Digital Economy Lab לפיו כ-95% מתוכניות הפיילוט ל-AI גנרטיבי נכשלו ביצירת השפעה פיננסית מדידה, ועל כך ש-42% מהארגונים כבר מתייחסים לבחירת המודל הספציפי כאל מוצר בר-החלפה. גם בישראל, כמו אצל EY בעולם, חברות מתחילות למנות אחראים ייעודיים על "כלכלת הסוכנים" ולהקצות תקציבי טוקנים לפי עובד או צוות. המשמעות: הוזלת המחירים של Fable 5.1 היא בשורה טובה, אבל היא לא פותרת לבד את הבעיה האמיתית — יכולת של ארגון ישראלי למדוד בפועל את התשואה על כל טוקן שהוא קונה.

בסופו של יום, כדי שארגונים ישלבו בינה מלאכותית בתהליכי הליבה שלהם, הם זקוקים למשוואה פשוטה: מודל מאובטח ואמין שמבצע את העבודה היומיומית, שכלכלת הטוקנים שלו מאפשרת סקיילביליות אמיתית בלי לחשוש מהחשבונית בסוף החודש — ומערכות פנימיות שיודעות להראות, במספרים, שההשקעה הזו באמת משתלמת.